Newsletter - Août 2018 - IA : Les voitures autonomes de demain
Bulletin d'information d'août 2018
Ça y est, c'est la rentrée et nos newsletters reprennent ! Nous revenons avec un sujet qui nous passionne et anime notre plateforme de tâches numériques socialement responsables : L'intelligence artificielle (IA).
Avec l'essor des nouvelles technologies et le transfert de la société de demain vers le numérique, l'intelligence artificielle gagne du terrain dans notre quotidien. Elle a un impact sur tous les secteurs de l'économie mondiale.
Qu'est-ce que l'intelligence artificielle ? C'est un ensemble de techniques (machine learning, deep learning, computer vision, traitement du langage naturel,...) qui permettent aux machines d'imiter une forme d'intelligence humaine (principalement à travers des tâches simples et répétitives). Aujourd'hui, l'intelligence artificielle est au cœur de toutes les stratégies de développement de grands secteurs industriels tels que l'automobile, l'immobilier, la santé, etc. avec la reconnaissance d'objets ou d'images. En effet, nous avons plusieurs exemples concrets en cours d'expérimentation qui méritent qu'on s'y intéresse comme la voiture autonome qui utilise la technique de la reconnaissance visuelle, issue du deep learning.
L'intelligence artificielle existe aujourd'hui grâce à l'assimilation de milliards de données (Big data), des instruments qui permettent à la machine de comprendre et d'apprendre à la machine à penser comme les humains. Ces données transférées à la machine restent un défi complexe pour l'IA. En effet, il y a encore des progrès pour que la machine puisse voir et penser ou décider comme un humain.
L'apprentissage profond est une sous-catégorie de l'apprentissage automatique (Machine learning), un sous-domaine de l'intelligence artificielle. Grâce au deep learning, un algorithme peut être programmé pour détecter certaines formes et détails à partir d'images provenant d'une caméra vidéo. En fonction de la base de données attribuée, il pourra repérer un individu recherché dans une foule, détecter le taux de satisfaction à la sortie d'un magasin en détectant les sourires, etc.
Selon Jean Ponce, chercheur en vision artificielle et directeur du département d'informatique de l'ENS, " La reconnaissance d'un objet pose beaucoup de problèmes, un objet n'a pas la même apparence selon l'angle de prise de vue, deux chaises n'ont pas la même forme, la même couleur et la même texture, par exemple. » . De même, un humain ou un animal n'a pas la même forme selon sa position ou selon le point de vue de l'image, ce qui augmente la difficulté de son identification pour la machine. Comment une voiture autonome peut-elle différencier un auto-stoppeur d'un policier qui lui fait signe de s'arrêter ? Un sac plastique sur la route d'une pierre à éviter ?
Prenons le cas de la voiture autonome :
Aujourd'hui, Tesla vend plus de 250 000 voitures qui sont déjà en circulation. Chacune de ces voitures est équipée de caméras et de capteurs de haute qualité pour capturer l'environnement, le monde qui les entoure. Les séquences vidéo collectées par une flotte de cette taille peuvent alimenter un système d'apprentissage utilisant l'apprentissage profond, une technique basée sur les réseaux neuronaux artificiels, a des propriétés " très similaires au système visuel humain ". D'autres entreprises qui vendent des voitures autonomes utilisent également cette nouvelle fonctionnalité, qui consiste à suivre des objets en capturant des données à partir de vidéos.
Alors que le secteur de la vision artificielle passe de l'identification d'objets simples au suivi d'objets, nous avons besoin d'outils pour annoter le flux vidéo et permettre aux machines de reconnaître et de décider d'agir en fonction des différentes situations qui se présenteraient à elles. Pour y parvenir, les spécialistes de l'IA tentent d'apprendre aux machines à reconnaître ces formes grâce à l'apprentissage supervisé. Par exemple, pour permettre à un programme de reconnaître un chien, il est nécessaire de l'"entraîner" en lui fournissant de nombreuses images de chiens, afin qu'il puisse ensuite être capable de les repérer sur de nouvelles images. C'est pourquoi le Vision Lab de l'université de Stanford, aux États-Unis, a développé Imagent, une base de données de centaines de milliers d'images, toutes soigneusement étiquetées à la main, mises à la disposition des chercheurs qui en ont besoin.
L'approche traditionnelle d'un projet de suivi d'objet est de diviser la vidéo en images individuelles, puis d'annoter chaque image séparément, en assurant des identifiants cohérents pour chaque objet dans les images séquentielles. S'agissant d'un travail difficile, une attention particulière aux détails est nécessaire pour l'annotation de ces vidéos par un support externe à la plateforme intelligente qui pilote la machine.
Grâce à l'annotation vidéo pour la reconnaissance d'objets, une séquence vidéo entière peut être évaluée comme un tout, que le clip contienne 2 images ou 2 000 images. Cette fonctionnalité permet de suivre plus facilement et plus rapidement un objet unique, même s'il a été déplacé, du début à la fin d'une vidéo. Si l'objet disparaît de la vue de la caméra et réapparaît plus tard (pensez à doubler un cycliste dans la circulation pour le faire exploser à la prochaine intersection). La précision est désormais adaptable grâce à l'outil d'annotation vidéo en fonction de la densité des objets capturés.
Notre plateforme de tâches numériques intelligentes et socialement responsables est actuellement capable de :
Afin de permettre aux machines de reconnaître des objets, des formes, des animaux et bien plus encore. Parmi les projets sur lesquels notre communauté a eu l'occasion de travailler, nous avons eu :
L'intelligence de notre communauté de Hiteuses alliée à l'intelligence de notre plateforme permettra à vos projets de formation de robots, de machines de se développer.
Aujourd'hui, notre communauté rassemble plus de 490 personnes issues de 11 pays en développement d'Afrique francophone et anglophone. Nous leur permettons de gagner un complément de revenu en réalisant les tâches numériques de notre plateforme et les formons pour être les acteurs du monde numérique de demain. En effet, le monde se transforme et face à ces grands défis, la formation jouera un rôle majeur. La mission d'Isahit est aussi d'aider les populations menacées et en voie de développement, à intégrer le monde numérique de demain pour éviter une fracture numérique.
Lire le bulletin d'information en PDF : cliquez ici
Pour en savoir plus sur ce que notre plateforme intelligente et notre communauté sont capables de faire, consultez nos cas d'utilisation : cliquez ici.
Pour demander un devis gratuit, utilisez notre simulateur de prix en ligne.
Mettez à l'échelle de manière éthique vos projets d'annotation numérique grâce à notre équipe hautement qualifiée force de travail. Accédez à notre site à la demande force de travail pour obtenir la meilleure qualité dans votre étiquetage de jeux de données.
Nous disposons d'une large gamme de solutions et d'outils qui vous aideront à former vos algorithmes. Cliquez ci-dessous pour en savoir plus !