Vous lisez

Pourquoi Facebook est-il si désireux de développer ses capacités d’IA ?

Stratégie digitale

Pourquoi Facebook est-il si désireux de développer ses capacités d’IA ?

Pourquoi Facebook est-il si désireux de développer des capacités d'IA ?  |  Les médias sociaux aujourd'huiLors de l’une de ses sessions de questions-réponses semi-régulières plus tôt cette année, le PDG de Facebook, Mark Zuckerberg, a répondu à une question sur ce à quoi il pense que le monde ressemblera dans dix ans. La réponse de Zuckerberg couvrait les efforts de Facebook pour connecter le monde via internet.org et l’évolution de la réalité virtuelle via Oculus. Mais un élément clé de l’attention de Zuckerberg était l’intelligence artificielle, et sa réponse met en évidence, au moins en partie, pourquoi Facebook fait de tels efforts et dépense des sommes énormes en recherche et développement sur l’IA.

« …nous travaillons sur l’IA parce que nous pensons que des services plus intelligents seront beaucoup plus utiles à utiliser. Par exemple, si nous avions des ordinateurs qui pourraient comprendre la signification des messages dans le fil d’actualité et vous montrer plus de choses que vous sont intéressés, ce serait assez incroyable. De même, si nous pouvions construire des ordinateurs qui pourraient comprendre ce qu’il y a dans une image et pourraient dire à une personne aveugle qui autrement ne pourrait pas voir cette image, ce serait aussi assez incroyable. tout est à notre portée et j’espère que nous pourrons le livrer dans les 10 prochaines années. »

Le point de vue de Zuckerberg donne un aperçu de la poussée plus large de Facebook sur l’IA, mais pas tous, car il y a évidemment aussi des avantages financiers importants à un tel système – un système de reconnaissance d’image qui pourrait vous montrer plus de choses qui vous intéressent élargirait considérablement la compréhension de Facebook de les comportements et les intérêts du public et, par conséquent, augmenterait encore la capacité de la plate-forme à fournir ce que chaque utilisateur souhaite, ce qui est excellent pour les utilisateurs, mais a également des implications majeures pour les annonceurs.

Apprendre à voir

Dans cette optique, Facebook a publié aujourd’hui un nouvel article de blog détaillant les progrès réalisés par l’équipe Facebook AI Research (FAIR) et détaillant à quel point ils sont sur le point de faire passer leurs capacités d’IA au niveau supérieur – et de développer des systèmes plus intelligents et plus adaptés comme un résultat. Dans l’article intitulé « Nouveaux jalons de l’intelligence artificielle », le directeur de la technologie de Facebook, Mike Schroepfer, note d’abord l’évolution de leurs efforts en matière de reconnaissance visuelle.

« Le mois prochain, FAIR présentera un nouveau papier qui détaille un système de pointe qui segmente ou distingue les objets d’une photo. Ce nouveau système segmente les images 30 % plus rapidement, en utilisant 10 fois moins de données d’entraînement que les précédents benchmarks de l’industrie. »

Pourquoi Facebook est-il si désireux de développer des capacités d'IA ?  |  Les médias sociaux aujourd'huiPour ajouter plus de contexte, le directeur de la recherche sur l’IA de FAIR, Yann LeCun, a publié une vidéo plus tôt cette année qui explique comment leur système d’IA fonctionne pour segmenter les images et trier les différents éléments en différentes catégories afin de déterminer leur contenu.

Pourquoi Facebook est-il si désireux de développer des capacités d'IA ?  |  Les médias sociaux aujourd'huiLe fait que le système de Facebook soit désormais capable de le faire 30% plus rapidement est significatif – mais le point secondaire, concernant les données d’entraînement, est bien plus important.

Les données de formation, en termes simples, sont une entrée humaine, l’intervention manuelle requise pour aider le système à analyser et interpréter le contenu. Plus le système a d’entrées, plus il peut ajuster ses systèmes et fournir le bon résultat – l’un des meilleurs exemples est un autre projet Facebook AI, leur assistant personnel « M ». Lors du récent Web Summit à Dublin, Schroepfer a expliqué comment fonctionne M et comment le système apprend des réponses de son équipe d’assistants humains. Schroepfer a expliqué comment les fonctions de M sont actuellement largement servies par de vraies personnes – lorsqu’une requête est envoyée à M, l’IA revient avec ses meilleures réponses, puis un humain prend le relais et exécute la tâche demandée. Mais M écoute, M apprend de chaque interaction menée, et au fil du temps, il comprend mieux comment réagir.

Un exemple que Schroepfer a mis en évidence était l’achat de fleurs – à l’origine, si vous aviez demandé à M d’acheter des fleurs, le système reviendrait avec des réponses partielles mais sans réel raffinement. Maintenant, lorsqu’on lui donne la même requête, M revient avec deux questions « Quel est votre budget ? » et « Où voulez-vous qu’ils soient envoyés? » Ces deux questions ont été « apprises » par M après avoir analysé la manière dont les opérateurs humains interagissent avec les utilisateurs.

« Il y a un certain pourcentage de réponses qui viennent directement de l’IA, et nous augmenterons ce pourcentage au fil du temps. »

Dans ce contexte, l’apprentissage noté dans les derniers tests de reconnaissance d’images FAIR – une réduction des données d’entraînement de 10 fois moins d’entrées – met en évidence que le système s’améliore considérablement et s’améliore à un rythme impressionnant.

