Apple se lance publiquement dans la recherche sur l’intelligence artificielle en publiant pour la première fois ses résultats dans un article scientifique. Un changement dans la culture du secret de la marque à la pomme.

19334-19601-cook-applehq-l

La firme de Tim Cook serait-elle prête à aller à l’encontre de son légendaire goût du secret au profit de la science ? C’est une question qu’on peut se poser, puisque des chercheurs chez Apple ont publié leurs premiers résultats dans le domaine de l’intelligence artificielle. Il s’agit de la première publication scientifique publique d’Apple dans le domaine.

Pas les habitudes d’Apple

Dans le domaine de l’intelligence artificielle et du machine learning, on est coutumier des publications de Google. Celui-ci publie souvent des articles scientifiques relatifs au domaine de l’intelligence artificielle et plus précisément des techniques de machine learning. Qu’il s’agisse d’améliorer la définition des images présentes sur le web ou bien de transformer des vidéos en GIF ou mettre au point des jeux faisant appel au machine learning, Google rate rarement une occasion de montrer ses progrès dans ce domaine.

À lire sur FrAndroid : Google se la joue police scientifique en utilisant le machine learning pour zoomer dans les images

Ce n’est pas le cas chez Apple, qui a toujours préféré entretenir une culture du secret, voire un culte du secret. Il est donc assez surprenant de voir la marque à la pomme publier son premier papier. De plus, celui-ci est plutôt détaillé et aborde une problématique cruciale, les techniques d’apprentissage pour une intelligence artificielle.

Faire s’affronter plusieurs réseaux de neurones pour augmenter leur pertinence

Dans cet article, Apple aborde la question de l’utilisation de plusieurs réseaux de neurones de manière simultanée afin d’améliorer la pertinence des résultats dans le cas de la reconnaissance d’objets au sein de photos par exemple. La technique utilisée, les Generative Adversial Networks (ou GAN) fait ainsi s’affronter plusieurs réseaux de neurones jusqu’à ce que l’un d’entre eux arrive à berner le système en lui faisant croire qu’une image est réelle.

apple_AI_research

L’avantage majeur d’un auto-entraînement tel que celui-ci serait le temps gagné. En effet, dans le cadre d’un apprentissage dit supervisé, il faut souvent un jeu de données très important ainsi que beaucoup de temps pour arriver à ce qu’un réseau de neurones fournisse des résultats pertinents. Grâce à cette technique, cette étape pourrait être raccourcie considérablement et permettrait en outre à l’IA de fonctionner dans des cas qui n’étaient pas apparus dans le jeu de données examiné.

Pour ceux qui souhaitent plonger plus dans les détails, l’article intitulé « Learning from Simulated and Unsupervised Images through Adversarial Training » est disponible sur Arxiv.

Une ouverture nécessaire ?

Cette transparence nouvelle d’Apple devra bien sûr être confirmée par la suite. Mais elle est peut-être nécessaire dans ce domaine, ultra-compétitif, surtout si Apple veut pouvoir attirer les meilleurs talents pour ses différents projets, par exemple dans le domaine de l’automobile connectée, dont nous avions encore de nouveaux indices il y a quelques semaines.