S'inscrire identifiants oubliés ?

von Neumann, un des pères de l'informatique

De Budapest à Princeton

John von Neumann naît en décembre 1903 à Budapest, à l'époque au cœur de l'empire austro-hongrois, dans une famille juive aisée. Ses parents remarquent très tôt son intelligence exceptionnelle : dès l'âge de huit ans, il est ...

Sept exoplanètes prometteuses

Détecter les exoplanètes par la méthode des transits

Fin 2015, des observations photométriques avaient été réalisées par le télescope Trappist (Transiting Planets and Planetesimals Small Telescope) de l'ESO au ...

Les énergies marines renouvelables

Des technologies en plein essor

Les énergies renouvelables sont appelées à se développer, en particulier dans le cadre de la transition énergétique promue par les pouvoirs publics. Les différents types d'énergies marines ...

Les satellites SPOT face aux catastrophes

La Charte internationale « Espace et catastrophes majeures »

Créée en 2000 par le CNES et l’ESA, la Charte internationale « Espace et catastrophes majeures » permet de fournir gratuitement et le plus rapidement possible images satellitaires et cartes de dégâts aux autorités ...

Nouvelle mesure de l'expansion de l'Univers

La première mesure de l’expansion de l’Univers

L’Univers est en expansion, ce qui a été théorisé par George Lemaître, puis observé par Edwin Hubble en partant de la constatation que les galaxies s’éloignent ...

Un accélérateur de particules sous le Louvre

Un accélérateur de particules au service des recherches du Louvre

Quand on se demande quels peuvent être les apports des sciences à l'archéologie, chacun a tendance à penser aussitôt à la datation au carbone 14. Mais l'âge n'est pas la seule information que l'on ...

Mesure participative de la qualité de l'air

La nécessité de mesures plus nombreuses

Face à la multiplication des pics de pollution ces derniers mois, la nécessité d'évaluer en temps réel la qualité de l'air, mesurée à partir de la concentration en différents éléments parmi les plus ...

Réparer les vaisseaux grâce aux algues

Des polysaccharides marins pour traiter les maladies cardiovasculaires

Les vaisseaux sanguins assurent la circulation du sang dans l’organisme. Des dépôts accumulés de lipides sur leur paroi interne peuvent former des lésions responsables de maladies cardiovasculaires. C’est l’une des premières causes de mortalité en France et dans le monde. Certes, des médicaments permettent de prévenir ces maladies, mais pas de les guérir. Entre la médecine réparatrice et les recherches en thérapie cellulaire, la médecine régénérative travaille à reconstituer les vaisseaux endommagés.

Les chercheurs s’intéressent à des prothèses hybrides, autrement dit composées de matériaux synthétiques qui vont être colonisés par les cellules du patient. C’est là qu’intervient le biomimétisme, avec les polysaccharides issus des algues. Ces longues chaînes de polymères sont flexibles et malléables, tout en étant compactes et solides. Surtout, elles ne provoquent pas de réactions de rejet, donc peuvent servir de matériaux de substitution pour le corps humain.

La recette d’un bon vaisseau de substitution

Les polymères, que les laboratoires achètent sous forme de poudres, sont d’abord solubilisés et transformés en hydrogel. Après quoi, des moules leur donnent la forme désirée, ce qui permet d’étudier leurs caractéristiques. L’objectif est de produire des vaisseaux biocompatibles, capables de s’étirer en résistant aux variations de pression, qui assurent une bonne circulation du sang, ne fuient pas et se connectent correctement aux vaisseaux existants. Le biomatériau étant poreux, les cellules du patient peuvent alors coloniser la prothèse. Un mois après sa pose, celle-ci se dégrade, ne laissant sur place que le vaisseau régénéré, dont les propriétés se rapprochent au mieux des vaisseaux naturels.

Les techniques utilisées aujourd’hui ne produisent pas de vaisseaux d’un diamètre interne inférieur à six millimètres. Grâce aux polysaccharides issus des algues, les chercheurs sont parvenus à produire des tubes d’un diamètre aussi petit que deux millimètres. Implantées chez le rat, ces prothèses hybrides sont pour le moment compatibles pendant trois mois. Les travaux des physico-chimistes et des biologistes visent à augmenter la longévité de ces vaisseaux afin de pouvoir faire profiter les humains de cette avancée fondamentale sur le plan médical.