Capacité d’apprentissage

En soulignant davantage la capacité des systèmes d’IA de Facebook à traduire les requêtes en langage naturel et à les faire correspondre à la traduction d’images, Facebook a publié une vidéo de son outil Memory Networks qui peut répondre aux questions sur le contenu des images.

Question visuelle et démonstration de réponse

Plus tôt cette année, nous avons présenté une partie de nos travaux sur la compréhension du langage naturel – en particulier, un système appelé Memory Networks (MemNets) qui peut lire et répondre à des questions sur des textes courts. Dans cette démonstration d’un nouveau système que nous appelons VQA, ou Q&A visuel, les MemNets sont combinés avec notre technologie de reconnaissance d’image, permettant aux gens de demander à la machine ce qu’il y a sur une photo.

Publié par Facebook Engineering le mardi 3 novembre 2015

La fonctionnalité immédiate de cette capacité serait d’aider les personnes malvoyantes à comprendre ce qu’il y a dans une image, ouvrant ainsi un tout nouveau monde de possibilités de communication.

Facebook a également partagé des détails sur leurs progrès dans l’apprentissage prédictif de l’IA et la compréhension du contenu vidéo – dans cette prochaine vidéo, le système d’IA de Facebook a été invité à prédire le résultat de ce qui arrivera à chaque pile de blocs, avec une valeur en pourcentage placée sur leur probabilité de basculer.

Apprentissage non supervisé : prédire les chutes de blocs

L’apprentissage non supervisé ou prédictif est la capacité de comprendre ce qui se passera dans le futur en apprenant de l’observation. Pour essayer de donner aux ordinateurs cette capacité, l’équipe de recherche en intelligence artificielle de Facebook a développé un système qui peut « regarder » une série de tests visuels – dans ce cas, des ensembles de blocs empilés de manière précaire qui peuvent ou non tomber – et prédire le résultat. Après seulement quelques mois de travail, le système peut maintenant prédire correctement 90 % du temps, ce qui est mieux que la plupart des humains.

Publié par Facebook Engineering le mardi 3 novembre 2015

Cela peut ne pas sembler trop impressionnant, mais le système a appris le résultat probable grâce à l’observation, en développant sa propre compréhension de ce qui se passe dans la vidéo.

« Après seulement quelques mois de travail, le système peut maintenant prédire correctement 90 pour cent du temps, ce qui est mieux que la plupart des humains. »

Développer l’avenir

L’intelligence artificielle est un terme qui suscite une série de réactions. Et bien qu’il y ait quelques inquiétudes, la plupart y voient une progression naturelle, une avancée nécessaire pour nous aider à comprendre et à développer de meilleurs systèmes.

Comme décrit par LeCun :

« L’intelligence est ce qui fait de nous un être humain unique. Si nous voulons nous comprendre nous-mêmes, nous devons comprendre ce qu’est l’intelligence »

En substance, Facebook utilise déjà une forme d’IA – l’algorithme Facebook News Feed « apprend » vos intérêts et comportements en fonction de vos activités sur la plate-forme, puis cherche à vous proposer un contenu similaire basé sur des modèles d’actions d’autres utilisateurs. C’est essentiellement l’objet de l’apprentissage automatique, mais le niveau suivant consiste à comprendre comment nous développons nos pensées et comment nous apprenons, afin de fournir une correspondance de données et un contenu plus précis et plus réactifs.

Ces dernières découvertes montrent que l’équipe d’IA de Facebook fait des progrès significatifs sur ce front – et bien que toutes ces petites étapes puissent sembler mineures isolément, elles s’ajoutent toutes au développement plus large d’un réseau de neurones artificiels. Si un système neuronal peut apprendre par lui-même et développer des réponses précises basées sur des intrants, il aurait la capacité d’accélérer le développement de nouvelles technologies et compréhensions à un rythme beaucoup plus rapide qu’un esprit humain.

En termes immédiats et pratiques, une telle capacité permettrait à Facebook de créer des systèmes plus intelligents pour aider à trouver un contenu plus pertinent et améliorer sa capacité de recherche en utilisant plus d’entrées contextuelles au-delà de la simple correspondance de texte (la recherche par image est quelque chose que nous verrons très probablement dans le futur proche). Cela, en soi, est important, mais comme le souligne cette vidéo, les possibilités plus larges de telles découvertes vont bien au-delà de ces racines familières.

Apprendre aux machines à voir et à comprendre

L’équipe d’IA de Facebook travaille à créer des systèmes intelligents qui peuvent améliorer la vie des gens. Regardez cette vidéo pour découvrir comment nous abordons la recherche en IA et l’impact que ce travail a déjà.

Publié par Facebook Engineering le mardi 3 novembre 2015

author avatar
Erwan
Erwan, expert digital pour Coeur sur Paris, offre des insights pointus sur le marketing et les réseaux sociaux. Avec une plume vive et une analyse fine, il transforme les complexités du digital en conseils pratiques et tendances à suivre.
Erwan

Rédigé par

Erwan

Erwan, expert digital pour Coeur sur Paris, offre des insights pointus sur le marketing et les réseaux sociaux. Avec une plume vive et une analyse fine, il transforme les complexités du digital en conseils pratiques et tendances à suivre.