Vous en avez peut-être entendu parler récemment, l’application Art & Culture de Google, disponible sur Android et AppleStore, a ajouté une fonctionnalité à sa base de recherche sur les œuvres d’art. L’objectif de celle-ci est d’associer votre selfie à une oeuvre d’art en attribuant un pourcentage de Match entre votre visage et celui de Cyrano par exemple.

Exemple reconnaissance faciale google

Bien que naturelle pour l’être humain, la reconnaissance d’image comme la reconnaissance du langage naturel sont des tâches difficiles à réaliser pour les ordinateurs. L’humain a la capacité d’identifier et mettre en évidence les éléments d’une photo mais derrière cette faculté innée se cache des milliards de connexion.

Pour obtenir ce résultat Google utilise les réseaux de neurones artificiels et l’apprentissage en profondeur (ou deep learning).

Qu’est ce qu’un réseau de neurones artificiels ?

Il s’agit d’un algorithme s’inspirant du fonctionnement des neurones biologiques.
Dans une approche classique de la programmation, nous disons à l’ordinateur ce qu’il doit faire, en décomposant les problèmes en petites tâches qu’il peut facilement exécuter. Dans un réseau de neurones, l’ordinateur apprend à partir des données d’observation, il trouve tout seul la solution au problème exposé. Chaque neurone a une fonction de transformation de données, il effectue un calcul dont le résultat est transmis aux autres neurones.

La méthode du deep learning affine les résultats. Elle ajoute des couches de neurones artificiels cachés (sur lesquelles nous ne pouvons pas intervenir) entre les données d’entrées et les données de sorties ce qui engendre beaucoup plus de transformations dans la phase d’apprentissage.

Mise en pratique ludique des réseaux de neurones => http://playground.tensorflow.org/

Pour un résultat efficace, le réseau de neurones artificiels doit exécuter plusieurs fois une même tâche afin de renforcer les connexions qui mènent au succès et diminuer celles qui mènent à l’échec. On comprend donc que pour construire un outil de reconnaissance précis il faut des milliers, voire des millions d’exemples d’entraînement.

Rien qu’en l’espace d’une semaine c’est plus de 30 000 selfies qui ont été envoyés au géant de la Silicon Valley. Un buzz assuré mais tout cela simplement pour nous divertir ? Pas sûr… Nous venons simplement d’offrir à Google une large banque de données d’images de visages qu’il peut utiliser pour ses projets d’intelligence artificielle.

Le machine learning n’en n’est qu’à ses prémisses et la phase d’apprentissage offre parfois quelques perles : 

Erreur intelligence artificielle image

Côté search, on peut supposer que d’ici quelques années les résultats de recherches proposeront des résultats personnalisés en fonction de l’internaute de : ses habitudes, ses besoins, ses relations…

Face à cela un nouveau risque émerge : L’objectivité des résultats et la capacité à trouver une information qui peut être en contradiction avec ce que nous sommes >> Google prendrai partie et ne nous donnerait pas des réponses objectives.