Une visite au laboratoire MIT-IBM Watson pour voir certains de leurs projets d’intelligence artificielle

Une Visite Au Laboratoire Mit Ibm Watson Pour Voir Certains De

En plus de participer à une simulation de cyberattaque, Netcost-Security était également au laboratoire MIT-IBM Watson AI à Cambridge, Massachusetts, pour s’informer sur certains projets d’intelligence artificielle créés par des scientifiques et chercheurs du MIT et d’IBM Research.

Le bâtiment du laboratoire MIT-IBM Watson AI
Le bâtiment du laboratoire MIT-IBM Watson AI / Photo : Nick Ellis

Le MIT-IBM Watson AI Lab a été créé en partenariat par IBM Research et le MIT, et vise à repousser les limites de l’intelligence artificielle sur plusieurs fronts. Il y a plus de 80 projets d’IA, et pendant la matinée de notre visite, on nous en a présenté quelques-uns très intéressants, que je détaillerai dans ce post.

IBM Research et le AI Lab du MIT

Dans une rapide présentation sur 75 ans d’IBM Research, David Cox a rappelé les 6 prix Nobel et les 6 prix Turing remportés par ses chercheurs.

Actuellement, l’entreprise compte 3000 employés répartis dans 14 laboratoires, dont l’un est le IBM-MIT Watson AI Lab. Au Brésil, IBM Research est arrivé en 2010 et le laboratoire THINKLab, au siège d’IBM à São Paulo, a ouvert ses portes en 2015.

Pour créer le MIT-IBM Watson AI Lab, IBM Research a investi 240 millions de dollars américains et, à ce jour, plus de 650 articles ont été publiés par le laboratoire. Par ailleurs, il compte également des membres partenaires, tels que Samsung, la banque Wells Fargo et Boston Scientific, une société de produits médicaux. Ces entreprises ont investi des montants différents dans le MIT-IBM Watson AI Lab, et elles peuvent avoir des problèmes spécifiques à résoudre pour les chercheurs.

Les trois phases de l’intelligence artificielle : vers une grande IA

David Cox a également parlé des trois phases de l’IA. Nous vivons actuellement à l’ère de l’IA étroite ou émergente. Bientôt, nous serons dans la phase de grande IA, qui sera disruptive et omniprésente. Selon les prévisions, nous arriverons à l’IA générale, ou au niveau humain, à partir de 2050 et au-delà. Pour le moment, ce qui est analysé, c’est l’IA au sens large, c’est-à-dire la résolution des problèmes actuels de la société humaine.

L’IA étroite est très bonne pour les tâches uniques, dans un seul domaine, avec une précision et des vitesses surhumaines pour des tâches spécifiques. Si votre entreprise doit résoudre un problème comme celui-ci, bonne nouvelle, car l’IA étroite est excellente pour ce genre de chose.

L’IA générale est encore plus éloignée, mais elle pourra traverser différents domaines, impliquant écoute et raison, et une large autonomie.

Pour le moment, l’accent est mis sur l’IA large, multitâche, multidomaine et multimodale, et donc plus complète et distribuée que l’IA étroite. Il y a des problèmes à résoudre, comme l’efficacité énergétique de l’IA elle-même, qui consomme actuellement trop d’énergie. Nous devons trouver un moyen pour que l’IA consomme moins d’énergie, sinon elle utilisera toutes les ressources naturelles (sans compter les futures ressources renouvelables) d’ici 2040, comme nous en parlerons plus tard.

Les projets de laboratoire sont divisés en cinq domaines principaux

David Cox présente les projets d'IA d'IBM et du laboratoire du MIT
David Cox présente les projets d’IA d’IBM et du laboratoire du MIT / Photo : Nick Ellis

Il convient de mentionner que les projets d’IA du MIT-IBM Watson AI Lab sont divisés en cinq catégories principales : modèles de base, intelligence fluide, IA fiable, découverte accélérée, IA pour les décisions commerciales et IA efficace. Il existe une synergie entre plusieurs de ces projets, utilisés pour s’améliorer et se valoriser mutuellement.

Cox parle de trois principaux défis sur cette voie, comment expliquer le monde à travers l’IA, quelque chose que les outils de création artistique (et maintenant les vidéos) ont déjà beaucoup évolué dans ce sens, la sécurité, avec des cas tels que des cartes qui peuvent être falsifiées un simple autocollant, ou la chemise qui rend la personne invisible sur les caméras de sécurité, et l’éthique, dont nous parlerons dans ce post.

