Apprentissage automatique dynamique inspiré du système de traitement visuel

Innovation : Industrie

Réseaux de neurones convolutionnels

Image: v2osk / Unsplash / CC BY SA - Attribution Creative Commons + Partage dans les mêmes conditions

Apprendre

Les systèmes vivants obtiennent des informations de leur environnement et les utilisent pour trouver des partenaires et des ressources, et pour échapper aux menaces. Certaines réactions aux informations recueillies sont des comportements instinctifs ou innés, non basés sur des expériences antérieures. Mais d'autres réactions sont basées sur des expériences antérieures, ce qui signifie qu'à un certain niveau, le système vivant apprend. L'apprentissage peut impliquer qu'un système vivant transmette des informations à un autre système vivant, ou qu'un système vivant obtienne des informations et les utilise dans une boucle de rétroaction. Ces informations peuvent inclure les connaissances, l'expérience, le comportement et les compétences. L'apprentissage a lieu lorsque des informations nouvelles pour le destinataire sont utilisées pour modifier un comportement ou des compétences existants. La fabrication et l'utilisation d'outils par certaines espèces d'oiseaux et de mammifères est un comportement appris. Si un chimpanzé utilise un bâton pour réussir à sortir les fourmis d'une fourmilière et continue à le faire, il a appris ce comportement. Si un autre chimpanzé observe cette technique et la reproduit, il a appris du premier chimpanzé.

Rechercher cette fonction

calcul

Le calcul permet à un organisme de recueillir et de traiter des informations pour prendre des décisions. Qu'il s'agisse de calculer à quelle vitesse les proies se déplacent ou de décider où construire un nid, le calcul est une partie importante de la vie d'un organisme.

Rechercher cette fonction

Encoder / Décoder

Les organismes absorbent constamment de nouvelles informations, les traitent et les stockent sous forme de mémoires. Les informations sensorielles et les stimuli tels que les sons, les odeurs, le temps et l'organisation spatiale sont codés avec nos souvenirs. Que nous apprenions une nouvelle compétence ou répétions une tâche que nous avons déjà effectuée, nous pouvons facilement faire appel à ces informations et les décoder lorsque nous en avons besoin.

Rechercher cette fonction

Transduire/convertir des signaux

Parfois, un signal, tel qu'un son ou une vibration, atteint un système vivant et doit être converti en une forme différente et utilisable. Cela nécessite la conversion d'un type de forme d'énergie à un autre. Par exemple, les organismes avec des yeux ont des photorécepteurs à l'arrière des yeux qui convertissent la lumière en impulsions électriques. Ces impulsions se rendent au cerveau et lui permettent d'enregistrer la couleur, la forme et les détails.

Rechercher cette fonction

Coordonner par auto-organisation

Pour créer et maintenir une communauté saine d'individus et d'écosystèmes, il faut que les systèmes vivants coordonnent leurs activités. La coordination ne signifie pas nécessairement qu'il y a un leader qui orchestre ce qui se passe. Dans la nature, la coordination est généralement réalisée par l'auto-organisation. Dans un troupeau d'oies volant en formation en V, par exemple, il n'y a pas d'oie de tête qui contrôle où toutes les autres volent. Le troupeau utilise cette formation car chaque oie tire son énergie des tourbillons d'air créés par l'oie qui la précède. L'oie de tête n'obtient pas cet avantage, donc quand elle se fatigue, elle recule et une autre oie prend la position avant.

Rechercher cette fonction

Les réseaux de neurones convolutifs utilisent un algorithme d'apprentissage en profondeur pour traiter efficacement les informations.

Avantages

Efficacité accrue
Précision accrue
Temps de traitement réduit

Applications

Intelligence Artificielle
Apprentissage automatique

Objectifs de développement durable des Nations Unies abordés

Objectif 9 : Innovation et infrastructure de l'industrie

Le projet

Les ordinateurs sont capables de traiter beaucoup d'informations plus rapidement que les humains. Cependant, lorsqu'il s'agit d'informations visuelles, les ordinateurs ralentissent pour traiter l'étendue et la variété des informations présentées dans une image. L'ordinateur doit garder une trace des informations, créant beaucoup de stockage et utilisant beaucoup de puissance de calcul.

Détails de l'innovation

Un réseau neuronal convolutif est un algorithme qui prend une image d'entrée, attribue une importance à divers aspects de l'image, puis peut différencier les aspects de l'image, comme le système de traitement visuel humain. L'ensemble du système informatique est capable d'identifier ce qui se trouve dans l'image car les niveaux d'importance deviennent des caractéristiques sur une carte que l'ordinateur reconnaît. Ce système peut alors traiter en profondeur l'intégralité de l'image sans créer une grande quantité de données supplémentaires.

La relation entre les composants du système visuel et les opérations de base d'un réseau neuronal convolutif. Photo : Grace W. Lindsay/University College de Londres.

Modèle biologique

Le système visuel humain est composé de plusieurs types différents de cellules. Les cellules simples ont des "emplacements préférés" sur l'image, ce qui signifie qu'elles répondent le plus fortement à certains types d'entrées (par exemple, une ligne à un angle particulier). Les cellules complexes reçoivent des entrées de nombreuses cellules simples et ont donc des réponses plus invariantes dans l'espace. Ces opérations sont répliquées dans un réseau de neurones convolutifs.

Voir le contenu connexe

a black background with brightly colored glowing neurons and other cells in the cortex of a mouse brain

Stratégie biologique

Détection et partage d'informations

Les Humains

Les neurones aident les organismes à réagir aux stimuli environnementaux car ils collaborent pour détecter l'environnement, partager des informations et filtrer les informations sans importance

DemandezNature