L’apprentissage automatique : la fulgurante évolution de l’IA dans la conception

Par Jeff Walsh
- 20 Jun 2016 - 6 min De Lecture

L’un des pionniers des jeux vidéo, Arthur Samuel, a défini « l’apprentissage automatique » comme « un champ d’étude qui donne aux ordinateurs la capacité d’apprendre sans être explicitement programmés. »  Mais pour certains, cette définition a des relents de films d’anticipation où les robots prennent le pouvoir sur les humains.

Pourtant, rien ne nous oblige à regarder l’avenir de l’apprentissage automatique comme un scénario catastrophe. Le directeur technique d’Autodesk Jeff Kowalski s’intéresse aux concepts novateurs qui arrivent plutôt qu’aux tendances du moment. Il envisage la relation entre les humains et l’intelligence artificielle (IA) comme une alliance féconde. Et elle est déjà à l’œuvre.

Ici, il nous explique comment l’apprentissage automatique stimule les progrès de la robotique, de la conception générative et de l’Internet des objets, et change la façon dont les objets sont conçus et fabriqués.

Comment l’apprentissage automatique va-t-il évoluer ?
Il y a soixante ans, on programmait une machine pour battre les humains au morpion. Depuis, les ordinateurs sont devenus plus intelligents. En 1997, Deep Blue battait Kasparov aux échecs. Même si cela semblait impressionnant, il s’agissait tout bonnement de gros calculs.

machine learning chess

En 2011, Watson, descendant de Big Blue, a utilisé le raisonnement pour venir à bout de ses adversaires humains au jeu Jeopardy ! Plus récemment, AlphaGo a battu le champion de go, le jeu le plus complexe du monde, dont paraît-il, le nombre de combinaisons possibles est supérieur au nombre d’atomes dans l’univers.

En développant une sorte d’intuition, AlphaGo a pu battre son adversaire humain. Ce faisant, il est arrivé un moment où même ses programmeurs ne comprenaient plus ses manœuvres.

À chacune des étapes franchies au cours de ces soixante dernières années, les progrès étaient exponentiels : en moins d’une vie humaine, l’ordinateur est passé de l’apprentissage d’un jeu pour enfant à la maîtrise d’un jeu reconnu comme l’activité ludique la plus complexe sur le plan de la pensée stratégique.

machine learning Breakout

Le jeu vidéo casse-briques d’Atari Breakout en est un exemple : avec pour seule information le score et l’analyse des pixels affichés à l’écran, l’IA de DeepMind a appris à y jouer mieux que n’importe quel humain, en faisant plusieurs millions de parties au cours de la nuit. La machine a donc réussi à apprendre plus vite par elle-même qu’elle ne l’aurait fait au contact de n’importe quel humain et elle a également pu transmettre ses nouvelles connaissances à d’autres ordinateurs, très rapidement. Autrement dit, ce n’est pas parce que vous étiez bon au casse-brique que vous pouviez en faire profiter vos copains. Par contre, une fois qu’un ordinateur maîtrise ce jeu, tous les autres en font de même, parce qu’ils sont connectés !

Comment cette percée de l’apprentissage automatique va-t-elle profiter à l’industrie et aux entreprises ? Premièrement, elle va accélérer la conception générative. Prenons l’exemple d’un quadrirotor : le concepteur veut qu’il vole bien et qu’il puisse supporter sa charge, ce qui implique que son châssis soit léger et qu’il présente une faible traînée aérodynamique.

En entrant ces contraintes dans l’ordinateur, celui-ci peut explorer toutes les solutions possibles et produire des idées que les concepteurs, seuls, n’auraient même pas pu imaginer. Et l’ordinateur peut créer ces idées de lui même, sans faire appel au talent d’un dessinateur.

machine learning quadcopter
Avec l’aimable autorisation de DJI

Autodesk utilise déjà cette technologie sur un projet avec Airbus afin de réimaginer et de redessiner une nouvelle cloison de cabine, plus solide que l’original et cependant deux fois plus légère. Cette cloison imprimée en 3D sera à bord des A320 dès la fin de l’année.

Entre-temps, l’autre élément que l’apprentissage automatique va propulser est la robotique. Pour exemple, cette collaboration d’Autodesk avec l’artiste Joris Laarman et son équipe de MX3D sur la conception générative et l’impression 3D d’un pont, le premier au monde qui sera fabriqué sans main d’œuvre : cet été, nous allons appuyer sur un bouton, et des robots vont l’imprimer – en acier inoxydable et sans intervention humaine aucune – au-dessus d’un canal d’Amsterdam.

L’apprentissage automatique aura-t-il également un impact sur l’évolution des capteurs et de l’Internet des objets ?
Incontestablement. Dans l’intention d’explorer un Internet des objets allant encore plus loin, nous collaborons avec un groupe de recherche en conception et fabrication, Hack Rod et un studio de cinéma, Bandito Brothers, pour construire une voiture hallucinante dotée d’un système nerveux. Nous avons pris une voiture de course ordinaire et nous l’avons équipée de dizaines de capteurs, puis nous avons mis au volant un pilote automobile chevronné qui a poussé la voiture à son maximum, dans le désert.

machine learning Bandito Brothers

Au moyen de son nouveau système nerveux, la voiture a enregistré tout ce qui se passait durant l’entraînement, y compris les forces auxquelles elle était soumise. Nous avons ensuite collecté ces données réelles – au bas mot des milliards de points de données – et nous les avons entrées dans notre outil de conception générative, Project Dreamcatcher.

Le résultat doit produire un châssis optimal, qu’aucun humain ne pourrait concevoir. Mais avec l’aide de la conception générative, de la robotique de pointe, et de ce système nerveux numérique, ce châssis est devenu réalité.

C’est digne de la science-fiction ! Que va-t-on inventer d’autre ?
Au fur et à mesure que l’apprentissage automatique évolue, il va accélérer la conception générative en prenant acte des réactions des concepteurs aux propositions de la machine et en incorporant leurs préférences non exprimées au processus de conception. L’apprentissage automatique donnera aussi aux robots la capacité de réaliser des tâches sans dépendre des instructions précises des concepteurs. Enfin, l’apprentissage automatique utilisera les données de son nouveau système nerveux numérique, également appelé Internet des objets, pour percevoir et réagir de façon intelligente vis-à-vis du monde réel.

machine learning MX3D bridge
Avec l’aimable autorisation de MX3D

Jusqu’à récemment, les concepteurs utilisaient les ordinateurs pour résoudre les problèmes logiques de l’hémisphère gauche du cerveau. Mais les machines commencent à intégrer le domaine de la créativité humaine. Par exemple, une fois que les ordinateurs auront compris ce qui définit la nature d’une chaise, ils pourront aider les designers à mieux les concevoir : l’homme et la machine seront sur un pied d’égalité, d’une certaine façon, et cela transformera les ordinateurs en de meilleurs partenaires créatifs.

Comment cela se passera-t-il lorsque les ordinateurs pourront générer des idées eux-mêmes et avoir des élans créatifs comme les humains ? Ce phénomène va fondamentalement changer le rôle du concepteur dans le processus créatif. À l’avenir, les concepteurs auront davantage le rôle de mentors vis-à-vis des ordinateurs, en leur fournissant des conseils ainsi que leur expérience.

Ce sont les humains qui ont façonné le monde au fil des siècles. À l’avenir, ils façonneront les choses qui façonnent le monde. Cela donnera quelque chose que les humains n’ont jamais vu auparavant ; nous allons assister à une fusion sans précédent entre la technologie et l’humanité. C’est un avenir prometteur qui s’ouvre à nous.

Sur le même sujet…