Charivari de la société contemporaine

IBM teste une idée controversée pour rendre les ordinateurs plus intelligents en essayant de copier intimement les mécanismes du cerveau humain.

Dans l’article « Des projets ambitieux pour la future société de l'information » IBM montre ses muscles et son expertise dans ce domaine notamment avec le développement de la puce neuronale TrueNorth dans le cadre du projet SyNAPSE et par la mise au point d’un nouveau modèle de programmation basé sur des blocs réutilisables et empilables appelés corelets.

Afin de garder le leadership avec Google et Facebook, IBM décide de marquer des points en collaborant avec la start-up Numenta pour accentuer son avance et apporter de nouvelles synergies dans le domaine des systèmes auto-adaptatifs.

Tom Simonite, rédacteur en chef du « MIT Technology Review » écrit l’article suivant  le 8 Avril 2015 :

« POURQUOI C'EST IMPORTANT :

Les ordinateurs capables d'apprendre davantage comme un humain produiraient de nombreuses retombées utiles.

Sur plus d'une décennie, Jeff Hawkins, fondateur de la société informatique mobile Palm, a consacré son temps et sa fortune à une théorie destinée à expliquer le fonctionnement du cerveau humain et à établir une ligne directrice pour la construction d’un puissant logiciel d'intelligence artificielle d’un nouveau type. Mais la société de Hawkins appelée Numenta a eu peu d'impact jusqu’ici sur le secteur de la technologie alors même que l'apprentissage automatique est devenu un enjeu central pour certaines entreprises comme Google.

Enfin un géant technologique s’y intéresse de près ;

IBM a mis en place un groupe de recherche pour travailler sur les algorithmes d'apprentissage de Numenta dans son laboratoire de recherche Almaden de San Jose en Californie. Les algorithmes sont testés pour des tâches comprenant l'interprétation des images satellitaires et le groupe de recherche travaille par ailleurs sur des projets qui mettraient en œuvre les idées de Hawkins sur l’aspect matériel de l’informatique. Hawkins affirme qu'une centaine de personnes travaillent sur le projet, baptisé en interne comme le Centre d'Apprentissage Corticale (the Cortical Learning Center).

IBM se refuse à autoriser une entrevue avec le chef du projet en cours, Winfried Wilcke. Cependant M Wilcke a exposé son travail publiquement lors d'une conférence au Laboratoire National de la ville de Sandia en février dernier. Il a mis en exergue le logiciel de Numenta en soulignant le fait qu’il est plus proche de la réalité biologique que les autres logiciels d'apprentissage et sa capacité à donner du sens à des données brutes plus efficacement. Généralement, les experts doivent entrainer les logiciels d'apprentissage avec des exemples de données à l’appui avant leur exploitation. Les algorithmes de Numenta pourraient appliquer cet apprentissage à des problèmes plus globaux.

Il est vrai que l'apprentissage automatique est largement utilisé par Google et d'autres sociétés informatiques pour différentes tâches allant du classement d’images au traitement de textes.

De nombreux chercheurs en sont venus à mettre l'accent sur une technique appelée Deep Learning (Apprentissage Profond) dont le principe repose sur des couches multiples de réseaux de neurones artificiels afin de trouver des types de modèles de données  (voir « Les 10 percées technologiques 2013 : Deep Learning "). Les résultats sont encourageants mais « l'apprentissage en profondeur » imite imparfaitement la biologie.

Les algorithmes de Numenta fonctionnent également dans un réseau de neurones  mais visent cependant à recréer fidèlement le comportement répétitif des circuits d'une centaine de neurones situés dans la couche extérieure du cerveau appelée néocortex

« Notre objectif est d’inspiration biologique » ; « Je veux en recréer plein d’autres de la même veine », s’enthousiasme Hawkins. En se référant sur la capacité du cerveau à donner du sens au monde, il pense que cette perception est inscrite dans ces circuits répétitifs, et qu’en les imitant virtuellement, ce logiciel d'apprentissage automatique se révélera plus tard selon lui comme un outil beaucoup plus puissant. « Je souhaite vraiment construire une intelligence de la machine de cette manière. », dit-il

Dans son discours dans la ville de Sandia, Wilcke pense que le logiciel Numenta a trouvé un équilibre entre la recherche de la prise de décisions d’inspiration biologique et la satisfaction de l’aspect pratique de la réalité. « Un point culminant a été atteint », a déclaré Wilcke. « Ce n’est pas si simpliste, et pas si compliqué pour peu qu'il y ait des possibilités de construire un modèle sur une plus grande échelle. »

Le groupe IBM travaille sur l'utilisation des algorithmes de Numenta pour analyser des images satellitaires de cultures et de signes précoces de défaillances mécaniques dans les données de pompes ou d'autres machines. Wilcke projette également de recréer un ordinateur d’un nouveau type à partir des recombinaisons physiques des algorithmes de Numenta.

