Le prix Turing à trois pionniers du deep learning

Surnommé le prix Nobel de l’informatique, le prix Turing a été décerné à trois chercheurs pionniers de l’intelligence artificielle. Yoshua Bengio (Université de Montréal), Geoffrey Hinton (Université de Toronto) et Yann LeCun (Université de New York) sont considérés comme les pionniers du deep learning. Cette technologie d’intelligence artificielle s’appuyant sur des réseaux neuronaux est à l’origine des progrès fulgurants de ces dernières années, notamment dans la reconnaissance d’images ou du langage. Hinton travaille d’ailleurs aujourd’hui chez Google, tandis que LeCun dirige la recherche en IA chez Facebook.

«Hinton, LeCun et Bengio ont développé des bases conceptuelles pour le domaine, ont identifié des phénomènes surprenants par le biais d'expériences et ont contribué à des avancées techniques qui ont démontré les avantages pratiques des réseaux neuronaux profonds. Ces dernières années, les méthodes d'apprentissage approfondi ont été à l'origine de percées étonnantes dans les domaines de la vision par ordinateur, de la reconnaissance vocale, du traitement du langage naturel et de la robotique, parmi d'autres applications», motive l’ACM qui attribue le prix Turing.

Un domaine négligé pendant des années

Pour les trois comparses, ce prix a sans doute un petit goût de revanche. Née dans les années 80, l’idée d’employer des réseaux neuronaux pour développer de l’intelligence artificielle a été longtemps un axe de recherche délaissé au profit d’autres concepts. Seuls quelques chercheurs obstinés poursuivent néanmoins sur cette voie - outre les trois lauréats on pourrait aussi mentionner Jürgen Schmidhuber de l’institut d’intelligence artificielle Dalle Molle à Lugano. Au début des années 2000 Bengio, Hinton et LeCun se rencontrent à l’institut canadien CIFAR et poursuivent leurs recherches parfois ensemble, parfois en parallèle. Le deep learning connaît son véritable essor une dizaine d’années plus tard, notamment grâce aux gigantesques quantités de données collectées par les géants du web et aux progrès du hardware.

Une intelligence empirique

Fondamentalement, l’intelligence artificielle basée sur les réseaux neuronaux profonds se caractérise par des algorithmes qui apprennent à partir des exemples qu’on leur fournit. En l’alimentant en images et en lui disant celles sur lesquelles il y a un chat, un système va peu à peu se modifier jusqu’à être capable de dire par lui-même si un chat figure sur la nouvelle image qu’on lui soumet.

Par analogie, on pourrait dire qu’il s’agit de systèmes fondamentalement empiristes puisqu’ils apprennent tout en étant dépourvus de connaissance préalable. Si cette technique a permis les usages que l’on connaît aujourd’hui, certains chercheurs estiment toutefois qu’une approche hybride - mêlant réseaux neuronaux et une forme de raisonnement symbolique - sera nécessaire pour développer une intelligence artificielle véritablement universelle, objectif de tous les chercheurs. La polémique entre les deux écoles de pensée ne semble pas terminée…