25 mai 2017 - L'intelligence artificielle de Google peut désormais créer sa propre IA Lors de sa conférence I/O ’17 de la semaine dernière, Google a dévoilé des détails sur son projet AutoML, une intelligence artificielle qui peut aider à créer d’autres IA. En automatisant une partie du processus compliqué, AutoML pourrait rendre l’apprentissage automatique (machine learning) plus accessible aux non-experts. En termes d’intelligence artificielle, il faut dire que Google sait y faire. Son réseau neuronal le plus connu, DeepMind, est à la fois capable de « rêver » et de comprendre les enjeux de la trahison. Et aussi impressionnant que ce soit, Google est déterminé à montrer au monde entier que l’entreprise peut faire encore bien plus dans ce domaine. C’est lors de la conférence I/O 2017, la semaine dernière, que le PDG de Google, Sundar Pichai, a dévoilé des informations concernant AutoML, un autre réseau neuronal qui est capable de générer couche après couche des codes complexes ainsi que des algorithmes pour en « apprendre » davantage sur son environnement. Source : Google
AlphaZero, le programme de Google, bat Stockfish à plates coutures Aujourd'hui, les échecs ont changé à tout jamais. Demain, peut-être le monde... Il y a un peu plus d'un an, AlphaGo créait la sensation en battant le numéro un mondial du jeu de Go. Stockfish, que de nombreux joueurs utilisent assidûment pour leur préparation, est le récent vainqueur du TCEC Championship 2016 et du Chess.com Computer Championship 2017. Petite précision : il n'a fallu que quatre heures à AlphaZero pour "apprendre" les échecs. En effet, les développeurs d'AlphaZero (membres de DeepMind, une filiale de Google), ont lancé leur programme sur une procédure d'"apprentissage automatique", et plus exactement d'apprentissage par renforcement. Le siège de Google à Londres. Pour comparer, imaginez un robot auquel on fournirait des milliers de pièces en métal, sans lui donner aucune connaissance sur le moteur à explosion. Pour le moment, l'équipe de développement se refuse à tout commentaire, précisant à Chess.com que le rapport d'expérience est "toujours en phase de relecture".
27 juillet 2017 - Google a ajouté la capacité d'imagination à l'intelligence artificielle DeepMind Les chercheurs de Google ont commencé à développer une intelligence artificielle (IA) possédant une imagination : une IA qui peut donc raisonner et faire des plans pour l’avenir, sans être dépendante des instructions humaines préalables. L’IA sera donc capable d’imaginer les conséquences des actions, avant même de les effectuer. Cela peut sembler naturel et acquis pour les êtres humains, mais c’est bien plus difficile à maîtriser pour une IA. L’équipe de scientifiques travaillant dans le laboratoire de Google DeepMind, affirme que cette capacité sera cruciale dans le développement des algorithmes d’IA à l’avenir, car c’est cela qui permettra aux systèmes de mieux s’adapter aux conditions changeantes pour lesquelles ils n’ont pas été spécifiquement programmés. « Lorsque nous plaçons un verre au bord d’une table, par exemple, nous allons probablement considérer à quel point il est stable et si il pourrait tomber. Source : DeepMind
Après le jeu de go, l’intelligence artificielle de Google DeepMind devient une virtuose des échecs Après avoir battu l’humain au jeu de go, la technologie de Google DeepMind a battu l’un des meilleurs programmes d’échecs. Après avoir battu à plates coutures les meilleurs humains au jeu de go, le programme d’intelligence artificielle développé par DeepMind, une entreprise de Google, vient d’accomplir une nouvelle performance. AlphaZero, dérivé du célèbre AlphaGo, s’est cette fois-ci essayé aux échecs, rapportent les chercheurs de DeepMind dans un article détaillant leurs travaux publié en ligne mardi 5 décembre. Et avec succès, puisqu’il est parvenu, en quelques heures d’entraînement seulement, à égaler Stockfish, souvent considéré comme le meilleur programme d’échecs. Quatre heures d’entraînement seulement Certes, les échecs ne sont plus un mystère depuis longtemps pour l’intelligence artificielle. AlphaGo, en revanche, a été initialement conçu pour le go, un jeu très différent des échecs. Les échecs japonais aussi « C’est la preuve que leur méthode est générale.
25 novembre 2016 - Des intelligences artificielles lisent désormais sur les lèvres DeepMind, qui appartient à Google, a développé un programme informatique capable de lire sur les lèvres de façon plus efficace que les humains. C’est une nouvelle réussite pour Google DeepMind, l’entreprise d’intelligence artificielle londonienne rachetée par Alphabet. En début de semaine, ses chercheurs ont annoncé, avec des scientifiques de l’université d’Oxford, avoir développé un programme capable de lire sur les lèvres plus efficacement que les professionnels humains. Dans une première description de leurs résultats, ils expliquent que cette technologie d’intelligence artificielle réussit à lire sur les lèvres 46,8 % du temps, alors qu’un professionnel ayant dix ans d’expérience, soumis au même test, y parvient 12,4 % du temps. 5 000 heures de vidéo Pour que la machine parvienne à ce résultat, les chercheurs l’ont « entraînée » avec 5 000 heures de vidéos issues d’émissions politiques et d’actualité de la chaîne britannique BBC, couplées à des sous-titres.
