fabernovel loader

10 avril 2017 | 7 min de lecture

Tech

DeepMind, le laboratoire start-up

Tom Morisse

Research Manager


FABERNOVEL
En quelques années seulement depuis son lancement en 2010, DeepMind est incontestablement devenu le groupe de recherche le plus célèbre du paysage de l’IA. Son ascension a été accélérée par son rachat en janvier 2014 par Google, pour la somme de 650 millions de dollars. Et bien entendu, la victoire de son programme AlphaGo sur l’un des meilleurs joueurs professionnels de go, en mars 2016, a placé DeepMind sous le feu des projecteurs.

Plus qu’une source intarissable de gros titres, DeepMind illustre parfaitement à nos yeux la vague actuelle de recherche en IA de trois façons, toutes intimement liées à sa nature hybride mêlant start-up et centre de recherche : il conduit ses travaux d’une manière innovante, explore une grande variété d’applications et ses réussites soulèvent bon nombre de questions existentielles.

 

1/ DeepMind propose une nouvelle façon de mener des projets de recherche complexes

La meilleure façon de décrire DeepMind est de le qualifier de laboratoire start-up. Une organisation à l’objectif ambitieux : « résoudre l’intelligence » et « l’utiliser pour créer un monde meilleur ». Dans l’esprit de ses fondateurs, DeepMind rassemble le meilleur des deux mondes, à mi-chemin entre les institutions académiques et la Silicon Valley. Selon son co-fondateur, Mustafa Suleyman, DeepMind est même imprégné de « valeurs du secteur public ».

Ainsi, DeepMind est qualifié par son PDG et autre co-fondateur, Demis Hassabis, de « programme Apollo de l’IA ». L’entreprise rassemble 250 scientifiques attirés par de nombreux facteurs, dont de hauts niveaux de salaire, la possibilité de s’attaquer à des problèmes difficiles et variés ainsi que de travail avec des collègues aussi brillants les uns que les autres, aux profils diversifiés (des neuroscientifiques aux physiciens).

Les bureaux de DeepMind à Londres

Ce qui est intéressant, c’est que Google n’a pas touché à l’indépendance de DeepMind après son acquisition. Comme le montrent ses comptes annuels, ses marges de manoeuvre sont conséquentes : l’entreprise a dépensé 38 millions de livres en 2014 et 54 millions de livres en 2015 (sans aucun revenu en face).

Mais DeepMind est également hybride dans l’approche scientifique adoptée par ses chercheurs en ce qui concerne l’IA. Cette approche est profondément idiosyncratique et Demis Hassabis en est l’incarnation. À 40 ans, c’est un ancien enfant prodige des échecs ayant créé un studio de jeux vidéo avant d’obtenir un doctorat en neurosciences informatiques à l’University College London. Toute cette expérience a nourri le travail de DeepMind, centré sur ce qu’ils appellent le « deep reinforcement learning », l’association du deep learning (voilà l’inspiration des neurosciences) et du reinforcement learning (ils utilisent depuis longtemps un environnement de jeu vidéo pour entraîner leurs modèles).

DeepMind Lab, une plateforme de jeu en 3D pour entraîner les modèles d’IA

Au final, DeepMind travaille au développement de « systèmes d’apprentissages généralistes », des modèles qui, contrairement à leurs nombreux prédécesseurs et même à leurs concurrents, pourraient aisément être appliqués d’un domaine de problèmes au suivant. Et ceci ouvre toute une série d’usages possibles.

 

2/ DeepMind met en lumière l’étendue des applications potentielles pour l’IA

La nature hybride de DeepMind est la raison pour laquelle l’entreprise s’intéresse aux progrès de la recherche, mais pas (seulement) pour la théorie en elle-même. Comme Mustafa Suleyman l’a récemment expliqué dans un entretien, pour eux, « créer un monde meilleur » signifie régler des problèmes urgents comme le réchauffement climatique ou la faim dans le monde. Que l’on soit bien clair, ils n’ont pas encore proposé de solution (en tout cas pas publiquement), mais c’est leur objectif ultime. Le titre de Suleyman « Responsable de l’IA appliquée » est une preuve de leur volonté d’obtenir des résultats tangibles et pas seulement les honneurs académiques.

De la lecture sur les lèvres à la synthèse vocale en passant par la génération d’images, des jeux Atari au go, les multiples projets de recherche de DeepMind englobent de nombreux sous-problèmes auxquels s’attelle traditionnellement l’IA.

En mars 2016, AlphaGo a défié le maître coréen du go Lee Sedol, et l’a battu

Jusqu’ici l’entreprise s’est intéressée à deux domaines d’application :

  • DeepMind Health est un partenariat de 5 ans avec le système national de santé du Royaume-Uni dont le but est d’analyser les dossiers des patients afin de diagnostiquer des maladies plus tôt.
  • DeepMind for Google est l’effort de collaboration avec différentes équipes telles que Google Play ou Google Ads. En 2016, le résultat le plus important a été la réduction de 40 % de la facture de refroidissement des data centers de Google.

L’application Streams, développée par DeepMind, aide infirmiers et médecins à obtenir les informations les plus pertinentes sur leurs patients en temps réel

Ce qui séduit chez DeepMind, c’est qu’on ne sait jamais où ils vont frapper, d’autant plus qu’ils peuvent désormais bénéficier de la puissance de feu de Google, c’est-à-dire un accès potentiel à des jeux de données et à une infrastructure de calcul à grande échelle.