Ce plan prévoit notamment d’empiler plusieurs plaques de silicium l’une au dessus de l'autre, avec des connexions physiques s’exécutant entre elles pour imiter les réseaux décrits par les algorithmes de Numenta.

Certains informaticiens et neuroscientifiques sont critiques à l'égard des idées de Hawkins, disant qu’ils ne croient pas à ses théories. Gary Marcus, professeur de psychologie à l'Université de New York et fondateur d'une startup AI, appelée Intelligence Géométrique, affirme que les modèles de Numenta sont sans aucun doute plus proches du fonctionnement cérébral que les réseaux de neurones artificiels conçus jusque là. « Mais ils sont vraiment trop simplifiés, » dit-il. « Et jusqu'à présent, je n'ai pas vu d’argument majeur sur le fait qu'ils puisse donner de meilleures performances dans n'importe quel domaine d’application. »

Marcus pense que les algorithmes de Hawkins imitent seulement certains des mécanismes inconnus dans le cerveau mais que la majorité de ses fonctionnalités reste encore un mystère. « Des démonstrations de la technologie de Numenta ont jusqu'à présent été limitées » a-t’il ajouté. « Je ne les ai même pas vu essayer d’aborder le domaine de la compréhension du langage naturel ou même de produire des résultats pointus dans le domaine de la reconnaissance d'image ».

Bien que Hawkins souligne le fait qu'IBM ait repris ses idées comme preuve de son mérite, il ne semble cependant pas particulièrement pressé de les imposer sur le reste de la communauté des chercheurs. Il a déjà renoncé sur un projet précédent en commercialisant le premier produit logiciel de Numenta, appelé Grok, lancé à la fin de 2013, qui cherchait à l’époque des anomalies dans des fichiers logs produits par les logiciels hébergés dans le Cloud. Hawkins affirme cependant que le logiciel sera bientôt disponible gratuitement.

Par ailleurs, le personnel de Numenta, composé d'une vingtaine de personnes, vise à perfectionner ces algorithmes à partir de la théorie originale de Hawkins. L’objectif majeur de cette équipe est d’obtenir un logiciel ayant la capacité d'apprendre à contrôler les moteurs et d’autres équipements physiques. Cela pourrait être utile un jour pour la robotique. « Nous sommes très heureux parce que, moi-même et d'autres investisseurs, n’avons pas à nous préoccuper du profit immédiat », dit Hawkins. « Nous pensons vraiment que nous construisons le socle de la propriété intellectuelle pour les 30 prochaines années de l'informatique. »

Traduction française de l’article « IBM Tests Mobile Computing Pioneer’s Controversial Brain Algorithms » édité sur le site http://www.technologyreview.com/.

Conclusion :

A la lumière des récentes avancées sur ces technologies, il semblerait qu’il y ait une nette accélération de la recherche sur les réseaux neuronaux à la faveur de l’engouement des investisseurs en capital-risque. En effet, il a fallu 30 ans pour passer du modèle du perceptron monocouche des années 50 aux réseaux de Hopfield en 1982, basés sur un modèle mathématique stochastique. Puis 5 ans après toute une série de modèles statistiques, des réseaux neuronaux s’étoffent pour aboutir dans les années 90 au modèle du Deep Learning.

A partir de cette étape, les premières applications basées sur ce modèle apparaissent de plus en plus perfectionnées les unes par rapport aux autres.

Depuis cette année 2015, le rythme de nouvelles applications basées sur les modèles adaptatifs est devenu de plus en plus effréné, phénomène qui a été amorcé depuis 2 ou 3 ans.

Aussi est-il légitime qu’un certain nombre de personnalités de la communauté scientifique s’émeuvent des répercussions possibles de ces avancées qui posent de sérieux problèmes sur des questions fondamentales de notre société.