LEBIGDATA.FR I.A, Cloud & Cybersécurité
Selon Google, le Machine Learning est comparable à « une forme d'alchimie ». Tout comme cette science obscure et moyenâgeuse, l'apprentissage automatique comporte une part de mystère. Les scientifiques ignorent bien souvent comment fonctionnent vraiment leurs algorithmes, et c'est ce qui empêche leur reproductibilité.
Le Machine Learning est une technologie en plein essor. Dans ce domaine, Google fait office de précurseur depuis maintenant plusieurs années. La firme utilise l'intelligence artificielle et les données pour prédire les retards d'avions sur son application Google Flights, pour recommander des articles sur le web, pour améliorer son clavier virtuel Gboard et bien plus encore.
De fait, l'entreprise américaine est bien placée pour mettre en exergue les principales faiblesses du Machine Learning. Ainsi, dans la cadre de l'Internation Conference on Learning Representations, qui se tenait le 30 avril 2018 à Vancouver, le chercheur Ali Rahimi de Google a comparé le Machine Learning à « une forme d'alchimie ».
Selon lui, bien souvent, les chercheurs en intelligence artificielle ignorent pourquoi certains alogirhtmes fonctionnent et d'autres non. Beaucoup d'entre eux ont l'impression d'utiliser « une technologie extraterrestre ». Par conséquent, ils se contentent bien souvent d'effectuer des modifications sur les programmes jusqu'à ce qu'ils finissent par se comporter comme attendu.
Google : les scientifiques ignorent ce qui fait fonctionner leurs algorithmes de Machine Learning
Ce phénomène pose un problème de « reproductibilité » dans le domaine du Machine Learning. Les algorithmes sont très difficiles à recréer, car les chercheurs eux-mêmes ne peuvent expliquer leur fonctionnement. Ali Rahimi et son équipe viennent d'ailleurs de publier un article à ce sujet.
Un autre problème point du doigt par les chercheurs de Google est que la plupart des articles sur l'intelligence artificielle se concentrent sur la façon dont les algorithmes peuvent battre des records sur les benchmarks comme MLPerf. A leurs yeux, ces papiers devraient plutôt se concentrer sur la façon dont les algorithmes fonctionnent.
Comme l'explique Rahimi, l'objectif de la science est de généraliser le savoir. Le rôle des scientifiques est donc de produire quelque chose que les autres pourront utiliser.
Restez à la pointe de l'information avec LEBIGDATA.FR !
Abonnez-vous à notre chaîne YouTube et rejoignez-nous sur Google Actualités pour garder une longueur d'avance.
- Partager l'article :
