Les Données Synthétiques et la Blockchain à la rescousse de l’IA
Dans le monde en plein essor de l’intelligence artificielle et de l’apprentissage en profondeur, le PDG de Neuromation, Yashar Behzadi, voit deux grands éléphants dans la salle qui pourraient ralentir le taux d’adoption de l’IA: le premier est un manque de personnel qualifié et le second est un manque de jeux de données organisées pouvant être utilisées pour entrainer des réseaux de neurones à effectuer des tâches spécifiques.
Il ne suffit pas de créer des réseaux neuronaux, mais les spécialistes des données doivent également organiser et étiqueter les données de d’aprentissage afin que chaque algorithme soit correctement formé aux tâches qui lui sont assignées. Même pour les entreprises disposant de suffisamment de spécialistes de données, cela peut rendre l’apprentissage de la machine fastidieux et peu pratique.
Dans le but de résoudre ces deux problèmes, Neuromation a pour ambition de créer une communauté de développeurs d’IA, en les connectant à plusieurs partenaires de l’écosystème tels que fournisseurs de données et fournisseurs de services autour d’un marché unique de l’IA basé sur la blockchain et offrant des outils partagés pour déveloper et former des algorithmes et des ensembles de données synthétiques.
Avec sa plate-forme Neuromation, Behzadi souhaite rendre le développement d’algorithmes d’IA dix fois moins cher et plus rapide que ce qui est possible aujourd’hui, facilitant ainsi la connexion des développeurs d’IA avec leurs clients ou leurs experts techniques.
« Il y a environ six millions de développeurs de logiciels qui veulent implémenter des systèmes d’IA dans les 12 prochains mois, et nous voulons les aider à y parvenir », a déclaré le PDG à eeNews Europe lors d’une interview téléphonique en ajoutant qu’un étude récente de Tencent a révélé qu’il n’y a que 300,000 développeurs et autres professionnels de l’IA dans le monde qui seront incapables de répondre à la demande croissante de nouvelles applications d’IA.
Parlant des données synthétiques, Behzadi les décrit comme des données générées par ordinateur qui imitent des données réelles. Un exemple simple que Neuromation propose sur son site Web est la création d’énormes ensembles de données pour la reconnaissance d’objets ou de visages, basés sur des images générées par ordinateur où les objets et les visages peuvent être restitués de manière très réaliste et être manipulés pour créer des variations infinies de taille, de forme, de couleur, d’exposition à la lumière, d’angles de vue, etc.
Toutes ces données sont fournies déjà répertoriées pour une classification d’objets robuste et précise, à une fraction du temps et des coûts nécessaires à un opérateur humain pour trier et créer des ensembles de données spécifiques à partir de photos acquises. Neuromation considère également la robotique comme un secteur prometteur, où des environnements entièrement simulés peuvent être plus efficaces pour former des robots industriels à des tâches réelles.
by computer-generated images rendering real world
products, here for the retail industry.
Selon Behzadi, avec les données synthétiques, les entreprises n’ont besoin que de 50% de leurs données de formation originales et authentiques pour terminer la formation formelle de leurs algorithmes. Le PDG soutient que certaines applications d’IA, telles que la reconnaissance d’objets, pourraient même être formées presque exclusivement avec des données synthétiques, ce qui supprimerait le travail humain long et coûteux.
« En tant que feuille de route naturelle, nous avons commencé avec des données d’images simples à modéliser. Nous avons des experts du secteur des effets CGI travaillant en collaboration avec des experts en apprentissage approfondi pour améliorer nos modèles. Le prochain niveau de complexité est de créer des données dynamiques. Lorsque le lois physiques sont connues, vous pouvez créer des modèles généralisés », a expliqué Behzadi.
« Nous avons travaillé dans le domaine financier pour imiter les données de transaction. Il ne s’agit pas de tester la réalité des données, mais plutôt la performance du modèle, de sa robustesse et de sa fiabilité pour créer des données pouvant compléter des données réelles » selon le CEO.
Behzadi tient à mettre l’accent sur d’autres avantages des données synthétiques, tels qu’un biais plus faible que les ensembles de données compilés manuellement, ce qui en fin de compte rend l’application AI plus robuste. Des choses ou des occurrences rares peuvent également être simulées, rendant les algorithmes d’extrémité plus robustes. Un exemple naturel est la reconnaissance faciale pour laquelle Neuromation dit être engagée avec plusieurs clients, à peine un an après sa création fin 2017. La start-up a levé 50 millions de dollars auprès d’investisseurs au début de cette année.
En ce qui concerne la blockchain, l’entreprise considère qu’il est nécessaire d’établir une chaîne de traçabilité et une preuve de travail fiables, permettant également des micro-transactions entre les différents acteurs du marché de la IA que Neuromation va mettre en place. La plate-forme a été développée en neuf mois et permettra un travail collaboratif ainsi que le partage payant de connaissances en IA.
« Nos meilleurs clients sont ceux qui sont déjà dans l’IA, comme la reconnaissance faciale, ils constatent la valeur ajoutée et sont les plus faciles à convertir. Mais il existe d’autres domaines d’expertise exceptionnels avec un manque de soutien de l’IA. Il y a par exemple des trésors de données inexplorées dans le domaine médical », a commenté Behzadi. Les algorithmes d’IA pourraient être utilisés à bon escient en pathologie numérique, pour identifier les cellules cancéreuses ou d’autres indices liés à la santé. Ici, comme dans de nombreux autres domaines, Neuromation pourrait aider à trouver les solutions les plus pertinentes pour exploiter efficacement l’IA. La société a déployé plusieurs versions bêta de sa plate-forme et prévoit de l’étendre l’année prochaine.
La rédaction vous conseille:
La startup de détection d’objets Smartmeup rachetée par Magneti Marelli
CPU single chip de 2.7 TFLOPS pour Intelligence Artificielle et HPC
KALRAY annonce le lancement de son introduction en bourse
Neuromation – www.Neuromation.io
Related articles in English:
Matlab accelerates deep learning applications on Nvidia chips
AI-powered software boosts facial classification for video law enforcement
Neural ASIC platform promises easy AI integration
Imagination launches flexible neural network IP
Ceva goes non-DSP with neural processor
Si vous avez apprécié cet article, vous aimerez les suivants : ne les manquez pas en vous abonnant à :
