Conseil de recherches en sciences naturelles et en génie du Canada
Symbol of the Government of Canada

Liens de la barre de menu commune

Ordinateurs intelligents

Machines apprenant comme des humains

Les ordinateurs peuvent faire des calculs très rapides et emmagasiner d'énormes quantités de données, mais lorsqu'il est question d'apprentissage, le cerveau humain les surpasse encore. Toutefois, grâce aux progrès réalisés dans le domaine de l'apprentissage automatique, les programmes informatiques rattrapent rapidement leur retard. Ils réussissent beaucoup mieux à apprendre à partir d'exemples et à faire des prédictions, tout comme les humains.

Geoffrey Hinton, informaticien de la University of Toronto, compte parmi les chercheurs les plus réputés du monde dans le nouveau domaine de l'apprentissage automatique. Ses réalisations lui ont valu la Médaille d'or Gerhard-Herzberg en sciences et en génie du Canada qui est remise par le Conseil de recherches en sciences naturelles et en génie du Canada (CRSNG).

« Depuis toujours, je suis fasciné par le fonctionnement de la mémoire et de l'apprentissage, explique M. Hinton. Tout au long de ma carrière, la conception de théories sur le mode d'apprentissage du cerveau humain a alterné avec l'élaboration d'algorithmes d'apprentissage automatique inspirés de ces théories. »

Le domaine de l'apprentissage automatique connaît une croissance rapide. En raison de la grande quantité de données offertes aujourd'hui, notamment l'information relative au climat, aux images satellitaires et au courant de trafic, il faut élaborer de plus en plus d'algorithmes d'apprentissage automatique, qui permettent aux ordinateurs d'interpréter cette information et de la mettre en corrélation.

La plupart des gens interagissent quotidiennement avec l'apprentissage automatique, par exemple lorsqu'ils consultent les résultats classés par les moteurs de recherche dans Internet ou les recommandations de titres additionnels formulées par des libraires en ligne. Comme des amis qui se font des recommandations mutuelles en fonction de leurs intérêts communs et connus, les programmes d'apprentissage automatique prévoient ce qu'une personne pourrait aimer en étudiant ses choix précédents et ceux d'autres personnes qui ont des intérêts similaires.

L'équipe de M. Hinton a aussi travaillé avec des manufacturiers, comme DuPont, pour élaborer des algorithmes qui augmentent l'efficience des procédés industriels. Grâce à l'un de ces algorithmes, la production de nylon de cette entreprise a augmenté de 1 p. 100 sans injection de ressources supplémentaires.

La prochaine frontière à repousser dans le domaine de l'apprentissage automatique est l'amélioration de la reconnaissance automatique de la parole. L'équipe de M. Hinton a récemment attiré l'attention de grandes entreprises de technologie de l'information comme Google, Microsoft et IBM, car elle a fait des progrès considérables dans l'atteinte de cet objectif très complexe.

« Les ordinateurs ne réussissent pas encore à bien reconnaître les sons ou les formes, mais nous élaborons des algorithmes qui améliorent leur rendement en cette matière grâce à un processus en couches », ajoute M. Hinton.

M. Hinton a imaginé ce processus en s'inspirant des travaux novateurs qu'il a réalisés sur le fonctionnement du cerveau humain. Il a non seulement contribué au domaine de l'apprentissage automatique, mais aussi à ceux de la psychologie cognitive et des neurosciences. Il a proposé des théories influentes sur la façon dont le cerveau crée ses représentations internes du monde visuel à l'aide de l'information sensorielle qu'il reçoit des yeux.

M. Hinton a appliqué ces connaissances aux ordinateurs et élaboré des algorithmes qui leur permettent de reconnaître des objets, comme une portion d'une arête. Lorsque l'ordinateur réussit à identifier un élément aussi simple, il découvre une autre couche d'éléments et détecte des combinaisons spécifiques d'arêtes, comme des coins ou des jonctions en T. Le processus se poursuit, et l'ordinateur apprend à chaque couche à détecter les combinaisons d'éléments de la couche inférieure, jusqu'à ce qu'il puisse classer l'objet.

« Jusqu'à maintenant, tous les efforts déployés dans le domaine de l'intelligence artificielle ont été concentrés sur la recherche de moyens d'intégrer les connaissances dans les programmes informatiques. Nos travaux de recherche sur le fonctionnement du cerveau humain nous apprennent que les connaissances sont acquises et que le cerveau doit franchir de nombreuses étapes avant de pouvoir reconnaître quelque chose. »

M. Hinton est impatient de continuer sur cette lancée et de faire d'autres percées grâce au financement de un million de dollars qui accompagne la Médaille d'or Gerhard-Herzberg en sciences et en génie du Canada.

« Lorsque l'Institut canadien de recherches avancées m'a fait venir au Canada pour la première fois dans les années 1980 [il avait travaillé auparavant au Royaume-Uni et aux États-Unis], il n'y avait pas beaucoup de Canadiens qui réalisaient ce genre de travaux. C'est pourquoi j'ai pu recruter des étudiants et des stagiaires postdoctoraux très brillants, poursuit M. Hinton. J'ai reçu ce prix pour les travaux que j'ai réalisés avec eux, et j'ai maintenant la possibilité de les poursuivre avec une nouvelle génération de jeunes chercheurs. »