Goodfellow, un des chercheurs en intelligence artificielle (IA) les plus importants au monde, après un bref passage à OpenAI, est retourné chez Google pour construire un nouveau groupe de recherche explorant les « modèles générateurs ». Il s’agit de systèmes qui créent des photos, des sons et d’autres représentations du monde réel. Goodfellow décrit cet effort comme une étape importante qui servirait tout type d’IA. Yann LeCun, qui supervise la recherche en IA chez Facebook, a qualifié ces modèles générateurs antagonistes de »l’idée la plus cool des 20 dernières années dans le domaine de l’apprentissage profond ». Mais il reste des difficultés à lever. Cette technique implique d’être en mesure d’entraîner 2 réseaux neuronaux simultanément. Pendant qu’1 IA crée, par exemple, des images réalistes, l’autre analyse les résultats et essaie de déterminer si les images sont réelles ou fausses. Pourquoi c’est important ? Parce qu’actuellement, un réseau neuronal peut apprendre à reconnaître des chats en analysant plusieurs millions de photos de chats, mais les humains doivent identifier soigneusement les images et les étiqueter. Les chercheurs comme LeCun essaient donc de développer des systèmes qui peuvent apprendre sans qu’une implication humaine lourde ne soit nécessaire, quelque chose qui pourrait accélérer les progrès de l’IA. Mais cette technique pourrait offrir d’autres possibilités. David Kale, chercheur en IA à l’Université de Californie du Sud, estime que ces modèles générateurs antagonistes (GAN) pourraient l’idée pourraient permettre aux chercheurs de concevoir 1 IA de santé sans disposer des informations de santé privée des patients. En effet, les GAN pourraient produire de faux enregistrements de soins de santé. Les systèmes d’apprentissage machine pourraient alors s’entraîner sur cette base plutôt que sur de véritables données.
