Abstrait

Machine Learning 2018 : Apprentissage approfondi : une utilisation de l'IA pour organiser des images - Aisha Al Owais-Sharjah Center for Astronomy and Space Sciences

Aïcha Al Owais

En ce 21e siècle, l’arme la plus remarquable de l’humanité est l’innovation. Le domaine d’innovation qui nous intéresse est l’ingénierie logicielle, plus précisément l’intelligence artificielle (IA). Comme son nom l’indique, l’IA est liée à la transformation des gadgets en opérateurs intelligents qui entreprennent des actions en fonction du monde qu’ils voient. Ils sont également adaptables dans la mesure où ils peuvent modifier leur objectif, ce qu’ils sont censés faire, ainsi que modifier leurs activités en fonction de l’évolution de l’environnement. Ce qui rend les opérateurs d’IA non conventionnels, c’est leur capacité à assimiler et à se souvenir de leurs erreurs. De plus, l’apprentissage automatique (ML) est l’une des applications de l’IA qui permettent aux systèmes de s’adapter naturellement, de s’améliorer grâce à la connaissance et de modifier leurs activités sans intervention humaine. Cela nous amène à l’apprentissage profond (DL), un autre sous-domaine du ML qui s’intéresse aux calculs déclenchés par la structure et la capacité du cerveau humain, appelés systèmes neuronaux artificiels. Il possède des systèmes capables d’assimiler des informations obtenues à partir d’informations apprises ou non étiquetées ; c’est pourquoi il est également connu sous le nom de réseau neuronal profond (DNN). Chacun de ces termes nous conduit à ce que nous aimons le plus, les réseaux de neurones convolutionnels (CNN), qui sont des systèmes neuronaux profonds spécialement ajustés pour organiser des images, pour notre cas pour regrouper des images d'étoiles filantes. L'inpainting est le processus de reconstruction de parties perdues ou détériorées d'images et de vidéos. Dans le monde des musées, dans le cas d'un tableau de valeur, cette tâche serait effectuée par un conservateur ou un restaurateur d'art qualifié. Dans le monde numérique, l'inpainting fait référence à l'application d'algorithmes sophistiqués pour remplacer les parties perdues ou corrompues des données d'image. Cette définition officielle de l'inpainting sur Wikipédia prend déjà en compte l'utilisation d'« algorithmes sophistiqués » qui font le même travail d'écrasement manuel des imperfections ou de réparation des défauts mais en une fraction du temps. Cependant, à mesure que les technologies d'apprentissage profond progressent, le processus d'inpainting est devenu automatisé de manière si complète qu'il ne nécessite aujourd'hui aucune intervention humaine. Il suffit d'envoyer une image endommagée à un réseau neuronal et de recevoir la sortie corrigée. Allez-y et essayez-le vous-même, avec le terrain de jeu Web de NVIDIA qui montre comment leur réseau remplit une partie manquante pour n'importe quelle image. Faites simplement glisser et déposez n'importe quel fichier image, effacez-en une partie avec le curseur et regardez comment l'IA le rattrape. Je l'ai essayé sur quelques photos qui traînaient sur mon bureau. En voici une ci-dessous, avec une grande partie de mon visage manquante et le réseau neuronal la rétablissant à nouveau en quelques secondes, même si cela me donne l'air de sortir d'une bagarre de rue. Le domaine de l'intelligence artificielle est essentiellement celui où les machines peuvent effectuer des tâches qui nécessitent généralement l'intelligence humaine. Il englobe l'apprentissage automatique, où les machines peuvent apprendre par l'expérience et acquérir des compétences sans intervention humaine.L'apprentissage profond est un sous-ensemble de l'apprentissage automatique dans lequel les réseaux neuronaux artificiels, des algorithmes inspirés du cerveau humain, apprennent à partir de grandes quantités de données. De la même manière que nous apprenons par l'expérience, l'algorithme d'apprentissage profond effectuerait une tâche de manière répétée, en la modifiant légèrement à chaque fois pour améliorer le résultat. Nous parlons d'apprentissage profond car les réseaux neuronaux comportent plusieurs couches (profondes) qui permettent l'apprentissage. À peu près n'importe quel problème qui nécessite de la « réflexion » pour être résolu est un problème que l'apprentissage profond peut apprendre à résoudre.

Biographie :

Aisha Al Owais a obtenu sa licence en informatique au College of Engineering de l'American University of Sharjah. Elle occupe actuellement le poste d'assistante de recherche au Centre des météorites du Centre d'astronomie et des sciences spatiales de Sharjah.