webleads-tracker

Le prix Turing récompense trois pionniers de l’intelligence artificielle :Yann LeCun, Yoshua Bengio et Geoffrey Hinton. | AI Builders
Blog
Le prix Turing récompense trois pionniers de l’intelligence artificielle :Yann LeCun, Yoshua Bengio et Geoffrey Hinton.

Le prix Turing récompense trois pionniers de l’intelligence artificielle :Yann LeCun, Yoshua Bengio et Geoffrey Hinton.

Publié par Stéphane Roder, le dans News IA

Les trois lauréats ont chacun contribué à une partie de l’intelligence artificielle, en développant le deep learning. Les paramètres de ces algorithmes sont  « appris » à partir d’un jeu d’apprentissage.

Bien qu’imaginées dans les années 50, ces techniques ont émergé véritablement à partir des années 2010 avec des succès notables dans la reconnaissance d’images, de la parole, la traduction automatique ou les jeux. Les humains sont mêmes supplantés au jeu de go en 2016 avec AlphaGo, au poker, ou dans certains diagnostics médicaux recourant à la lecture d’images.

Chacun des lauréats a apporté de nombreuses pierres à ces succès. Geoffrey Hinton, 71 ans, formé aux neurosciences et à la psychologie, a mis au point la méthode appelée « rétropropagation du gradient » permettant de corriger la réponse de l’algorithme afin d’en minimiser les erreurs.

Yann LeCun, 58 ans, qui a étudié en post-doctorat avec le Britannique au Canada, a notamment amélioré ce système de corrections d’erreurs. Il est aussi connu pour le développement d’une technique de filtres appelés convolutions tiré de l’étude de la biologie de l’oeil, permettant d’analyser les images et d’améliorer leur reconnaissance. Dès le milieu des années 1990, son système servait à reconnaître l’écriture manuscrite des lettres ou des chèques et à été déployé chez US Post.

Yoshua Bengio, né à Paris, qui a travaillé avec le Français au sein des  Bell Labs et a permis d’augmenter les performances des algorithmes de reconnaissance vocale et de traduction.

Article réservé à nos abonnésLes trois chercheurs sont connus pour avoir défendu le deep learning durant une traversée du désert d’une dizaine d’années entre la fin des années 1990 et 2010. 

« Le domaine continue de faire des progrès fulgurants et ces techniques auront des effets positifs massifs, c’est certain, comme en santé par exemple, estime Yann LeCun. Mais pour l’avenir, il nous faut travailler sur de nouveaux paradigmes d’apprentissage, moins supervisés, moins gourmands en données, et plus proches des modes d’apprentissage humains. Source Le Monde

Stéphane Roder