jeudi, 28 mars 2024

Les données synthétiques pour l’IA comblent les lacunes dans les cas extrêmes

L’apprentissage en profondeur a poussé les capacités de l’intelligence artificielle à de nouveaux niveaux, mais il reste encore quelques problèmes à régler. En particulier dans les applications critiques pour la sécurité telles que les voitures autonomes. Si un moteur de recommandation d’intelligence artificielle (IA) se trompe dans ses prédictions et place une publicité étrange dans la fenêtre de votre navigateur, vous pourriez lever un sourcil. Mais aucun dommage à long terme n’aurait été fait. Les choses sont bien sûr très différentes lorsque les algorithmes prennent le volant et rencontrent quelque chose qu’ils n’ont jamais vu auparavant. Les événements rares, ou cas extrêmes, posent un problème délicat aux développeurs de véhicules autonomes. Heureusement, des données synthétiques pour l’IA, basées sur des simulations réalistes d’événements réels, pourraient aider à combler les lacunes.

Aucun pixel n’a été endommagé pendant le tournage

La possibilité de créer des images générées par ordinateur qui impressionnent le public des films peut être réutilisée. Au lieu de donner vie aux extraterrestres, les outils numériques peuvent, par exemple, créer une vaste gamme de scénarios automobiles improbables, mais théoriquement possibles. De tels événements inattendus pourraient inclure un camion et une remorque renversés sur l’autoroute. Et ensuite, ces données synthétiques pour l’IA peuvent être déployées pour tester en toute sécurité les systèmes de conduite autonome.

Les véhicules autonomes naviguent sur les perspectives du marché

Les programmes d’ingénierie peuvent également être utilisés. Les ordinateurs sont devenus hautement capables d’exécuter des modèles physiques pour tester la conception des bâtiments et l’intégrité d’autres structures mécaniques. Et cette fonctionnalité peut être appliquée pour générer des données réalistes pour les algorithmes d’IA de conduite autonome à ingérer. Les outils de clustering peuvent comparer les données synthétiques avec les informations recueillies dans le monde réel pour vérifier que les deux ensembles sont comparables.

Les données synthétiques pour l’IA aident les développeurs de véhicules autonomes à accélérer leurs programmes de formation en permettant aux algorithmes de tester leurs capacités 24h/24 et 7j/7 dans un environnement purement numérique. Les exemples incluent des solutions telles que NVIDIA’s Omniverse Replicator. L’outil permet aux utilisateurs d’augmenter les environnements du monde réel avec des scénarios rendus numériquement, comme une couche de neige épaisse recouvrant la route, obscurcissant les panneaux de signalisation. Une autre illustration de ses capacités est de simuler numériquement un enfant courant sur la route à la poursuite d’un ballon.

Analyse coûts-avantages

Les développeurs pourraient, bien sûr, utiliser des mannequins de test de collision et divers accessoires pour obtenir le même résultat, mais le temps et les dépenses nécessaires pour le faire sont bien gonflés par rapport au déploiement de données synthétiques. De plus, si les choses tournent mal, vous risquez d’endommager le véhicule et ses capteurs, alors que dans un environnement simulé, tout peut être simplement actualisé et réexécuté.

Test drive : assurance logicielle pour les véhicules autonomes

Des entreprises telles que Synthesis AI ont montré comment des données synthétiques peuvent être utilisées pour tester l’efficacité des systèmes de surveillance de la sécurité des conducteurs. Ces outils fonctionnent en suivant le visage du conducteur pour identifier les signes de somnolence ou de distraction. La sortie peut être liée à des systèmes avancés d’aide à la conduite (ADAS) – par exemple, pour amorcer des mécanismes pré-collision si les alertes de surveillance de la sécurité ne déclenchent pas de réponse du conducteur.

Naturellement, les développeurs ne demanderaient pas exprès à un pilote d’essai de s’endormir au volant – alors qu’un véhicule accélère sur la route – afin qu’ils puissent mettre un algorithme de détection faciale potentiel (et les atténuations qui vont avec) pour le test. Au lieu de cela, des données synthétiques peuvent être déployées. Synthesis AI souligne que même 5 à 10 secondes de sommeil – définies comme un « épisode de microsommeil » – peuvent être suffisantes pour provoquer un accident, de sorte que les systèmes de surveillance de la sécurité des conducteurs doivent être capables de réagir rapidement et avec précision aux déclencheurs. Des changements dans les modèles de direction peuvent être un signe que le conducteur devient somnolent. Mais, plus récemment, l’utilisation de systèmes de vision capables de différencier le clignotement du sommeil a suscité un intérêt, car les signes avant-coureurs pourraient potentiellement être détectés plus tôt. Les expressions faciales peuvent également révéler des signes de somnolence.

La formation technique fait redémarrer BNPL

Pour aider les développeurs de systèmes de surveillance de la sécurité des conducteurs, Synthesis AI a créé un service appelé FaceAPI. L’outil permet aux utilisateurs de créer des millions de modèles de pilotes 3D uniques avec différentes expressions faciales « FaceAPI est déjà capable de produire une grande variété d’émotions, y compris, bien sûr, les yeux fermés et la somnolence », écrivent les créateurs. Développant les capacités du logiciel de génération de données synthétiques, le modèle peut également représenter un conducteur regardant son téléphone ou se tournant pour parler à un passager plutôt que de se concentrer sur la route.

Une longueur d’avance

La disponibilité de données synthétiques réalistes pour l’IA peut aider les entreprises à pénétrer des marchés où les concurrents peuvent détenir de vastes ensembles de données qui, autrement, constitueraient une barrière élevée à l’entrée. Permettre aux start-ups de générer facilement des ensembles de formation IA utiles basés sur des données synthétiques donne aux nouvelles entreprises la capacité de créer rapidement une dynamique sans avoir besoin d’investir de grandes quantités de capital.

Les données synthétiques vont au-delà de la simple recréation de scénarios qui seraient problématiques dans le monde réel. Le concept donne aux développeurs d’IA beaucoup plus de latitude pour explorer de nouveaux domaines du monde réel où les données de formation seraient généralement coûteuses, longues ou les deux à collecter à grande échelle. Le cabinet d’analystes Gartner est optimiste quant à la croissance des données synthétiques pour l’IA. La société prévoit que, au cours de la prochaine décennie, les données synthétiques deviendront la principale forme de données utilisées en IA .

.

Toute l’actualité en temps réel, est sur L’Entrepreneur

LAISSER UN COMMENTAIRE

S'il vous plaît entrez votre commentaire!
S'il vous plaît entrez votre nom ici