Actualité Véhicule autonome : Waymo utilise la technique PBT pour entraîner ses réseaux...

Pour approfondir le sujet

Stéphanie Challita et Fanny Orlhac, chercheuses Inria en cloud computing et en intelligence artificielle pour l’imagerie médicale, lauréates des Bourses France L’Oréal-UNESCO « Pour...

Le programme L’Oréal-UNESCO « Pour les Femmes et la Science » a récompensé pour leurs travaux respectifs Fanny Orlhac et Stéphanie Challita, deux chercheuses d'Inria....

Toyota AI Ventures lance Fund II doté de 100 millions de dollars prévus pour la robotique et les véhicules autonomes

Toyota AI Ventures a lancé un nouveau fonds, baptisé Fund II, qui sera doté de 100 millions de dollars. Il sera destiné à l'investissement...

Véhicule autonome : Waymo utilise la technique PBT pour entraîner ses réseaux de neurones

Les voitures autonomes de Waymo testent actuellement la technique de Population-Based Training (PBT). Cette technique d’entrainement de réseaux de neurones, inspirée de la biologie, a été créée par DeepMind. Elle a pour objectif d’accélérer l’automatisation des algorithmes de deep learning.

Waymo, la filiale d’Alphabet, et DeepMind travaillent conjointement depuis plusieurs mois sur une technique de formation d’algorithme d’intelligence artificielle baptisée « Population Based Training » (PBT). L’objectif est de développer des pilotes autonomes optimisés plus rapidement comme l’indique la MIT Technology Review.

« Nos chercheurs passent beaucoup de temps à réfléchir à comment entraîner au mieux ces réseaux de neurones », a indiqué Yu-hsin Chen, ingénieure au sein Alphabet.

La technique PBT, actuellement en test chez Waymo, permet aux équipes d’entraîner plus vite leur réseaux de neurones en réduisant par deux la puissance de calcul nécessaire à cet entrainement. DeepMind avait auparavant utilisé cette même technique, inspirée de la biologie et de la théorie de l’évolution de Darwin, dans l’entraînement par reinforcement learning (ou apprentissage par renforcement) de son algorithme capable de jouer à StarCraft II.

Plus concrètement, PBT permet de supprimer les mauvaises expériences de façon automatique et d’optimiser le choix des hyperparamètres. Ce faisant, elle mêle la recherche aléatoire et le réglage manuel pour bénéficier des méthodes plus performantes pour l’exécution d’une tâche précise. Lors de l’entraînement de l’algorithme, les réseaux de neurones vont donc pouvoir procéder à plusieurs essais qui seront ensuite analysés par rapport au standard défini pour voir s’ils sont semblables ou non au résultat souhaité au départ.


Légende de l’illustration : L’entraînement PBT des réseaux de neurones commence comme une recherche aléatoire automatisée, mais permet aux chercheurs d’exploiter les résultats partiels d’autres chercheurs (réalisés par réglage manuel) et d’explorer de nouveaux hyperparamètres à mesure que l‘entraînement progresse. © DeepMind

Pierre-yves Gerlat

Partager l'article

Astek et Craft AI présentent leur solution de machine learning dans le domaine de la cybersécurité

Dans le cadre de leur partenariat, Astek et Craft AI ont présenté leur première solution dans le domaine de la cybersécurité. L'entreprise spécialisée en...

SoftBank Vision Fund et Speedinvest lancent la seconde édition du programme d’accélération Emerge

Le fonds d'investissement européen Speedinvest et le fonds de placement SoftBank Investement Advisers ont annoncé le lancement de la seconde édition programme d'accélération Emerge....

La RATP s’associe avec Systran pour proposer des annonces voyageurs en plusieurs langues

Fort d'un partenariat stratégique, la technologie de Systran a été choisie par la Régie autonome des transports parisiens (RATP) pour mener à bien le...

La société Dydu publie son enquête autour des robots conversationnels et des outils de selfcare

Dydu, une entreprise spécialisée dans les robots conversationnels, vient de publier les résultats de la cinquième édition de son étude annuelle sur les chatbots,...