Simbad dote l'intelligence artificielle de la perception

Par 02 décembre 2008
Mots-clés : Smart city

Pour rendre les solutions cognitives artificielles plus performantes, le projet européen souhaite utiliser la capacité humaine à trouver des ressemblances, qui se situe à l'intersection de la perception et de la connaissance.

Robots, solutions de gestion automatisée du véhicule, plates-formes d'interaction homme-machine ou encore diagnostics médicaux automatisés. Les secteurs qui utilisent des systèmes cognitifs artificiels seront nombreux. Systèmes qui fonctionnent grâce à des technologies comme la reconnaissance des formes et l'apprentissage automatique. Selon les responsables du projet européen Simbad, il est urgent de développer des méthodes capables de rendre encore plus performantes ces solutions. C'est pourquoi ils travaillent sur des logiciels qui utiliseront le principe de la similitude pour reconnaître et classer des données ou des objets, plutôt que l'approche traditionnelle, axée sur la reconnaissance par critères. Cette approche s'inspire de processus cognitifs propres à l'homme.
Entre perception et connaissance
Marcello Pelillo, de l'université Ca' Foscari Venezia, explique à L'Atelier qu'elle se situe à l'intersection de la perception et de la connaissance, et qu'elle joue un rôle important dans le processus de reconnaissance et de catégorisation de notre environnement. Le système sur lequel travaillent les scientifiques européens reproduira informatiquement ce processus. Plusieurs perspectives seront étudiées : théorique, informatique et applicative. En règle générale, les techniques de reconnaissance sont programmées pour identifier des objets à partir de certaines caractéristiques. Objets qui sont ensuite classés par catégories. Chaque nouveau critère est assimilé par la machine, qui sera par la suite capable de l'identifier immédiatement si elle le retrouve dans des données qui le contiennent.
Des applications médicales en vue
Le système est efficace, mais ne permet aux logiciels de se reposer que sur des facteurs quantifiables, des données brutes. Le premier but de ces recherches est d'améliorer les solutions de diagnostic de maladies comme le cancer ou les maladies mentales, qui exigent de brasser d'immenses quantités de données pour parvenir à identifier la présence ou non de telles pathologies. "Le diagnostic de ces maladies ne peut être résolu par les techniques traditionnelles d'apprentissage automatique, en raison de la difficulté à extraire des descriptions convenables à partir de seules caractéristiques", souligne Marcello Pelillo. Le projet a été lancé cette année, et devrait arriver à terme à la fin 2011. Il fait partie du plan européen FET (Future and Emerging Technology), lui-même intégré au sein du septième programme cadre pour la recherche et le développement technologique de l'Union européenne.

Mentions légales © L’Atelier BNP Paribas