Amélioration de l'IA : un nouvel algorithme pourrait permettre de créer des modèles d'IA moins coûteux, plus précis et plus légers

Un groupe de chercheurs a résolu un problème fondamental de l'apprentissage automatique, en créant la première méthode de traitement des données symétriques dont l'efficacité est garantie à la fois en termes de calcul et de besoins en données. La principale difficulté réside dans le fait que l'intelligence artificielle peut être facilement déroutée par la symétrie ; par exemple, elle peut considérer une molécule ayant subi une rotation comme un objet complètement nouveau au lieu de la reconnaître comme la même structure.

Ces symétries sont importantes car elles constituent une sorte d'information que la nature nous donne sur les données, et nous devrions en tenir compte dans nos modèles d'apprentissage automatique. Nous venons de montrer qu'il est possible de faire de l'apprentissage automatique avec des données symétriques de manière efficace. - Behrooz Tahmasebi, étudiant diplômé du MIT et co-auteur principal.

Si certains modèles actuels, comme les réseaux neuronaux graphiques, peuvent gérer la symétrie, les chercheurs n'ont pas encore compris pourquoi ils fonctionnent si bien. L'équipe du MIT a adopté une approche différente : elle a conçu un nouvel algorithme en combinant des concepts mathématiques issus de l'algèbre et de la géométrie pour créer un système capable d'apprendre et de respecter efficacement la symétrie.

Cette méthode à l'efficacité prouvée nécessite moins d'échantillons de données pour l'apprentissage, ce qui peut améliorer la précision et l'adaptabilité d'un modèle. Les chercheurs affirment que leur travail pourrait conduire au développement de modèles d'IA plus puissants et moins gourmands en ressources pour un large éventail d'applications, "de la découverte de nouveaux matériaux à l'identification d'anomalies astronomiques et à l'élucidation de modèles climatiques complexes" Ces travaux ont été présentés récemment lors de la conférence internationale sur l'apprentissage automatique (International Conference on Machine Learning).