L'automatisation des cols blancs est devenue un mot à la mode dans les débats sur la puissance croissante des ordinateurs, car le logiciel montre un potentiel à prendre sur certains travaux de comptables et avocats . Les chercheurs en intelligence artificielle de Google tentent d'automatiser les tâches des travailleurs bien payés, plus susceptibles de porter un sweat à capuche qu'un manteau et une cravate. Dans un projet appelé AutoML, les chercheurs de Google ont enseigné la machine logiciel d'apprentissage pour construire un logiciel d'apprentissage automatique. Dans certains cas, ce qui en découle est plus puissant et plus efficace que les meilleurs systèmes que les chercheurs eux-mêmes peuvent concevoir. Google affirme que le système a récemment marqué un record de 82 pour cent à la catégorisation des images par leur contenu. Sur la tâche plus difficile de marquer l'emplacement d'objets multiples dans une image, une tâche importante pour la réalité augmentée et les robots autonomes, le système auto-généré a marqué 43 pour cent. De tels résultats sont significatifs car l'expertise nécessaire pour construire des systèmes IA de pointe est rare, même chez Google. "Aujourd'hui, ils sont fabriqués à la main par des scientifiques apprenants et littéralement seulement quelques milliers de scientifiques dans le monde peuvent le faire", a déclaré le PDG de Google Sundar Pichai la semaine dernière, en nommant brièvement AutoML lors d'un lancement pour de nouveaux smartphones et autres gadgets . "Nous voulons permettre à des centaines de milliers de développeurs d'être capables de le faire." AutoML reste un projet de recherche. Assez ironiquement, en ce moment, il faut exactement le genre d'expertise rare en IA que cette technologie cherche à automatiser pour la faire fonctionner. Mais un nombre croissant de chercheurs hors de Google travaillent également sur cette technologie. Si l'intelligence artificielle artificielle devient pratique, l'apprentissage automatique peut se répandre en dehors de l'industrie technologique, par exemple dans les soins de santé et la finance beaucoup plus rapidement. Chez Google, AutoML pourrait accélérer la stratégie «AI first» de Pichai, grâce à laquelle l'entreprise utilise l'apprentissage automatique pour fonctionner plus efficacement et créer de nouveaux produits. Les chercheurs du groupe de recherche Google Brain de la société ou le laboratoire de recherche DeepMind de Londres, acquis en 2014, ont contribué à réduire les factures d'électricité dans les centres de données des entreprises



et à améliorer la capacité de Google à ]par exemple.

Google répertorie un peu plus de 1300 personnes sur son site de recherche, qui ne sont pas toutes spécialisées dans l'IA. Il a plusieurs milliers d'ingénieurs logiciels. Google parent Alphabet a 27,169 employés engagés dans la recherche et le développement, selon son plus récent dépôt financier annuel.

Google a refusé de rendre n'importe qui disponible pour discuter d'AutoML. Des chercheurs de l'extérieur de l'entreprise affirment que l'idée d'automatiser certains travaux d'experts en IA est devenue un point chaud de la recherche et est nécessaire à mesure que les systèmes d'intelligence artificielle deviennent plus complexes

Beaucoup de travail dans ce qu'on appelle le metalapprentissage ou apprendre à apprendre, , vise à accélérer le processus de déploiement des réseaux neuronaux artificiels.

Cela peut paraître très sophistiqué, mais une bonne partie de l'obtention des réseaux de neurones pour effectuer des trucs utiles comme le traitement de l'audio se résume à grunt bien payé. Les experts doivent utiliser instinct et essai et erreur pour découvrir la bonne architecture pour un réseau neuronal. «Une grande partie du travail de cet ingénieur est essentiellement une tâche très ennuyeuse, essayant de multiples configurations pour voir lesquelles fonctionnent mieux», explique Roberto Calandra, chercheur à l'Université de Californie à Berkeley.

Calandra a commencé à faire de la recherche sur le metalearning après avoir passé deux semaines frustrantes à essayer d'amener un robot à apprendre à marcher pendant ses études de doctorat en 2013 Il a essayé une technique expérimentale pour ajuster automatiquement son logiciel, basé sur une technique d'apprentissage automatique moins complexe qu'un réseau neuronal.

La ​​création d'un réseau neuronal à partir de zéro est plus difficile que de modifier les paramètres d'un système déjà existant.

Mohri travaille sur un système appelé AdaNet, dans le cadre d'une collaboration entre des chercheurs du bureau de Google à New York . Lorsqu'il reçoit une collection de données étiquetées, il construit un réseau neuronal couche par couche, testant chaque ajout à la conception pour s'assurer qu'il améliore les performances. AdaNet a montré capable de générer des réseaux de neurones capables d'accomplir une tâche ainsi qu'un réseau standard construit à la main qui est deux fois plus grand. C'est prometteur, dit Mohri, car de nombreuses entreprises tentent de cramper un logiciel d'IA plus puissant sur des appareils mobiles avec des ressources limitées

Faciliter la génération et le déploiement de complexes Les systèmes AI peuvent présenter des inconvénients. Des recherches récentes ont montré qu'il est trop facile de créer accidentellement des systèmes avec une vision biaisée du monde, par exemple que "Mexicain" est un mauvais mot ou a tendance à associer des femmes à tâches ménagères . Mohri fait valoir que la réduction de la fastidieuse mise au point requise pour utiliser les réseaux de neurones pourrait faciliter la détection et la prévention de tels problèmes. "Cela va rendre les gens plus libres de s'attaquer à d'autres aspects du problème", affirme-t-il.

Si Google et Google fonctionnent correctement pour être un outil pratique pour les programmeurs, ses effets pourraient être ressentis au-delà de l'entreprise elle-même. Pichai a laissé entendre la semaine dernière qu'il voulait rendre l'outil disponible en dehors de Google. "Nous voulons démocratiser cela", a-t-il dit, faisant écho à un langage élevé utilisé pour promouvoir les services d'intelligence artificielle offerts par son unité de cloud computing