En savoir plus :

La nature comme exemple, deux exemples de biomimétisme

Le dossier de l’INSERM sur la réparation des vaisseaux sanguins

Le dossier sur l’athérosclérose de l’INSERM sur les lésions des vaisseaux par les plaques lipidiques

» lire tous les articles 1 2 3 4 5 6 7 8
sciences en ligne
exploratheque
du premier stage au premier emploi


Des machines qui parlent entre elles ?
Les principes de fonctionnement de l’Intelligence Artificielle via le Machine Learning.

En Novembre 2016 le projet d’intelligence artificielle de Google : « Google Brain » a déchaîné les médias. Alors que deux unités d’intelligence artificielle étaient connectées entre elles, elles se sont mises à communiquer dans un langage nouveau et incompréhensible par un humain.

Pour comprendre ce qu’il s’est réellement passé il faut comprendre ce qu’on entend aujourd’hui par intelligence artificielle et plus particulièrement par Machine Learning (Apprentissage Automatique en français).

Qu’est-ce que le Machine Learning ?

Le Machine Learning a pour but de rapprocher le fonctionnement des machines du fonctionnement du cerveau humain notamment grâce à l’apprentissage. En effet, considérons les deux images ci-dessous :

Si on voulait écrire un programme qui permettrait d’identifier l’image 1 comme étant des bananes, il serait possible de dire à l’ordinateur que cet agencement de pixels correspond à des bananes. Cependant si avec le même programme on lui montre l’image 2, les changements de couleurs et d’agencements ne seraient pas compris et l’ordinateur serait incapable de l’identifier.

En tant qu’humain nous réussissons cette identification parce que dans notre vie, parmi les milliers d’images qui sont apparues sous nos yeux, nous avons appris à distinguer des éléments clés des bananes : forme, couleurs, texture, taille etc… Ce qui fait que nous pouvons faire abstraction de certains détails comme la couleur pour identifier l’image 2 comme étant des bananes. Le Machine Learning consiste à apprendre à faire faire la même chose aux ordinateurs. C’est la méthode la plus aboutie que nous ayons à ce jour pour créer des intelligences artificielles.

Comment marche le Machine Learning ?

Pour classifier des objets, il existe deux familles de Machine Learning : la Classification et le Clustering. Dans les deux cas, on part d’un ensemble de données appelé Data Set pour apprendre à l’ordinateur à créer des liens logiques entre des catégories. Prenons l’exemple d’un algorithme devant identifier les images 1 et 2 comme étant des bananes. Le Data Set sera un ensemble d’images de fruits en tous genres.

Dans le cas de la Classification, on dit à l’avance à l’ordinateur que l’image correspondant à une banane est une banane, celle d’un citron est un citron etc…, on appelle ça l’apprentissage supervisé. Avec cette méthode, en présentant l’image 2 à l’ordinateur, il saura dire qu’il s’agit de bananes. Il est très pratique mais nécessite des données précises et étiquetées ce qui est rare pour de gros volumes de données.

Processus d'apprentissage en Classification

Dans le cas du Clustering, on ne dit rien à l’ordinateur et c’est à lui de trouver des liens entre les images. Il s’agit d’apprentissage non supervisé. En lui montrant les images 1 et 2, l’ordinateur les regroupera avec d’autres images de bananes mais ne pourra pas dire « ce sont des bananes ». Cette méthode ne permet pas de mettre un nom sur une donnée entrante. Cependant il est très pratique lorsque le nombre et la diversité des données ne permettent pas de faire un étiquetage.

Processus d'apprentissage en Clustering

Et Google Brain dans tout ça ?

Dans le cas de Google Brain, les ordinateurs fonctionnaient avec des algorithmes de Machine Learning non supervisés. Pour simplifier on va dire qu’ils devaient simplement se transmettre des données. Mais le langage humain ou le langage binaire ne permettaient pas de le faire d’une manière optimisée. Les données qu’ils devaient échanger constituaient leur Data Set, et ils ont construit un nouveau langage permettant de transmettre ces données plus rapidement. S’ils avaient eu à échanger très souvent le mot « banane » et rarement le caractère « b » par exemple, il valait mieux remplacer « banane » par « b » et la lettre « b » par une autre combinaison éventuellement plus complexe.

On comprend alors qu’il n’y a pas de quoi s’inquiéter car avec le Machine Learning, les ordinateurs ne comprennent pas vraiment ce qu’ils sont en train de faire. Ils respectent juste une logique dictée par l’Homme et trouvent des liens entre les données qu’on leur fournit. Leurs décisions restent strictement cantonnées au but de l’algorithme : ici transmettre des données rapidement.

En savoir plus :

Benjamin Péri
Twitter Facebook Google Plus Linkedin email