Apprendre à des robots à apprendre à d’autres robots

Une nouvelle étude de l’USC révèle qu’en partageant des connaissances les uns avec les autres en même temps, les agents d’IA peuvent rapidement apprendre un plus large éventail de tâches, avec des applications en médecine et au-delà.

Imaginez que vous êtes un magicien du poker. Un ami connaît tout de la cuisine française. Un autre ami est un expert de Mozart. Vous vous réunissez tous les trois et partagez des connaissances sur votre expertise respective. Chacun de vous part en apprenant quelque chose des deux autres.

Les gens apprennent beaucoup en partageant et en échangeant des informations. Les ordinateurs peuvent-ils faire la même chose avec d’autres ordinateurs ? Les robots peuvent-ils, en effet, enseigner à d’autres robots comment apprendre en partageant les connaissances ?

Une équipe de chercheurs dirigée par le professeur d’informatique Laurent Itti et l’un de ses docteurs. étudiants, Yunhao Ge, abordent cette question dans un article publié en mai 2023 dans la revue Transactions sur la recherche en apprentissage automatique.

Ils arrivent avec une réponse retentissante : Oui.

Leur article, « Lightweight Learner for Shared Knowledge Lifelong Learning », décrit une nouvelle approche du domaine croissant de la recherche en apprentissage automatique (ML) connu sous le nom d’apprentissage tout au long de la vie (LL), dans lequel les agents d’IA apprennent continuellement lorsqu’ils rencontrent de nouvelles tâches tout en maintenant leurs connaissances. des tâches précédentes.

Itti et Ge décrivent un outil qu’ils ont créé, SKILL (pour Shared Knowledge Lifelong Learning), qui a aidé les IA à apprendre 102 tâches distinctes, par exemple, classer des dizaines de milliers d’images de voitures par modèle (Ferrari, Jeep, Cadillac) ou de fleurs par espèces ou des radiographies pulmonaires par des maladies. Les IA ont ensuite partagé leurs connaissances sur un réseau de communication décentralisé et ont finalement maîtrisé la connaissance des 102 tâches.

« C’est comme si chaque robot enseigne une classe sur sa spécialité, et tous les autres robots sont des étudiants attentifs », a déclaré Ge. « Ils partagent leurs connaissances via un réseau numérique qui les relie tous, un peu comme leur propre Internet privé. »

Itti et Ge ont appelé leur travail une nouvelle direction dans la recherche LL.

La plupart des recherches actuelles sur le LL, ont-ils expliqué, impliquent un seul agent d’IA qui apprend les tâches de manière séquentielle, un processus qui est intrinsèquement lent.

Leur outil SKILL implique un ensemble d’algorithmes qui accélèrent le processus, ont-ils déclaré, car les agents apprennent en même temps en parallèle. Leurs recherches ont montré que si 102 agents apprennent chacun une tâche puis la partagent, le temps nécessaire est réduit d’un facteur 101,5 après prise en compte des communications nécessaires et de la consolidation des connaissances entre les agents.

« Traditionnellement », a expliqué Itti, « vous collectez d’abord toutes les données que vous voulez que votre IA apprenne, puis vous formez l’IA pour qu’elle les apprenne. Mais tout comme les gens, nous essayons de créer des agents d’IA qui peuvent continuer à apprendre après avoir découvert nouvelles choses. »

Mise à l’échelle

Itti pense que SKILL est un point de départ prometteur pour les avancées dans le domaine du LL. Aucune recherche antérieure n’a impliqué autant de tâches naturelles, ont déclaré Itti et Ge. Et ce n’est que le début.

« Nous pensons que cette recherche, à l’avenir, pourra être étendue à des milliers ou des millions de tâches », a déclaré Itti.

Lorsque cela se produira – dans quelques années seulement, a estimé Itti – LL pourrait avoir la capacité de transformer diverses facettes de nos vies et de rapprocher les humains de la réalisation d’une « communauté mondiale véritablement connectée, intelligente et efficace ».

Par exemple, dans le domaine médical, différents systèmes d’IA pourraient se spécialiser dans l’apprentissage de différentes maladies, traitements, techniques de soins aux patients et recherches récentes, a déclaré Itti.

Après avoir consolidé leurs connaissances, ont expliqué Itti et Ge, ces IA pourraient servir d’assistant médical complet, fournissant aux médecins les informations les plus récentes et les plus précises dans tous les domaines de la médecine.

Ou imaginez que chaque utilisateur de smartphone soit un guide touristique local dans la ville qu’il visite. Chaque utilisateur prend des photos et fournit des détails sur les points de repère importants, les magasins, les produits et la cuisine locale.

Une fois ces données partagées sur un réseau, chaque utilisateur aurait un guide touristique numérique avancé dans sa poche.

« Essentiellement », a déclaré Ge, « toute profession nécessitant des connaissances vastes et diverses ou traitant de systèmes complexes pourrait bénéficier de manière significative de cette technologie SKILL. »

Delà de la reconnaissance

L’outil SKILL a examiné la capacité des IA à reconnaître simplement ce qui se trouve dans une image, a noté Ge.

« La reconnaissance est un bon point de départ », a-t-il déclaré. « Mais les recherches futures examineront les IA déployées pour effectuer des tâches plus sophistiquées. »

Itti et Ge ont déclaré que le concept de crowdsourcing – par exemple, les avis en ligne sur les restaurants – est comparable à l’idée décrite dans leur article.

« Dans le crowdsourcing », a déclaré Itti, « de nombreuses personnes s’attaquent à un problème et lorsque les connaissances sont partagées, vous avez une solution. Maintenant, nous pouvons faire la même chose avec des agents d’IA. »

« Et si vous, en tant que célibataire, deviez réapprendre toutes les connaissances humaines ? » Itti a ajouté. « Ce serait une tâche insurmontable. Les humains ont les moyens de partager des informations. Nous poussons maintenant cette idée dans le domaine de l’IA. »