Vous pouvez désormais télécharger le code source d'AlexNet, le réseau de neurones convolutionnels à l'origine de l'essor de l'IA

Qui a prouvé que « l'apprentissage profond » pouvait marcher

Le Computer History Museum (CHM), en collaboration avec Google, a rendu public le code source d'AlexNet, un réseau de neurones convolutionnels (CNN) qui a révolutionné le domaine de l'intelligence artificielle en 2012 en prouvant que « l'apprentissage profond » pouvait réaliser des choses que les techniques d'IA conventionnelles ne pouvaient pas faire. L'apprentissage profond, qui utilise des réseaux neuronaux multicouches capables d'apprendre à partir de données sans programmation explicite, représentait une rupture importante par rapport aux approches traditionnelles de l'IA qui s'appuyaient sur des règles et des caractéristiques élaborées à la main. Cette mise à disposition offre aux chercheurs et passionnés d'IA une opportunité unique d'explorer les origines d'une technologie qui façonne notre monde numérique actuel.

La technologie de l’IA créative et générative permet aux machines de créer du contenu et de réaliser des tâches qui demandaient auparavant l’ingéniosité humaine, en se basant sur les caractéristiques et les motifs des données. Elle peut générer des textes, des images, des vidéos, de la musique, etc., dans différents styles et domaines. Elle utilise des modèles d’IA comme les GAN, les RNN ou les transformateurs pour produire du contenu.

Les premiers systèmes d’IA étaient limités à une intelligence artificielle faible, se spécialisant dans une seule tâche et l’exécutant parfois aussi bien ou mieux que l’homme. Par exemple, MYCIN ne faisait que diagnostiquer et traiter les infections bactériennes. SYSTRAN ne faisait que traduire automatiquement. Deep Blue ne jouait qu’aux échecs.

Plus tard, des modèles de réseaux neuronaux profonds entraînés par apprentissage supervisé, comme AlexNet et AlphaGo, ont réussi à accomplir un certain nombre de tâches de perception et de décision automatiques qui étaient difficiles à réaliser avec des systèmes basés sur des heuristiques, des règles ou des connaissances. Plus récemment, nous avons vu des modèles de pointe capables d’effectuer une grande variété de tâches sans être entraînés spécifiquement pour chacune d’elles.

Google et le Computer History Museum (CHM) ont publié conjointement le code source d'AlexNet

Le code Python, désormais disponible sur la page GitHub du CHM en tant que logiciel libre, offre aux passionnés d'IA et aux chercheurs un aperçu d'un moment clé de l'histoire de l'informatique. AlexNet a marqué un tournant dans le domaine de l'IA, car il était capable d'identifier des objets sur des photographies avec une précision sans précédent, classant correctement des images dans l'une des 1 000 catégories telles que « fraise », « bus scolaire » ou « golden retriever », avec beaucoup moins d'erreurs que les systèmes antérieurs ».

À l'instar des circuits originaux de l'ENIAC ou des plans de la machine à différences de Babbage, l'examen du code d'AlexNet pourrait permettre aux historiens de comprendre comment une mise en œuvre relativement simple est à l'origine d'une technologie qui a remodelé notre monde. Si l'apprentissage profond a permis des avancées dans les domaines des soins de santé, de la recherche scientifique et des outils d'accessibilité, il a également favorisé des développements inquiétants tels que les « deepfakes », la surveillance automatisée et le risque d'un déplacement généralisé des emplois.

Mais en 2012, ces conséquences négatives étaient encore perçues par beaucoup comme de lointains rêves de science-fiction. Au contraire, les experts étaient simplement stupéfaits qu'un ordinateur puisse enfin reconnaître des images avec une précision proche de celle de l'homme.

Apprendre aux ordinateurs à voir

Comme l'explique le CHM dans son billet de blog détaillé, AlexNet est né des travaux d'Alex Krizhevsky et d'Ilya Sutskever, étudiants diplômés de l'université de Toronto, et de leur conseiller Geoffrey Hinton. Le projet a prouvé que l'apprentissage en profondeur pouvait surpasser les méthodes traditionnelles de vision par ordinateur.

Le réseau neuronal a remporté le concours ImageNet 2012 en reconnaissant des objets dans des photos bien mieux que toute autre méthode antérieure. Yann LeCun, vétéran de la vision par ordinateur, qui a assisté à la présentation à Florence, en Italie, a immédiatement reconnu son importance pour le domaine, se levant après la présentation et qualifiant AlexNet de « tournant sans équivoque dans l'histoire de la vision par ordinateur ». AlexNet a marqué la convergence de trois technologies essentielles qui allaient définir l...