Nvidia optimise la formation des IA grâce à sa méthode ADA
Du sigle ADA, l’Adaptative Discriminator Augmentation vient en renfort au Generative Adversarial Network ou GAN. Ces deux technologies sont utilisées dans la formation de l’intelligence artificielle à exécuter des tâches complexes.
La technologie GAN pour entrainer l’IA
Le GAN (Generative Adversarial Network) est la méthode utilisée pour former les IA. Elle consiste à exploiter une bibliothèque comportant entre 50 000 à 100 000 images. La technique se heurte à un problème majeur : le manque de données. Les banques d’images sont insuffisantes, chères ou inexistantes.
En guise de solution, les scientifiques ont généré de nouvelles images (par déformation, recadrage, saturation, rotation...) à partir de celles en leur possession. L’objectif reste de maximiser les données tout en évitant la conformité entre deux images. Cependant, la solution conduit à un « suréquipement », se traduisant par une imitation de l’IA des images retouchées, au lieu de créer de nouvelles données.
L’ADA renforce le GAN
L’Adaptative Discriminator Augmentation de Nvidia s’appuie sur le principe du GAN et ajoute une touche novatrice. Les images sont transformées de manière adaptative et sélective tout au long de l'entrainement de manière à éviter le suréquipement. L’ajout de bruit, la découpe de blocs, la rotation, tous les moyens sont bons pour obtenir une nouvelle image. L'ADA augmente ensuite la quantité de distorsion, filtre et sélectionne les données à montrer à l’IA.
https://www.youtube.com/watch?v=nh9oiz3F9ZA
Selon Engadget, l’avantage de cette technique réside dans son accessibilité. Un simple logiciel de traitement d’image de type Photoshop suffit à créer une bibliothèque riche et adaptative, souligne le vice-président de la recherche graphique de chez Nvidia.
Une découverte révolutionnaire pour le secteur médical
La découverte révolutionne le secteur médical. La raréfaction des données reste un facteur bloquant des recherches médicales. La mise en place de l’ADA facilite l’entrainement d’un GAN.
La technologie contribue au diagnostic des maladies grâce à la richesse de l’imagerie médicale. Les médecins peuvent aussi se pencher sur les cas rares, à l’image des dysfonctionnements neurologiques impossible à traiter.