L'identification automatique de caractéristiques complexes dans les images est déjà devenue une réalité grâce aux réseaux de neurones artificiels. Quelques exemples de logiciels exploitant cette technique sont le système de marquage automatique de Facebook, Le moteur de recherche d'images de Google et le système de reconnaissance des animaux et des plantes utilisé par iNaturalist. On sait que ces réseaux sont inspirés du cerveau humain, mais leur mécanisme de fonctionnement est encore mystérieux.

Nouvelle recherche, menée par SISSA en association avec l'Université technique de Munich et publiée pour la 33e conférence annuelle NeurIPS, propose une nouvelle approche pour l'étude des réseaux de neurones profonds et apporte un éclairage nouveau sur les processus d'élaboration d'images que ces réseaux sont capables de réaliser.

Semblable à ce qui se passe dans le système visuel, les réseaux de neurones utilisés pour la reconnaissance automatique d'images analysent progressivement le contenu, à travers une chaîne d'étapes de traitement. Cependant, à ce jour, il n'est pas tout à fait clair quels mécanismes permettent aux réseaux profonds d'atteindre leurs niveaux de précision extraordinaires.

"Nous avons développé une méthode innovante pour mesurer systématiquement le niveau de complexité des informations encodées dans les différentes couches d'un réseau profond - la dimension dite intrinsèque des représentations d'images, " disent Davide Zoccolan et Alessandro Laio, respectivement neuroscientifique et physicien à SISSA. « Grâce à un travail multidisciplinaire qui a impliqué la collaboration d'experts en physique, neurosciences et apprentissage automatique, nous avons réussi à exploiter un outil développé à l'origine dans un autre domaine pour étudier le fonctionnement des réseaux de neurones profonds."

les scientifiques de SISSA, en association avec Jakob Macke de l'Université technique de Munich, ont examiné comment les informations acquises à partir des réseaux de neurones utilisés pour la classification des images sont traitées :« Nous avons constaté que les représentations d'images subissent une transformation progressive. Dans les premières étapes du traitement, les informations d'image sont fidèlement et exhaustivement représentées, donnant lieu à des représentations riches et complexes. Dans les étapes finales de traitement, l'information est radicalement simplifiée, produire des représentations d'images qui s'appuient sur quelques dizaines de paramètres, " expliquent les deux scientifiques. " Étonnamment, nous avons constaté que la précision de la classification d'un réseau de neurones dépend étroitement de sa capacité à simplifier :plus il simplifie l'information, plus c'est précis."

Il s'agit d'un résultat particulièrement important pour SISSA qui a récemment lancé un nouveau programme de recherche en science des données, dans le but d'étudier et de développer des algorithmes innovants pour le traitement d'ensembles de données complexes et volumineux.