Intelligence artificielle : les mathématiques, pas la magie
L'intelligence artificielle (IA) a imprégné nos vies. Nos téléphones se déverrouillent à la vue de nos visages. Nous pouvons avoir des conversations textuelles entières avec ChatGPT. Amazon sait ce que je recherche et mon e-mail termine mes phrases avec une précision étrange.
L'IA peut sembler magique, mais ces solutions sont basées sur l'apprentissage profond et les réseaux de neurones (NN), qui ne nécessitent qu'un peu de calcul, ainsi que beaucoup de données et de puissance de calcul.
Les premiers NN, proposés dans les années 1960, visaient à imiter le cerveau humain en percevant des stimuli (entrées), en les traitant avec des couches interconnectées de « neurones artificiels » et en produisant des réponses (sorties). Par exemple, la reconnaissance faciale sur les téléphones est entraînée à accepter une image d'entrée et à répondre : « Cette personne est-elle mon propriétaire ? Si oui, il se débloque.
À l'intérieur d'un NN, chaque paire de neurones possède un « bouton » contrôlant la force avec laquelle un signal est transmis de l'un à l'autre. « Entraîner » un NN implique de modifier ces boutons jusqu'à ce que le NN mappe systématiquement un vaste ensemble de données d'entraînement d'entrées à leurs sorties souhaitées. Ce réglage de millions ou de milliards de boutons est guidé par le calcul pour minimiser les erreurs dans les sorties. Les RN efficaces apprennent à produire les résultats de formation souhaités, mais généralisent également pour travailler avec les nouveaux intrants qu'ils rencontrent.
Au laboratoire NEural TransmissionS (NETS) de Florida Tech, nous étudions l'apprentissage profond et développons nos propres NN. Il est préoccupant de constater que les réseaux nationaux commettent des erreurs pour des raisons inconnues, ce qui rend risqués les déploiements à enjeux élevés. Une grande partie de notre travail se concentre sur ces modes de défaillance, en évaluant pourquoi ils se produisent et ce que nous pouvons faire pour y remédier.
Dirigé par un doctorat. étudiant Mackenzie Meni, nous avons développé une technique appelée PEEK qui « jette un coup d'œil » au fonctionnement interne des NN pour visualiser les détails sur lesquels ils se concentrent. PEEK explique les décisions de NN et révèle les biais des données. Il est intéressant de noter que PEEK peut souvent discerner les résultats corrects du fonctionnement interne, même lorsque le NN ne parvient pas à les produire. Les travaux en cours visent à utiliser ces sorties « corrigées » comme solution de sécurité pour détecter et corriger les erreurs à la volée.
La polyvalence des NN nous permet de collaborer entre disciplines. Nous travaillons régulièrement avec des ingénieurs aérospatiaux et biomédicaux.
Avec un doctorat. étudiant Trupti Mahendrakar '21 MS de l'Autonomy Lab, nous avons développé des algorithmes de vision et de guidage pour des essaims de satellites autonomes pour l'Air Force Research Laboratory (AFRL), avec des travaux en cours sur les algorithmes de vision guidée humaine.
doctorat l'étudiant Nehru Attzs '16, '19 MS, développe un algorithme pour suivre les composants des satellites en temps réel.
doctorat L'étudiante Arianna Issitt '23 et moi sommes actuellement professeurs d'été et boursiers d'études supérieures à l'AFRL, travaillant sur un projet visant à envoyer des satellites chasseurs sur des orbites d'inspection autour d'un vaisseau spatial, capturant des images pour construire des reconstructions 3D. Nous concevons des orbites d'inspection optimales et les déployons sur des ordinateurs de vol spatial.
De plus, nous collaborons avec le Multiscale Cardiovascular Fluids Laboratory pour développer des NN estimant la dynamique du flux sanguin dans les vaisseaux sanguins des patients de manière non invasive et en temps réel. Cela peut permettre aux équipes médicales d’établir des diagnostics et des plans de traitement rapides pour les patients atteints de maladies cardiovasculaires.
Les efforts du NETS Lab visent à fournir une compréhension plus approfondie de l’IA au sens large et à concevoir des solutions efficaces pour les applications critiques pour la sécurité dans les vols spatiaux et la médecine.
