Thales fait un pas de géant en algorithmique et remporte une compétition d'IA à GECCO 2017
Savez-vous quel est le point commun entre concevoir un profil d'aile, gérer une grille intelligente et contrôler un réseau de radars ? Savez-vous quel est le point commun entre le deep learning, la fouille de donnée ou la conception automatisée ?
Ils nécessitent tous des algorithmes recherchant la meilleure solution à des problèmes qu'ils essayent de résoudre.
Très souvent, cette meilleure solution est cachée parmi une énorme quantité de solutions moins bonnes, parfois même plus que le nombre d'atomes dans l'univers !
Ces algorithmes sont appelés « algorithmes d'optimisation » et sont omniprésents dans les outils d'intelligence artificielle modernes.
La source la plus connue d'efficacité dans les ordinateurs est la « loi de Moore », qui a accompagné ces 50 dernières années de processeurs de plus en plus puissants. Mais saviez-vous que, pendant que les processeurs devenaient 1000 fois plus rapides, les algorithmes au cœur des logiciels s'exécutant sur ces processeurs devenaient, eux, 43 000 fois plus rapides ?
Aujourd'hui, la loi de Moore arrive à son terme, et les algorithmes d'intelligence artificielle sont capables de battre n'importe quel opposant humain sur nos jeux les plus difficiles, que ce soit aux échecs ou au jeu de Go.
Les algorithmes d'optimisation sont des éléments clefs des futures applications de l'IA et les progrès dans ce domaine peuvent créer des ruptures phénoménales.
Thales est à la pointe de la recherche en IA, s'intéressant aux nouvelles architectures de calculs mais également investissant dans l'algorithmique.
Plus particulièrement, une équipe de chercheurs du centre de recherche de Thales, d'INRIA et de l'École polytechnique ont travaillé ces trois dernières années à améliorer les algorithmes qui s'attaquent à l'un des problèmes les plus difficiles et répandus en IA : trouver la meilleure solution d'un problème d'optimisation, sans avoir aucune idée à son sujet.
Pour la première fois, les chercheurs ont développés un solveur exploitant l'apprentissage automatique et l'ingénierie assistée d'algorithmes, dans l'optique de concevoir un algorithme qui observe et apprend effectivement la structure interne d'un problème « boite-noire », afin d'y adapter son comportement. Cette approche s'est avérée payante: notre équipe a récemment gagné la compétition internationale « optimisation boite-noire » de la conférence GECCO 2017 qui s’est tenue à Berlin.
Non seulement ce nouveau solveur est sorti vainqueur de la compétition, mais il a gagné avec une bonne marge contre des compétiteurs réputés être parmi les meilleurs de l'état de l'art. Cette réussite conduit à penser que nous sommes près d'une amélioration drastique de l'efficacité de ces algorithmes. Cette nouvelle approche ouvre la voie à une résolution plus rapide de problèmes actuels en IA, des problèmes plus difficiles sont plus proches d'être résolus et une nouvelle manière de concevoir l'ingénierie de l'algorithmique est envisageable.
Image de bannière : © iStockphoto.com/Menno van Dijk , Faustine Dauby, Johann Dréo