dans

Avec Data2vec, Meta fait un pas vers une IA polyvalente

Data2vec par Meta

Meta lance Data2vec pour repousser les limites de l’IA faible en la rendant plus polyvalente.

L’intelligence artificielle semble parfois plus intelligente que les humains en raison de sa rapidité et de sa précision. Mais en réalité, elle est loin de l’être, tout simplement parce qu’elle n’est pas capable d’exécuter plus d’une tâche à la fois. Grâce à son nouvel algorithme, Meta veut changer le cours des choses.

L’algorithme Data2vec par Meta

L’IA est sans doute un élément essentiel dans le monde d’aujourd’hui. Elle a trouvé une application dans les foyers comme dans les entreprises de tous les secteurs. Mais aussi nombreux que soient les avantages qu’elle présente, l’IA connaît aussi une limite. Toutes ces technologies intelligentes constituent la première catégorie de l’IA dite faible. En termes simples, chaque système est conçu pour exécuter une tâche spécifique. Quant au principe consistant à imiter l’intelligence humaine, le fait qu’elle ne peut pas prendre en charge plusieurs tâches à la fois prouve que ce n’est pas encore le cas.

Mais les chercheurs de Meta (anciennement Facebook AI Resarch) ont cherché à repousser cette limite. En effet, ils ont développé un nouveau modèle d’apprentissage qui pourrait permettre à l’IA de devenir multitâche. Meta a donc mis au point un nouvel algorithme que l’équipe a baptisé Data2vec.

Vers une IA multitâche

Les progrès en termes d’IA, et particulièrement le deep learning, sont considérables. La technologie de reconnaissance ou les IA conversationnelles ont atteint un niveau de précision sans précédent. Mais étant donné qu’un modèle est entraîné pour une tâche à la fois, il ne sera plus aussi efficace pour en résoudre un autre. En d’autres termes, les compétences ne sont généralement pas transférables.

Data2vec est un modèle tout-en-un, pour ainsi dire. Entre autres, il s’agit d’un algorithme unique qui permet d’entraîner une IA à reconnaître à la fois des images, un texte ou une parole. Il utilise une approche appelée apprentissage auto-supervisée impliquant deux réseaux neuronaux, un élève et un enseignant.

À la grande surprise de l’équipe de Meta, l’utilisation de Data2vec a permis d’obtenir de meilleurs résultats par rapport aux techniques existantes. Autrement dit, le modèle unique est plus performant que les modèles de reconnaissance d’images ou de reconnaissance et par rapport aux modèles de langage.

Laisser un commentaire

Votre adresse e-mail ne sera pas publiée.