Intelligence artificielle Des chercheurs du MIT et de Harvard ont formé des réseaux de...

Pour approfondir le sujet

Skoda ouvre son laboratoire dédié à l’intelligence artificielle pour améliorer sa production de véhicules électriques

Au sein de l'Université technique d'Ostrava, en République tchèque, le constructeur automobile Skoda a inauguré un laboratoire de production par intelligence artificielle (AIM.Lab). Cette...

Recevez le numéro 5 d’ActuIA, le magazine de l’intelligence artificielle

Le numéro 5 d’ActuIA, le magazine de l’intelligence artificielle, arrive en kiosques et en version numérique le 21 septembre 2021 ! Recevez-le directement chez...

Québec : création d’une chaire de recherche en numérique de la santé pour mieux soigner les maladies rares

Mieux comprendre les maladies rares afin de mieux les diagnostiquer et les traiter efficacement constitue un défi de taille en raison de la multiplicité...

Greenly lève 3 millions de dollars pour déployer sa solution de comptabilité carbone alimentée par l’IA

Greenly, une start-up technologique spécialisée dans l'aide aux organisations à réduire leurs émissions de dioxyde de carbone, a annoncé cette semaine une levée de...

Des chercheurs du MIT et de Harvard ont formé des réseaux de neurones capable d’estimer leur propre fiabilité

Dans une publication sur arXiv, des chercheurs du MIT et de l’Université de Harvard ont présenté Deep Evidential Regression, une intelligence artificielle qui serait « consciente » de sa propre fiabilité et de ses propres incertitudes et erreurs. Formée à partir de réseaux de neurones, elle propose des décisions et est également capable de mesurer l’incertitude de ces dernières.

Comme l’indiquent les chercheurs Alexander Amini, Wilko Schwarting et Ava Soleimany, Daniela Rus sur arXiv, les réseaux de neurones déterministes sont de plus en plus déployés dans des domaines critiques pour la sécurité, où des mesures d’incertitude calibrées, robustes et efficaces sont cruciales.

Dans leur article, ils proposent une nouvelle méthode pour la formation des réseaux de neurones non bayésiens pour estimer une cible continue ainsi que ses preuves associées afin d’apprendre à la fois l’incertitude aléatoire et épistémique. Ils sont parvenus à ce résultat en en plaçant des priors de preuve sur la fonction de vraisemblance gaussienne originale et en entraînant les réseaux de neurones à déduire les hyperparamètres de la distribution de preuve.

Ils ont également imposé des priors pendant l’apprentissage de sorte que le modèle soit régularisé lorsque ses preuves prédites ne sont pas alignées sur la sortie correcte. Leur méthode ne repose pas sur l’échantillonnage lors de l’inférence ou sur des exemples hors distribution (OOD) pour la formation des algorithmes, permettant ainsi un apprentissage efficace et évolutif de l’incertitude. Les chercheurs ont démontré l’apprentissage de mesures bien calibrées de l’incertitude sur divers points de repère, la mise à l’échelle vers des tâches de vision par ordinateur complexes, ainsi que la robustesse aux échantillons de test contradictoires et OOD.

Les chercheurs ont indiqué avoir testé leur intelligence artificielle avec succès. Pour cela, comme on peut le lire dans leur publication, ils lui ont présenté une image et elle devait juger les profondeurs dans différentes parties de celle-ci. Leur algorithme a signalé quand elle n’était pas capable de juger avec préciser certaines images qui sortaient de ses attributions habituelles.


1ère Marketplace de l'IA et de la transformation numérique vous recommande :
 
Pierre-yves Gerlat

Partager l'article

Skoda ouvre son laboratoire dédié à l’intelligence artificielle pour améliorer sa production de véhicules électriques

Au sein de l'Université technique d'Ostrava, en République tchèque, le constructeur automobile Skoda a inauguré un laboratoire de production par intelligence artificielle (AIM.Lab). Cette...

Recevez le numéro 5 d’ActuIA, le magazine de l’intelligence artificielle

Le numéro 5 d’ActuIA, le magazine de l’intelligence artificielle, arrive en kiosques et en version numérique le 21 septembre 2021 ! Recevez-le directement chez...

Québec : création d’une chaire de recherche en numérique de la santé pour mieux soigner les maladies rares

Mieux comprendre les maladies rares afin de mieux les diagnostiquer et les traiter efficacement constitue un défi de taille en raison de la multiplicité...

Greenly lève 3 millions de dollars pour déployer sa solution de comptabilité carbone alimentée par l’IA

Greenly, une start-up technologique spécialisée dans l'aide aux organisations à réduire leurs émissions de dioxyde de carbone, a annoncé cette semaine une levée de...