Apple offre un premier aperçu de son travail secret d'IA

Des chercheurs de l'équipe d'intelligence artificielle d'Apple ont publié le tout premier document de recherche du fabricant d'iPhone, mettant fin à l'interdiction de longue date d'Apple qui protégeait les secrets de l'entreprise.

L'article détaille les méthodes d'entraînement des algorithmes d'IA à reconnaître les images. Les chercheurs d'Apple révèlent qu'ils ont essayé d'utiliser à la fois des images générées par ordinateur et des images du monde réel pour s'entraîner à l'algorithme, mais chacune présente de sérieux inconvénients.

Certains des scientifiques les plus talentueux au monde travaillent chez Apple, mais jusqu'à ce mois-ci, la société n'avait jamais autorisé la publication de leurs recherches. Les conclusions du document de recherche ne sont pas révolutionnaires, mais le fait qu'Apple autorise son équipe à publier ses conclusions est énorme et pourrait aider l'entreprise à attirer davantage de talents.

IA contre humains

Le premier article d'Apple s'intitule "Apprendre à partir d'images simulées et non supervisées grâce à une formation contradictoire". Les l'équipe explique comment l'utilisation d'images entièrement simulées pour entraîner l'algorithme est beaucoup plus rapide que l'utilisation d'images générées par l'homme images. C'est parce que les informations sur les images générées par l'homme doivent être saisies manuellement par une grande main-d'œuvre.

Le problème avec l'utilisation uniquement d'images générées par ordinateur est que ce que l'algorithme apprend ne se traduit pas toujours parfaitement pour les scènes de la vie réelle. Pour trouver l'équilibre parfait, l'équipe d'Apple recommande d'utiliser à la fois des images réelles et générées par ordinateur.

« Dans cet article, nous proposons un apprentissage Simulé+Non supervisé (S+U), où l'objectif est d'améliorer le réalisme d'images synthétiques à partir d'un simulateur en utilisant des données réelles non étiquetées. Le réalisme amélioré permet la formation de meilleurs modèles d'apprentissage automatique sur de grands ensembles de données sans aucune collecte de données ni effort d'annotation humaine.

Nous montrons que cela permet de générer des images très réalistes, ce que nous démontrons à la fois qualitativement et avec une étude utilisateur.

L'article a été publié le 22 décembre et détaille également les mathématiques utilisées dans l'algorithme d'Apple. Les chercheurs crédités dans l'article incluent Ashish Shrivastava, Tomas Pfister, Oncel Tuzel, Josh Susskind, Wenda Wang et Russ Webb.