Difference between revisions of "VT2020-OpenAI Microscope-Fiche"
| Line 20: | Line 20: | ||
= Microscope = |
= Microscope = |
||
| + | |||
| + | OpenAI Microscope est un outil sorti au printemps 2020 qui permet de visualiser graphiquement chaque couche significative et chaque neurone de chaque couche d'un réseau de neurones. Grâce à cet outil, on peut explorer un réseau de neurone facilement afin de mieux comprendre son fonctionnement. |
||
| + | |||
| + | == Définitions == |
||
| + | Quelques définitions sont nécessaires avant de comprendre plus en détail le fonctionnement de Microscope. |
||
| + | === Réseau de neurones === |
||
| + | Un réseau de neurones est un système informatique qui s'inspire du cerveau humain pour apprendre. |
||
| + | |||
| + | Voici l'architecture d'un réseau de neurones: |
||
| + | [[File:neurones.jpeg]] |
||
| + | |||
| + | === ImageNet === |
||
| + | === Places365 === |
||
| + | |||
| + | == Modèles compatibles == |
||
| + | Microscope fonctionne sur 8 réseaux de neurones différents, tous basés sur la reconnaissance d'images: |
||
| + | * '''Inception v1''' : apprentissage basé sur ImageNet, en 22 couches, sorti en 2014. |
||
| + | * '''Inception v1 (Places)''' : apprentissage basé sur Places365, même architecture que Inception v1 mais spécialisé dans la reconnaissance de lieux, sorti en 2014. |
||
| + | * '''Inception v3''' : apprentissage basé sur ImageNet, plus performant et efficace qu'Inception v1, sorti en 2015. |
||
| + | * '''Inception v4''' : appretissage basé sur ImageNet, encore plus performant et efficace qu'Inception v3, sorti en 2016. |
||
| + | * '''VGG 19''' : Réseau assez simple basé sur Inception en version simplifiée. |
||
| + | * '''ResNet v2 50''' |
||
| + | * '''AlexNet''' : Modèle le plus connu et le plus étudié basé sur ImageNet. |
||
| + | * '''AlexNet (Places)''' : Même architecture que le réseau AlexNet mais avec un apprentissage basé sur Places365 |
||
| + | |||
| + | Ces modèles de reconnaissance d'images se différencient grâce à leurs caractéristiques d'apprentissage (différentes tailles de couches de convolution, différentes fonctions utilisées, différents poids ...) mais font partis des modèles les plus performants à l'heure actuelle. Microscope s'intéresse donc au fonctionnement de ses réseaux de neuronnes en essayant de comprendre ce qu'apprend concrètement un modèle. |
||
= Définitions = |
= Définitions = |
||
Revision as of 09:54, 4 January 2021
OpenAI
OpenAi est une association fondée en 2015 par Elon Musk et Sam Altman. Cette association est devenue en 2019 une entreprise à but lucratif non plafonné pour obtenir plus de moyens. L'entreprise a pour but de faire avancer la recherche sur l'intelligence artificielle afin que les machines puissent analyser et comprendre au mieux l'environnement qui les entoure. À terme, l'association aimerait créer une intelligence artificielle à visage humain. Plusieurs entreprises financent ce projet comme par exemple LinkedIn, Microsoft et Amazon Web Services.
Projets
Depuis la création de l'association, de nombreux projets ont vu le jour. En voici quelques uns notables:
- GYM : Développer et comparer des algorithmes d'apprentissage par renforcement (voir site internet pour en savoir plus).
- ROBOSUMO : IA en forme d'homme bâton qui apprend seule à marcher, jouer au foot, faire du sumo, etc... Voici une vidéo YouTube qui illustre le projet ROBOSUMO.
- DACTYL : Main artificielle pilotée par une IA. Elle est aujourd'hui capable de réaliser des Rubik's Cube (voir vidéo).
- JUKEBOX : IA pour créer de la musique.
- GPT-3 : Voir la fiche sur le sujet.
- OPEN FIVE et GYM RETRO : IA permettant de jouer aux jeux vidéos. OPEN FIVE joue à des jeux récents tandis que GYM RETRO est spécialisée dans le retrogaming.
- DEBATE GAME : Jeu de débat en ligne où il faut deviner quelle IA dit la vérité lors d'un débat.
Beaucoup d'autres projets ont bien évidemment vu le jour, dont notamment Microscope présenté ci-dessous.
Microscope
OpenAI Microscope est un outil sorti au printemps 2020 qui permet de visualiser graphiquement chaque couche significative et chaque neurone de chaque couche d'un réseau de neurones. Grâce à cet outil, on peut explorer un réseau de neurone facilement afin de mieux comprendre son fonctionnement.
Définitions
Quelques définitions sont nécessaires avant de comprendre plus en détail le fonctionnement de Microscope.
Réseau de neurones
Un réseau de neurones est un système informatique qui s'inspire du cerveau humain pour apprendre.
Voici l'architecture d'un réseau de neurones:
ImageNet
Places365
Modèles compatibles
Microscope fonctionne sur 8 réseaux de neurones différents, tous basés sur la reconnaissance d'images:
- Inception v1 : apprentissage basé sur ImageNet, en 22 couches, sorti en 2014.
- Inception v1 (Places) : apprentissage basé sur Places365, même architecture que Inception v1 mais spécialisé dans la reconnaissance de lieux, sorti en 2014.
- Inception v3 : apprentissage basé sur ImageNet, plus performant et efficace qu'Inception v1, sorti en 2015.
- Inception v4 : appretissage basé sur ImageNet, encore plus performant et efficace qu'Inception v3, sorti en 2016.
- VGG 19 : Réseau assez simple basé sur Inception en version simplifiée.
- ResNet v2 50
- AlexNet : Modèle le plus connu et le plus étudié basé sur ImageNet.
- AlexNet (Places) : Même architecture que le réseau AlexNet mais avec un apprentissage basé sur Places365
Ces modèles de reconnaissance d'images se différencient grâce à leurs caractéristiques d'apprentissage (différentes tailles de couches de convolution, différentes fonctions utilisées, différents poids ...) mais font partis des modèles les plus performants à l'heure actuelle. Microscope s'intéresse donc au fonctionnement de ses réseaux de neuronnes en essayant de comprendre ce qu'apprend concrètement un modèle.
Définitions
Réseau de neuronnes
ImageNet
Places365
Fonctionnement
Visualisations
Architecture en couches
Car Detector
Utilité
Sources
Site officiel : http://www.flogo.io/
Github : https://github.com/tibcosoftware/flogo