Dans le but d’améliorer les capacités de l’apprentissage machine qui constitue un élément essentiel de l’intelligence artificielle, des chercheurs du MIT aux États-Unis ont créé un système de reconnaissance faciale qui reproduit les fonctions neurologiques du cerveau humain. Cette étape pourrait constituer un précieux apport à un certain nombre d’industries et d’organisations selon ses concepteurs. Contrairement aux modèles antérieurs, ce modèle informatique incorpore des aspects propres à l'intelligence humaine et qui ont été négligés dans le passé.Les chercheurs ont implémenté le nouveau modèle dans un système d’apprentissage machine et l’ont entrainé à reconnaitre un ensemble de visages dans un échantillon d’images, ce qui a permis de doter le système d’une reconnaissance faciale beaucoup plus améliorée et surtout plus « humaine ». Le modèle a spontanément développé la capacité de traiter et reconnaitre les visages, même si l’image est pivotée à droite ou à gauche (à 45 degrés par exemple). Cette propriété n’a pas été incluse dans le modèle initial. Les chercheurs expliquent que le modèle a dupliqué un mécanisme de reconnaissance faciale propre aux humains et qu’à ce stade, le modèle artificiel et le cerveau humain agissent dans la même lignée que l’autre. « Ceci ne nous permet pas encore de vraiment savoir ce qui est en train de se passer », a dit Tomaso Poggio, professeur au MIT et directeur du Center for Brains, Minds, and Machines (CBMM). « Les modèles sont comme des caricatures de la réalité, surtout en biologie. C’est pour ça que je serais surpris si les choses étaient vraiment aussi simples. Mais je pense que nous avons des preuves que nous sommes sur la bonne voie. »
Dans un document publié par le chercheur, il inclut les preuves mathématiques du modèle informatique. Ce système est considéré en tant qu’un réseau neuronal puisqu’il cherche à reproduire la structure du cerveau humain et inclut des unités simples qui sont arrangées en couches et connectées à des nœuds qui jouent le rôle de processeurs des informations. Le réseau est alimenté en données qui seront classifiées selon différents critères de reconnaissance faciale, cette étape permet aux nœuds de réagir à différents stimulus. Les chercheurs ont été en mesure de produire une reconnaissance faciale plus précise en séparant les nœuds selon le degré de réactions aux différentes catégories de stimulus. Au fur et à mesure que les nœuds ont réagi de différentes façons, le comportement spontané du système est devenu très apparent et difficile à ignorer.
Les champs d’application de ce nouveau système de reconnaissance faciale sont énormes. D’abord, il pourrait améliorer considérablement les systèmes de reconnaissance faciale exploités aujourd’hui dans différentes industries de la sécurisation de bâtiments à l’accès aux droits d’administration d’un système par exemple. Il pourrait également être utilisé pour les services client et les autres appareils et robots qui feront leur apparition dans le futur dans le but de rendre l’interaction personne-machine plus précise et bien définie. En même temps, au fur et à mesure que l’Internet des objets continue à progresser, elle dépendra de plus en plus de l’intelligence artificielle. L’apprentissage machine constitue peut-être l’aspect le plus crucial du processus, surtout au début, pour cette raison, beaucoup de fonctions de la reconnaissance faciale qui s’appuient sur des algorithmes avancés, pourront être utilisés dans de tels systèmes. En gros, toutes nos tâches journalières seront facilitées par des systèmes intelligents (voitures intelligentes, villes intelligentes...).
Alors que cette recherche est encore à son début, elle permet déjà d’améliorer nos connaissances sur le cerveau humain et sa façon d’agir. En s’inspirant de cet organe, il sera possible de potentiellement améliorer les algorithmes d’apprentissage machine et de l’IA des technologies de la reconnaissance faciale. « Je pense que c’est un énorme pas en avant », a dit Christof Koch, président du Allen Institute for Brain Science. « De nos jours, alors que tout est dominé soit par le big data soit des simulations sur d’énormes ordinateurs, il est clair qu’une assimilation propre de l’apprentissage peut expliquer de surprenants résultats ». Pour Koch, ce modèle va ouvrir la voie pour comprendre ce qui arrive durant les premières 80 à 100 millisecondes qui découlent avant la reconnaissance d’un visage par le cerveau.
Source : MIT
Et vous ?
Qu'en pensez-vous ?Voir aussi :
Des chercheurs trouvent un algorithme qui pourrait expliquer l'intelligence humaine et avancer le domaine de l'intelligence artificielle 