 

3/ DeepMind incarne toutes nos inquiétudes concernant l’IA

À chaque succès, DeepMind contribue à repousser les frontières de ce que peut faire l’intelligence artificielle, ce qui est souvent interprété comme une érosion de ce qui semblait être la chasse gardée de l’humanité. Après tout, le jeu millénaire du go était censé être tellement complexe que les machines auraient dû attendre encore quelques décennies avant de nous battre.

Si comme trop souvent l’on considère l’intelligence collective comme une quantité fixe, les victoires d’AlphaGo en viennent forcément à questionner notre place dans le monde, notre singularité. En ce sens, Gu Li, l’un des maîtres du go vaincus par une nouvelle version d’AlphaGo en janvier 2017, a exprimé une vision très pessimiste de notre avenir : « Je suis obligé de me demander si, un jour, dans de nombreuses années, quand nous aurons découvert que nos savoirs, nos connaissances et nos choix sont tous erronés, l’on continuera sur le mauvais chemin ou si nous le rejetterons. »

De plus, à cause de son immense ambition et de l’étendue de ses projets de recherche, DeepMind nourrit les craintes face à une IA toute-puissante qui tournerait mal. Si l’IA est réellement une « méta-solution » (ce sont les mots d’Hassabis), alors elle pourrait aussi devenir un méta-problème. En effet, Elon Musk a investi dans DeepMind afin de garder un œil sur le développement de l’IA, et nous pouvons supposer que ce qu’il y a vu est sans doute l’une des raisons qui l’a poussé à co-fonder OpenAI, une institution à but non lucratif dont la mission est de bâtir une IA sécurisée et diffusée librement.

L’entrée de DeepMind dans le domaine de la santé a également ravivé des craintes concernant la vie privée, puisque des modèles d’IA récents sont entraînés et appliqués à de très grands volumes de données. Par exemple, le partenariat avec le système de santé britannique donnera à DeepMind accès à des données liées à 1,6 million de patients. Le projet a donc été vivement critiqué par les défenseurs de la vie privée. (C’est bien le problème de la santé : c’est un secteur qui n’attend qu’à être amélioré, mais c’est également l’un des domaines les plus sensibles qui soient.)

Il est important de noter que les dirigeants de DeepMind se préoccupent des conséquences de leurs projets et qu’ils considèrent que la confiance dans et le contrôle de l’intelligence artificielle sont des enjeux majeurs. Le problème est que leurs efforts pour dissiper les craintes sont souvent contre-productifs. Le cas le plus représentatif (et avouons-le, le plus drôle) est la création, après son rachat par Google, d’un comité d’éthique… dont l’entreprise refuse de révéler l’identité des membres.

DeepMind peut encore faire beaucoup pour améliorer sa transparence. Jusqu’à son rachat par Google en 2014, il avait gardé au minimum la quantité d’informations disponibles (une landing page rudimentaire, point). Même aujourd’hui, DeepMind ne publie pas la liste exhaustive des chercheurs qui composent ses équipes (tout ce qu’on peut faire est d’établir la liste nous-mêmes en repérant les noms des auteurs des articles publiés).

En continuant d’améliorer ses modèles et de s’attaquer à des problèmes toujours plus sensibles, DeepMind n’aura pas d’autre choix que de s’ouvrir. L’entreprise peut grandement contribuer au développement de l’IA, en tant que chantier technologique comme en tant que débat sociétal. Un projet global dont la transparence devrait être considérée comme un élément essentiel et non un frein.

 


Ensemble fascinant d’influences, de pratiques, d’ambitions et d’intérêts, DeepMind devrait inspirer (en bien ou en mal) toute organisation visant à construire un effort de recherche autour de l’intelligence artificielle :

  1. C’est un travail d’équipe ! Vous ne recrutez pas une série d’individus, mais une équipe de pairs qui cherchent à relever des défis en travaillant avec les meilleurs (réfléchissez à la façon d’atteindre cet « effet réseau » qui attirera les meilleurs scientifiques dans un cercle vertueux).
  2. Proposez une culture de recherche singulière. Les doctorants apprécient les environnements qui associent le meilleur des différents « écosystèmes » de recherche : l’ambition et l’atmosphère des start-up, le focus sur l’intérêt général et le long terme des universités ainsi que l’impact et la portée des grands groupes.
  3. Encouragez l’équipe de recherche à passer à des applications concrètes. Les modèles d’IA contemporains peuvent plus facilement passer de la recherche basique à des phases de prototypage. Vous pouvez tirer profit de cela pour à la fois (i) donner à relever à votre équipe d’IA des défis plus ambitieux et (ii) accélérer les phases de test et d’intégration des efforts de recherche au sein de vos services et processus.
  4. La transparence n’est pas négociable. Soyez prêt à donner libre accès à vos domaines de recherche actuels et à publier ouvertement les résultats clés et la liste exhaustive de votre équipe de scientifiques. Créez un comité d’éthique dont la composition et les conclusions seront rendues publiques.

Vous souhaitez recevoir chaque semaine un nouvel épisode de notre première saison sur l'intelligence artificielle ?

Inscrivez-vous
Cet article appartient à une enquête
logo business unit

FABERNOVEL

Distribute the future. Connect leaders. Change the game. We ignite ventures and transform organizations for the new economy.

à lire