Reconnaissance d’images par IA : Facebook avance à grands pas
La R&D du groupe Facebook approfondit l’exploitation de l’intelligence artificielle avec l’élaboration de modèles accélérés de classification des images.
Facebook AI Research (FAIR), le centre de recherche européen de Facebook basé à Paris et dédié à l’intelligence artificielle, réalise progrès substantiels dans les modèles de technologies de vision par ordinateur (computer vision) associées à l’intelligence artificielle.
L’objectif étant de rendre l’exploitation et la classification des images plus pertinentes.
Les experts de Facebook (parmi lesquelles figure le Français Yann Le Cun à la tête du FAIR) sont désormais en mesure d’élaborer un modèle de classification d’images en seulement une heure, sans perte de précision.
Ces travaux de Facebook dans ce domaine ont fait l’objet d’une publication scientifique sur le deep learning.
Ce coup d’accélération de Facebook dans l’IA tourne sur la capacité à étendre la taille des mini-lots d’images dans l’ensemble d’apprentissage en exploitant des process de calculs basés sur un volume important de GPU.
Selon Venturebeat, le nouveau programme AI de Facebook est en mesure de manipuler de larges mini-lots incluant jusqu’à 8192 images, en exploitant 256 puces graphiques (GPU) simultanément. Le tout en une heure. Et ce, sans dégrader le modèle de classification d’images.
« Ce système devrait nous permettre d’établir des modèle de reconnaissance visuelle à l’échelle des données disponibles sur Internet de manière efficace. »
C’est une prouesse qui devrait permettre d’améliorer la qualité des travaux de recherche menés ultérieurement par les data scientists qui seront en mesure de vérifier leurs hypothèses plus rapidement.
Le fait d’accélérer les process de création de modèles permet aux experts IA de multiplier les pistes de combinaison et de permutation au quotidien, évoque Pieter Noordhuis, ingénieur logiciel de l’équipe Applied Machine Learning de Facebook.
Dans une publication scientifique, Facebook décrit de manière empirique la démarche adoptée en exploitant ImageNet, du nom d’une base volumineuse d’images exploitées pour la recherche dans les logiciels de reconnaissance d’objets sur des photos.
Le groupe Internet exploite le framework open source Caffe2 pour le deep learning, qui avait été dévoilé en octobre 2018.
Facebook se montre très actif sur le front de la reconnaissance d’images par l’intelligence artificielle, tout comme Google.
Dès 2015, le réseau social avait commencé à exploiter un algorithme permettant d’identifier des personnes, même lorsque leur visage est masqué sur la photo, en exploitant d’autres éléments (cheveux, silhouette, profil…).
Utilisée dans la suggestion de tags sur Facebook, la reconnaissance d’images n’est pas sans poser des problèmes relatifs à la vie privée. Elle fait même grincer des dents en Europe lorsqu’elle est utilisée pour la reconnaissance faciale avec son logiciel DeepFace.
Ainsi, en 2012, l’Union Européenne sommait la firme numérique américaine d’arrêter momentanément sa fonctionnalité de reconnaissance faciale (« Suggestion de tag »), jugée intrusive.
(Crédit photo : @Shuttershock)