{"id":1424,"date":"2021-11-04T10:17:51","date_gmt":"2021-11-04T10:17:51","guid":{"rendered":"https:\/\/www.data-ia.fr\/?p=1424"},"modified":"2021-11-04T10:17:51","modified_gmt":"2021-11-04T10:17:51","slug":"ia-evoluer-etre-vivant","status":"publish","type":"post","link":"https:\/\/www.data-ia.fr\/index.php\/2021\/11\/04\/ia-evoluer-etre-vivant\/","title":{"rendered":"L\u2019intelligence artificielle pourra bient\u00f4t \u00e9voluer comme un \u00eatre vivant"},"content":{"rendered":"

Des chercheurs de l\u2019universit\u00e9 de Standford viennent d\u2019op\u00e9rer une petite r\u00e9volution dans le monde de l\u2019intelligence artificielle. En s\u2019inspirant de la th\u00e9orie de l\u2019\u00e9volution de Darwin, ces derniers ont mis au point une IA capable de transmettre des modifications utiles aux g\u00e9n\u00e9rations suivantes.<\/strong><\/p>\n

Au fil du temps, l\u2019intelligence artificielle n\u2019a eu de cesse d\u2019impressionner l\u2019humain. Qu\u2019elle soit capable de remporter un tournoi d\u2019\u00e9checs<\/strong> contre les meilleurs joueurs ou de diagnostiquer Alzheimer \u00e0 partir d\u2019un simple dessin<\/a>, cette derni\u00e8re \u00e9volue \u00e0 vitesse \u00e0 grand V depuis quelques ann\u00e9es. N\u00e9anmoins, \u00ab\u2009\u00e9voluer\u2009\u00bb n\u2019est pas vraiment le terme exact. Aussi sophistiqu\u00e9e qu\u2019elle soit, l\u2019IA n\u2019a pas encore r\u00e9ussi \u00e0 imiter le vivant<\/strong> sur ce point.<\/p>\n

En effet, nous n\u2019avons pas encore vu d\u2019IA se transformer en r\u00e9ponse \u00e0 son environnement, en apprenant de ses erreurs et en transmettant ses mutations \u00e0 ses descendants. Les chercheurs pr\u00e9f\u00e8rent plut\u00f4t d\u00e9velopper plusieurs solutions distinctes \u00e0 des probl\u00e8mes donn\u00e9s, pour ensuite les fusionner au sein d\u2019une seule et m\u00eame technologie. Mais une nouvelle \u00e9tude pourrait r\u00e9veiller Charles Darwin d\u2019entre les morts<\/strong>.<\/p>\n

UNE INTELLIGENCE ARTIFICIELLE QUI S\u2019INSPIRE DE LA TH\u00c9ORIE DE L\u2019\u00c9VOLUTION<\/h2>\n

Dans un article intitul\u00e9 \u00ab\u2009Apprentissage par renforcement \u00e9volutif profond\u2009\u00bb (DERL), des chercheurs de l\u2019universit\u00e9 de Stanford pr\u00e9sentent une nouvelle technique de machine learning. Ces derniers ont ainsi cr\u00e9\u00e9 une IA capable de se transformer au fil du temps en fonction de la complexit\u00e9 de son environnement<\/strong>. Le but\u00a0: imiter la vie. \u00ab\u2009Notre objectif est d\u2019\u00e9lucider certains principes r\u00e9gissant les relations entre la complexit\u00e9 environnementale, la morphologie \u00e9volu\u00e9e et la capacit\u00e9 d\u2019apprentissage du contr\u00f4le intelligent\u2009\u00bb<\/em>, expliquent les scientifiques.<\/p>\n

Pour ce faire, l\u2019IA en question, nomm\u00e9e DERL, est compos\u00e9e de plusieurs agents d\u2019apprentissage capables de s\u2019adapter pour trouver une solution. Ce sont ces derniers qui d\u00e9finissent la morphologie de l\u2019IA. Elle est ensuite plac\u00e9e dans un environnement virtuel avec pour objectif de se d\u00e9placer d\u2019elle-m\u00eame. Au fur et \u00e0 mesure de ses essais, DERL va d\u00e9terminer quelles mutations entreprendre pour parcourir une plus grande distance. Ces mutations seront alors transmises \u00e0 la g\u00e9n\u00e9ration suivante<\/strong>. En revanche, le nouveau mod\u00e8le ne b\u00e9n\u00e9ficie pas des apprentissages de son a\u00een\u00e9, seulement de sa morphologie.<\/p>\n

Et le r\u00e9sultat est pour le moins surprenant. Tout comme les \u00eatres vivants eux-m\u00eames, DERL a \u00e9volu\u00e9 de multiples mani\u00e8res pour surmonter les obstacles qui lui ont \u00e9t\u00e9 pr\u00e9sent\u00e9s. De nombreuses morphologies ont vu le jour<\/strong>, chacune parvenant \u00e0 r\u00e9soudre les probl\u00e8mes. C\u2019est l\u2019exact oppos\u00e9 que ce que font les IA actuelles, \u00e0 savoir tester un large panel de solutions pour ne retenir que la plus efficace.<\/p>\n

UNE R\u00c9VOLUTION DANS LE MONDE DE L\u2019IA<\/h2>\n

De plus, plus l\u2019environnement est complexe, plus DERL devient intelligent<\/strong>. D\u2019apr\u00e8s les chercheurs, les agents ayant \u00e9volu\u00e9 dans diff\u00e9rents environnements avec diverses t\u00e2ches, comme la patrouille, l\u2019\u00e9vasion, la manipulation d\u2019objets ou encore l\u2019exploration, ont tendance \u00e0 apprendre plus rapidement. Des r\u00e9sultats qui pourraient avoir de s\u00e9rieuses retomb\u00e9es dans l\u2019industrie de la robotique.<\/p>\n

\u00ab\u2009DERL ouvre la voie \u00e0 la r\u00e9alisation d\u2019exp\u00e9riences in silico \u00e0 grande \u00e9chelle afin d\u2019obtenir des informations scientifiques sur la mani\u00e8re dont l\u2019apprentissage et l\u2019\u00e9volution cr\u00e9ent ensemble des relations sophistiqu\u00e9es entre la complexit\u00e9 de l\u2019environnement, l\u2019intelligence morphologique et la capacit\u00e9 d\u2019apprentissage des t\u00e2ches de contr\u00f4le\u2009\u00bb<\/em>, souligne l\u2019article.<\/p>\n

\u00ab\u2009Nous esp\u00e9rons que notre travail encouragera d\u2019autres explorations \u00e0 grande \u00e9chelle de l\u2019apprentissage et de l\u2019\u00e9volution dans d\u2019autres contextes, afin d\u2019obtenir de nouvelles connaissances scientifiques sur l\u2019\u00e9mergence de comportements intelligents pouvant \u00eatre appris rapidement, ainsi que de nouvelles avanc\u00e9es techniques dans notre capacit\u00e9 \u00e0 les instancier dans des machines\u2009\u00bb.<\/em><\/p>\n

En revanche, on ne sait pas si DERL nous permettra enfin de ne travailler que 12\u00a0heures par semaine<\/a>. Source phonandroid.com<\/p>\n<\/div><\/div>