L’an dernier les chercheurs de Google DeepMind ont dévoilé une machine qui a appris seule à jouer à des jeux vidéos d’arcade. Cette année des chercheurs chinois ont révélé un système de reconnaissance facile plus performant que l’Homme, et la semaine dernière, Baidu a fait la démonstration d’un système de reconnaissance du langage en mesure de transcrire l’anglais et le chinois mandarin. Deux facteurs expliquent cela. Le premier, une meilleure compréhension des réseaux neuronaux et de la façon de les « tuner »pour réaliser des tâches spécifiques. Le second est la création de vastes base de données indispensables à l’entraînement des réseaux. Quelle est la taille minimale de ces bases de données ? Dans quelle mesure la taille impacte-t-elle sur les performances ? C’est l’objet du travail de Makarand Tapaswi au Karlsruhe Institute of Technology en Allemagne. Ce dernier a construit avec quelques camarades une base de données cinématographique pour tester la compréhension qu’ont les machines de deep Learning des histoires. Pourquoi c’est important ? Parce qu’en faisant cela, Markarand va pouvoir déterminer le volume de données minimal à partir duquel l’intelligence artificielle est en mesure de répondre correctement aux questions concernant le film.
