S'inscrire identifiants oubliés ?

L'horloge nucléaire

Ce qui caractérise la performance d’une horloge, c'est la faiblesse de sa dérive au cours du temps : de combien diffère chaque jour l'heure qu'elle indique par rapport à sa référence ; autrement dit au bout de quelle durée se décale-t-elle d’une seconde ?

Le génome de la rose décrypté

By LaitcheLink to My Website. - Own work, Public Domain, https://commons.wikimedia.org/w/index.php?curid=4023663

Notre amie la rose

De toutes les plantes ornementales, les roses sont parmi les plus cultivées au monde, que ce soit pour l'agrément que les rosiers confèrent aux ...

La biolixiviation

Les impacts environnementaux et sociaux des industries minières et le besoin accru de certains métaux comme les terres rares pour les appareils électroniques modernes rendent urgente l'élaboration de solutions nouvelles pour traiter les minerais ...

Rouge-gorge et physique quantique

L'origine de l'exceptionnel sens de l'orientation de certain animaux, notamment les oiseaux migrateurs, fait de longue date l'objet de recherches scientifiques. La sensibilité au champ magnétique dont ils seraient dotés semble jouer un rôle crucial. Une piste d'explication trouvée récemment de ...

Bluetooth a vingt ans

Un protocole pour supprimer les câbles

À la fin des années 1990, avec l'irruption de la téléphonie mobile dans la vie quotidienne, les constructeurs cherchent une solution pour supprimer des câbles de raccordement entre le téléphone portable et les oreillettes. ...

La photosynthèse artificielle

CC by U.S. Department of Energy / United Joint Center for Artificial Photosynthesis

Une quête bioinspirée

La photosynthèse est le mécanisme grâce auquel les plantes produisent des matières organiques telles les glucides, en utilisant l'énergie ...

Asthme : pistes thérapeutiques

CC BY-SA 4.0 BruceBlaus

Une maladie incurable

En France, l'asthme touche plus de quatre millions de personnes et cause environ 1000 décès chaque année. Généralement de nature allergique (70% des formes d'asthme), l'asthme provoque des difficultés ...

Des métamatériaux aux propriétés étonnantes

(C) Tobias Frenzel

Les métamatériaux constituent un champ de recherche actif, en particulier dans les domaines de l'électromagnétisme et de la mécanique. L'objectif est de conférer à des matériaux des propriétés particulières, en particulier en ce qui concerne leur interaction avec des ondes électromagnétiques ou mécaniques (absorption, réflexion, etc.). La méthode utilisée consiste à concevoir et réaliser des matériaux ayant des structures qui leur confèrent ces propriétés, notamment l'invisibilité ! Ces structures sont généralement constitués par la répétition périodique de motifs de dimension inférieure à la longueur d’onde caractéristique du phénomène à contrôler (de la dizaine de nanomètres à plusieurs mètres selon le domaine considéré).

Un enseignant-chercheur de l'Université Bourgogne Franche-Comté au sein du l’institut FEMTO-ST, Muamer Kadic en collaboration avec des partenaires du Karlsruhe Institute of Technology (KIT) ont ainsi obtenu un métamatériau doté d'une propriété mécanique étonnante. Cet assemblage synthétique réagit à une pression qui lui est imposée par un mouvement de torsion. Une réponse impossible dans un matériau continu naturel. La recette appliquée par Muamer Kadic et ses collègues : des motifs chiraux, c'est-à-dire non superposables à leur image dans un miroir, comme l'est la main (chiros, en grec), et une fabrication par impression laser 3D de précision micrométrique.

S’ajoutent à cette nouvelle propriété mécanique d’autres fonctionnalités propres à ce métamatériau telles que l’allégement structurel et l’accroissement de rigidité. Protéger des objets d’ondes mécaniques indésirables pourrait en être une application potentielle. 
Publié le 16 mars 2018

Source 
http://www.femto-st.fr/fr/L-institut/Actualite/?eid=395&y=2018

» 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 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