Des chercheurs du Massachusetts Institute of Technology (MIT) et des Universités de New York et de Toronto ont créé une machine imitant la manière d'apprendre du cerveau humain ce qui représente une avancée dans l'intelligence artificielle, révèlent leurs travaux publiés jeudi. Les programmes informatiques actuels dits "réseaux neuronaux", inspirés du fonctionnement des neurones biologiques, peuvent reconnaître la voix humaine ou détecter des objets en étant exposés à de vastes séries d'exemples à partir desquelles ils font des associations. La nouvelle approche, appelée "Bayesian Program Learning" (BPL), qui a été créée par ces chercheurs imite la manière dont notre cerveau acquiert et comprend de nouveaux concepts. Ainsi, comme les humains, ce programme est capable d'apprendre rapidement les caractères dans plusieurs langues et de généraliser ce qu'il a appris. Le nouveau logiciel, décrit dans la revue américaine Science, peut apprendre à reconnaître des caractères manuscrits après en avoir "vu" seulement quelques-uns ou même un seul. "Pour la première fois, nous pensons avoir un système informatique capable d'apprendre un grand nombre de concepts visuels qui est difficilement différentiable de la manière dont apprennent les humains", a expliqué lors d'une téléconférence de presse Joshua Tenenbaum, professeur au MIT, l'un des principaux auteurs. "Avant même d'aller à la maternelle, les enfants apprennent à reconnaître de nouveaux concepts à partir de seulement un exemple et peuvent même en imaginer de nouveaux", a-t-il poursuivi. "Nous sommes encore loin de construire des ordinateurs aussi intelligents qu'un enfant humain", a souligné ce scientifique, "mais ce logiciel est le premier capable d'apprendre et d'utiliser un vaste ensemble de concepts concrets, comme des caractères manuscrits..." Ce nouveau programme "apprend à apprendre" également en utilisant de précédents concepts connus pour accélérer l'apprentissage de nouveaux concepts comme l'utilisation de l'alphabet latin pour apprendre des lettres de l'alphabet grec. Ces chercheurs ont appliqué leur modèle à plus de 1.600 types de caractères manuscrits dans cinquante langues dont le sanskrit, le tibétain et le clagolitique. Outre le fait de tester la capacité de l'ordinateur à reconnaître de nouveaux exemples d'un concept, les chercheurs ont demandé à un groupe d'humains et à la machine de reproduire une série de caractères manuscrits après avoir vu un seul exemple de chacun d'eux. Ils ont aussi été invités à créer de nouveaux caractères dans le même style de ceux qu'on leur a montrés. Moins de 25% d'un groupe d'examinateurs des résultats a pu faire la distinction entre les caractères produits par les humains et ceux produits par l'ordinateur, une indication claire que le raisonnement de la machine est similaire à celui de l'homme dans ces cas.
