Les tâches fastidieuses de l'intelligence artificielle peuvent être externalisées grâce à un nouveau cadre basé sur la blockchain
Le monde du travail de demain sera tributaire d'un volume de données ahurissant. Pour y parvenir, les entreprises, les développeurs et les particuliers auront besoin de meilleurs systèmes d'intelligence artificielle (IA), de travailleurs mieux formés et de serveurs de traitement de données plus efficaces.
Si les grandes entreprises technologiques disposent des ressources et de l’expertise nécessaires pour répondre à ces demandes, elles restent hors de portée de la plupart des petites et moyennes entreprises et des particuliers. Pour répondre à ce besoin, une équipe internationale de chercheurs dirigée par Concordia a développé un nouveau cadre visant à rendre les tâches complexes de l’IA plus accessibles et transparentes pour les utilisateurs.
Le cadre, décrit dans un article publié dans la revue Sciences de l'informationest spécialisé dans la fourniture de solutions aux demandes d'apprentissage par renforcement profond (DRL). Le DRL est un sous-ensemble de l'apprentissage automatique qui combine l'apprentissage profond, qui utilise des réseaux neuronaux en couches pour trouver des modèles dans d'énormes ensembles de données, et l'apprentissage par renforcement, dans lequel un agent apprend à prendre des décisions en interagissant avec son environnement sur la base d'un système de récompense/pénalité.
Le DRL est utilisé dans des secteurs aussi divers que les jeux, la robotique, les soins de santé et la finance.
Le framework associe des développeurs, des entreprises et des particuliers ayant des besoins spécifiques mais hors de portée en matière d’IA à des fournisseurs de services disposant des ressources, de l’expertise et des modèles dont ils ont besoin. Le service est financé par le crowdsourcing, construit sur une blockchain et utilise un contrat intelligent (un contrat avec un ensemble prédéfini de conditions intégrées au code) pour mettre en relation les utilisateurs avec le fournisseur de services approprié.
« Le crowdsourcing du processus de formation et de conception de DRL rend le processus plus transparent et plus accessible », explique Ahmed Alagha, doctorant à la Gina Cody School of Engineering and Computer Science et auteur principal de l'article.
« Avec ce cadre, n'importe qui peut s'inscrire et créer un historique et un profil. En fonction de leur expertise, de leur formation et de leurs notes, ils peuvent se voir attribuer les tâches demandées par les utilisateurs. »
Démocratiser le DRL
Selon son coauteur et directeur de thèse Jamal Bentahar, professeur à l’Institut d’ingénierie des systèmes d’information de Concordia, ce service ouvre le potentiel offert par le DRL à une population beaucoup plus large que celle qui était auparavant disponible.
« Pour former un modèle DRL, il faut des ressources informatiques qui ne sont pas accessibles à tous. Il faut également une expertise. Ce framework offre les deux », explique-t-il.
Les chercheurs estiment que la conception de leur système permettra de réduire les coûts et les risques en répartissant les efforts de calcul via la blockchain. Les conséquences potentiellement catastrophiques d'une panne de serveur ou d'une attaque malveillante sont atténuées par la présence de dizaines ou de centaines d'autres machines travaillant sur le même problème.
« Si un serveur centralisé tombe en panne, c'est toute la plateforme qui tombe en panne », explique Alagha. « La blockchain vous offre distribution et transparence. Tout y est enregistré, il est donc très difficile de la falsifier. »
Le processus difficile et coûteux de formation d'un modèle pour qu'il fonctionne correctement peut être raccourci en disposant d'un modèle existant qui ne nécessite que quelques ajustements relativement mineurs pour s'adapter aux besoins particuliers d'un utilisateur.
« Supposons par exemple qu'une grande ville développe un modèle capable d'automatiser les séquences de feux de circulation pour optimiser la circulation et minimiser les accidents. Les villes plus petites n'ont peut-être pas les ressources nécessaires pour en développer un elles-mêmes, mais elles peuvent utiliser celui développé par la grande ville et l'adapter à leur propre situation. »