AlphaZero +28 =72 -0 contre Stockfish / Échecs et maths / Forum de mathématiques Bonjour Forum, Juste 1 avis et quelques liens pour ceux qui vivent dans une grotte et qui n'auraient pas vu passer l'ovni Déc.2017 C'est un coup de tonnerre dans le monde des échecs.Alphazero l'IA de Deep Mind (Google) ridiculise un des meilleurs programmes d'échecs au monde (Stockfish). En résumé on a le meilleur joueur humain d'échecs de tous les temps - Magnus Carlsen (2837 ELO - plus fort que Fisher, Kasparov, Karpov pour les plus connus ) - qui peut être considéré comme un débutant face à StockFish (~3300 ELO). Tout ça avec juste les règles de base du jeu et quelques heures de parties contre lui même (tabula rasa, self-play, et algorithme de Monte-Carlo au lieu de alpha-beta).C'est complètement ouf ! Une bonne synthèse sur chess.com La 1ère vidéo sur Alphazero de la chaine Blitzstream (ma chaine préférée sur les échecs - fun et technique)La 2ème vidéo qui présente une des parties les plus hallucinante sur les 28 parties gagnées par Alphazero (dont 3 avec les noirs !) L'article sur arxiv
Avril 2017 - L’IA au service de la recherche scientifique Lors de la dernière édition de l'événement EmTech Digital, à San Francisco, Dario Gil, vice-président du département scientifique chez IBM Research (d’où vient notamment le superordinateur Watson), a présenté ses travaux visant à mettre l’intelligence artificielle au service des chercheurs. Son ambition est d’utiliser l’apprentissage machine (machine learning), technique d’intelligence artificielle qui permet à un programme de s’améliorer avec l'expérience, pour extraire l’information d’un grand nombre de papiers de recherche scientifique. L’ordinateur pourrait ensuite corréler les informations concordant entre divers travaux de recherche, et tisser des graphs de connaissance susceptibles d'améliorer la recherche dans un domaine bien précis. Ainsi, dans un article récemment publié par Wired, le journaliste Nick Stockton s’interroge : « L’évaluation par les pairs a ses défauts. Les humains (y compris les scientifiques) sont biaisés, feignants et intéressés. Alexa
Comment le « deep learning » révolutionne l'intelligence artificielle Cette technologie d'apprentissage, basée sur des réseaux de neurones artificiels, a complètement bouleversé le domaine de l'intelligence artificielle en moins de cinq ans. Le Monde.fr | • Mis à jour le | Par Morgane Tual « Je n'ai jamais vu une révolution aussi rapide. On est passé d'un système un peu obscur à un système utilisé par des millions de personnes en seulement deux ans. » Yann LeCun, un des pionniers du « deep learning », n'en revient toujours pas. Après une longue traversée du désert, « l'apprentissage profond », qu'il a contribué à inventer, est désormais la méthode phare de l'intelligence artificielle (IA). Ce système d'apprentissage et de classification, basé sur des « réseaux de neurones artificiels » numériques, est, pêle-mêle, utilisé par Siri, Cortana et Google Now pour comprendre la voix, être capable d'apprendre à reconnaître des visages. Qu'est-ce que c'est ? « Comment reconnaître une image de chat ? Concrètement, ça donne quoi ? Et demain ?
Mars 2017 - L’IA, vers l’infini et au-delà Les astrophysiciens font face à des calculs d’une grande complexité. Et la réussite des missions spatiales qui sont amenées à se démultiplier, reposent entièrement sur l’exactitude rigoureuse des calculs de trajectoire, à titre d’exemple. Or, les données à traiter sont massives et fastidieuses. Le travail est colossal. Sur le long terme, l’ambition des astronomes serait de mettre au point une IA capable de réaliser les calculs complexes, de partir à la recherche de nouveaux astres, galaxies et planètes. Ce qui est certain, c’est que dans un siècle qui, pour la première fois possède les moyens techniques de conquérir Mars et de commercialiser l’espace, le tourisme spatial au coeur de toutes les convoitises, l’utilisation de l’IA représente un atout considérable.
Machine learning et Deep learning : comment ça marche ? Vous vous intéressez à Google et plus précisément à son algorithme de classement ? Si oui, vous avez sûrement entendu parler ces derniers temps du machine learning ainsi que du deep learning. Alors, quelles sont ces nouvelles méthodes d’apprentissage automatique ? À l’ère d’une forte montée en puissance de la big data et de l’intelligence artificielle, Google élargit son champ d’action et accède à de nouvelles données pour améliorer la pertinence de son algorithme. C’est en ce sens que l’univers du SEO subit l’une des plus grosses révolutions et transformations jamais subie depuis sa naissance, car l’algorithme de classement ne se basera plus uniquement sur un “portefeuille” de critères précis mais directement sur l’évolution perpétuelle de la qualité de l’expérience utilisateur. La méthodologie de classement réalisée par Google est donc en train de s’inverser ce qui va demander aux techniques de référencement d’évoluer en conséquence ! Définition du Machine learning Conclusion