L’ordinateur tente d’apprendre comme les humains

Afin d’améliorer la collaboration homme/machine, des chercheuses du MIT ont mis au point un nouveau système informatique capable d’apprendre comme les humains, sur la base d’exemples de scénarios similaires.

Les chercheuses du Massachusetts Institute of Technology (MIT) à l’origine de ce nouveau système se basent sur deux constats parallèles : d’une part les ordinateurs sont doués pour découvrir des points communs dans une large base de données, d’autre part les humains sont plutôt doués pour déduire les similarités et classer à partir d’une petite série d’exemples. Le défi des chercheuses Julie Shah, Been Kim et Cynthia Rudin, a donc été de rapprocher ces deux compétences pour améliorer la collaboration homme/machine. Afin d’expliquer sa démarche, Julie Shah, professeur assistante d’aéronautique prend un cas concret: “comme une équipe de pompiers sur un terrain d’opérations : lorsqu’un nouveau scénario se présente à eux, ils ne cherchent pas ce que feraient une machine. Ils essaient de faire correspondre leur scénario avec des exemples tirés de leurs expériences précédentes. C’est alors qu’ils se disent ‘ok, cela a marché précédemment’ et ils l’adaptent au nouveau scénario”. C’est ce procédé de réflexion très humain que les professeurs du MIT ont voulu appliquer aux ordinateurs.

L’exemple change le processus de décision

Le nouveau modèle qu'introduisent les trois chercheuses à l’origine du projet est en réalité assez simple. Il s’agit d’ajouter aux données des ordinateurs un exemple de référence. Jusqu’ici les algorithmes des ordinateurs brassaient des masses de données en cherchant les traits communs parmi celles-ci pour les classer. Grâce à l'introduction d’un exemple type baptisé “prototype”, l’ordinateur peut désormais affiner ses choix, affirment les chercheuses. Elles ont également limité le nombre de caractéristiques communes utilisées par les algorithmes pour classer. Ainsi dans l’ensemble des tâches pour lesquels il a été testé, le nouveau système faisait soit aussi bien soit beaucoup mieux que les précédents algorithmes utilisés.

Des applications à définir

Toute la question sera par la suite de savoir si cette technologie sera à même d’améliorer certaines tâches effectuées par les ordinateurs ou par les humains. C’est l’objectif des travaux que mène désormais l’équipe de Julie Shah. Pour le moment ils ont testé l’algorithme pour classer des recettes via les listes d’ingrédients. Le nouveau système était alors 15 % plus efficace que ceux traditionnellement utilisés. L’idée était alors de favoriser une interaction entre des sujets humains et les résultats des ordinateurs. Chacun apprenant de l’autre. Mais au delà des classements de recettes, le modèle créé pourrait être un atout majeur pour la robotique. À la tête du projet Robo Brain qui vise à améliorer l’apprentissage des robots via Internet, Ashutosh Saxena s’avoue déjà très intéressée par la découverte. Après la compréhension des émotions et l’apprentissage entre ordinateurs, les machines seraient donc sur le point de voir leurs capacités améliorées avec toujours un même modèle : l’humain.