D’autres défis pour y arriver sont de créer un autre type de matériel, c’est-à-dire d’investir dans l’informatique quantique.

Génération de nouvelles molécules à l’aide de la grammaire graphique

En plus de la chemise qui rend la personne invisible sur les caméras de sécurité, dont j’ai parlé ici, l’une des choses qui a le plus retenu mon attention est le projet qui cherche à créer de nouveaux types de molécules en utilisant l’intelligence artificielle, en utilisant une grammaire graphique qui a été spécialement développé à cet effet.

Générer des molécules avec une grammaire graphique
Génération de molécules avec une grammaire graphique / Photo : Nick Ellis

Selon Jie Chen, cela peut conduire à la création de nouveaux médicaments ou à la découverte de nouveaux matériaux grâce à une conception moléculaire basée sur des graphes, qu’il appelle une grammaire de graphes.

Dans le processus traditionnel, un chimiste pourrait développer ou découvrir une nouvelle molécule avec plus de 10 ans de travail, plus un coût estimé à 10 millions de dollars. Grâce à l’intelligence artificielle, il est possible de tester un grand nombre de possibilités en un temps et un coût beaucoup plus réduits.

Selon Jie Chen, « l’IA va générer de nouvelles molécules, prédire leurs propriétés et identifier quelles sont les meilleures combinaisons ».

Il dit que cette grammaire graphique fonctionne avec des blocs de construction et certaines règles pour créer des objets, y compris des molécules. Ainsi, l’IA apprend cette grammaire qui lui permet de créer des molécules. Chen a comparé travailler sur cette grammaire graphique à « jouer avec des briques LEGO ».

J’ai demandé combien de temps il faudrait pour créer une molécule avec l’aide de l’IA, et Chen a répondu que cela devrait prendre encore deux ans, beaucoup moins de temps que la recherche conventionnelle. Avec cette technologie, il sera possible de créer des pneus plus résistants pour nos voitures, pour ne citer qu’un seul exemple.

Créer un béton plus durable

Cet autre projet présenté par Jie Chien cherche à créer un type de béton plus durable. Les deux projets ont vu le jour parce que « découvrir de nouvelles choses prend beaucoup de temps », selon les mots de Chen.

Pour montrer l’importance de ce projet, Chen affirme que le ciment n’occupe que 10 % de la masse du béton, mais est responsable de 80 % des émissions liées à la production du matériau. De plus, la fabrication du ciment est responsable de 8 % des émissions mondiales de dioxyde de carbone.

À l’aide de données de construction historiques, l’IA peut être utilisée pour prédire les performances de formulation du béton, créant des combinaisons sans précédent pour évaluer sa résistance ainsi que son impact environnemental.

La recherche de modèles de fondation dans le laboratoire du MIT et d’IBM

Yang Zhang parle de nouveaux modèles de fondation
Yang Zhang parle de nouveaux modèles de fondations / Photo : Caro Cueliche

Dans sa présentation, Yang Zhang nous a parlé des développements récents dans la formation à l’IA au cours des cinq dernières années. Votre présentation a porté une attention particulière aux nouveaux modèles de fondations, mais quels sont-ils ? Ces modèles neuronaux ne sont pas seulement de grande taille, mais aussi très polyvalents. Ainsi, ils peuvent comprendre différents types de données telles que des textes, des images, des paroles et autres.

Il cite des modèles comme le GPT-3 (Generative Pre-Training Transformer 3) développé par OpenAI (la même société responsable de DALL-E 2), qui, avec ses 175 milliards de paramètres, peut produire des textes similaires à ceux écrits par un humain. être. .

Selon Zhang, le coût de la formation à l’IA a augmenté de façon exponentielle et d’ici 2040, elle utilisera toute l’électricité produite sur Terre. Le prochain défi consiste donc à réduire la taille des modèles de fondation. Lors de tests soigneusement effectués en supprimant paramètre par paramètre d’un modèle d’IA, il a été possible d’atteindre les mêmes performances en réduisant jusqu’à 50% des paramètres.

Outre les économies d’énergie, qui seront nécessaires dans les décennies à venir, il existe un autre défi pour les modèles de base, la création de modèles multimodaux, c’est-à-dire capables de comprendre non seulement du texte, des images et des vidéos, mais tous simultanément, exactement la façon dont nous, les humains, apprenons à comprendre le monde quand nous sommes bébés.

Développer une intelligence artificielle fluide ou IA neuro-symbolique

J’ai aussi beaucoup apprécié le projet de développement de l’intelligence artificielle fluide, présenté par Jessie Rosenberg, responsable de la stratégie scientifique au MIT-IBM Watson AI Lab.

Aujourd’hui, nous avons des IA plus avancées pour résoudre des problèmes spécifiques, mais l’idée est de créer un modèle capable d’interpréter des textes, des images et des vidéos. Ainsi, cette IA apprendrait de la même manière que nous, les humains, interprétons le monde qui nous entoure.

Avec l’avancement récent de modèles étonnants comme le DALL-E 2, nous nous rapprochons de la création d’une intelligence fluide ou d’une IA neuro-symbolique. Cette nouvelle IA sera capable de résoudre de vrais problèmes rapidement et dans différents thèmes, en utilisant un mélange d’apprentissage avec la raison logique.

Pour cela, ce modèle a besoin, tout d’abord, de comprendre une question simple en langage naturel. De plus, il doit utiliser sa perception visuelle (à l’aide de la vision par ordinateur) pour analyser les conditions de la tâche à accomplir.

Pour atteindre cet objectif apparemment simple, vous devez utiliser une combinaison de deux méthodes, les réseaux de neurones et l’IA symbolique. Ainsi, le modèle initial n’a pas besoin d’être aussi grand, car l’IA utilise les bons outils pour la tâche, selon Jessie.

En plus de sa présentation, Jessie Rosenberg a donné d'autres démonstrations de projets du laboratoire MIT-IBM Watson AI
En plus de sa présentation, Jessie Rosenberg a fait d’autres démonstrations de projets du laboratoire MIT-IBM Watson AI / Photo : Nick Ellis

Après la présentation, elle nous a montré quelques démonstrations d’autres projets du laboratoire IBM Research et MIT, y compris le T-shirt susmentionné. Elle nous a également montré un moyen d’utiliser l’IA pour identifier le texte écrit par une autre IA.

Un autre exemple intéressant est un outil comme DALL-E 2 pour créer des objets par IA, mais avec précision pour être réellement produits et utilisés. De plus, Jessie Rosenberg nous a montré un projet pour simuler les conditions d’une usine de production de gaz, pour augmenter son efficacité et sa sécurité.

Utiliser l’IA pour éviter les biais ou les distorsions

Mikhail Yurochkin a également fait une bonne présentation sur les outils pour promouvoir une plus grande justice dans l’IA. Ce thème se divise en justice pour les groupes et pour les personnes. Le premier concerne la réglementation de la finance et d’autres sujets, et le second, l’élimination de tout type de biais dans les outils technologiques.

Mikhail a présenté son projet InFairness, qui vise à inclure l’équité dans les modèles d’apprentissage automatique. Avec ce processus, ils sont capables de former le modèle afin que la connotation de chaque terme soit inclusive et juste.

Il a également présenté les procédures à adopter dans ce processus. La première consiste à évaluer s’il existe une violation de l’équité individuelle dans ces modèles, ce qui inclut l’analyse et l’audit de l’outil. Ensuite, un traitement complémentaire est effectué sur le modèle, et enfin, l’apprentissage de cet outil selon les concepts de justice individuelle.

Lire la suite:

Conclusion

C’était excellent d’avoir l’opportunité de faire connaissance avec ces nouveaux projets d’intelligence artificielle, et plus encore, de voir dans des cas pratiques que cette technologie est utilisée pour le bien de l’humanité et de la planète. Honnêtement, cette visite m’a donné l’espoir que nous pourrons faire face à des défis importants et vitaux pour la survie de notre espèce, notamment le réchauffement climatique.

De plus, j’ai été très heureux de voir qu’au MIT-IBM Watson AI Lab, l’IA est considérée comme un outil plutôt qu’un substitut aux emplois. Bien sûr, il peut également être utilisé par des personnes aux intentions douteuses, mais dans cet esprit, IBM Research et le MIT développent également des outils pour identifier les abus de l’IA.

Je suivrai donc avec beaucoup d’intérêt les prochaines étapes et projets créés par les scientifiques du MIT-IBM Watson AI Lab, un endroit vraiment incroyable que j’ai adoré avoir la chance de visiter.

Avez-vous regardé les nouvelles vidéos sur Youtube du look numérique ? Abonnez-vous à la chaîne !