Les ingénieurs pré-entraînent les ordinateurs IA pour les rendre encore plus puissants –

  • FrançaisFrançais



  • En 2016, un supercalculateur a battu le champion du monde en Go, un jeu de plateau compliqué. Comment? En utilisant l’apprentissage par renforcement, un type d’intelligence artificielle par lequel les ordinateurs s’entraînent après avoir été programmés avec des instructions simples. Les ordinateurs apprennent de leurs erreurs et, étape par étape, deviennent très puissants.

    Le principal inconvénient de l’apprentissage par renforcement est qu’il ne peut pas être utilisé dans certaines applications réelles. En effet, au cours du processus de formation, les ordinateurs essaient d’abord à peu près tout et n’importe quoi avant de finalement trébucher sur la bonne voie. Cette phase initiale d’essais et d’erreurs peut être problématique pour certaines applications, telles que les systèmes de climatisation où des variations brusques de température ne seraient pas tolérées.

    Apprendre le manuel du conducteur avant de démarrer le moteur

    Les ingénieurs du CSEM ont développé une approche qui surmonte ce problème. Ils ont montré que les ordinateurs peuvent d’abord être formés sur des modèles théoriques extrêmement simplifiés avant d’être configurés pour apprendre sur des systèmes réels. Cela signifie que lorsque les ordinateurs démarrent le processus d’apprentissage automatique sur les systèmes réels, ils peuvent s’appuyer sur ce qu’ils ont appris précédemment sur les modèles. Les ordinateurs peuvent donc se mettre rapidement sur la bonne voie sans passer par une période de fluctuations extrêmes. Les recherches des ingénieurs viennent d’être publiées dans Transactions IEEE sur les réseaux neuronaux et les systèmes d’apprentissage.

    «C’est comme apprendre le manuel du conducteur avant de démarrer une voiture», explique Pierre-Jean Alet, responsable de la recherche sur les systèmes énergétiques intelligents au CSEM et co-auteur de l’étude. «Avec cette étape de pré-formation, les ordinateurs constituent une base de connaissances sur laquelle ils peuvent s’appuyer afin de ne pas voler à l’aveugle alors qu’ils recherchent la bonne réponse.

    Réduction de la consommation d’énergie de plus de 20%

    Les ingénieurs ont testé leur approche sur un système de chauffage, de ventilation et de climatisation (CVC) pour un bâtiment complexe de 100 pièces en utilisant un processus en trois étapes. Tout d’abord, ils ont formé un ordinateur sur un «modèle virtuel» construit à partir d’équations simples décrivant grossièrement le comportement du bâtiment. Ensuite, ils ont introduit les données réelles du bâtiment (température, combien de temps les stores étaient ouverts, conditions météorologiques, etc.) dans l’ordinateur, pour rendre la formation plus précise. Enfin, ils ont laissé l’ordinateur exécuter ses algorithmes d’apprentissage par renforcement pour trouver la meilleure façon de gérer le système HVAC. Applications larges

    Cette découverte pourrait ouvrir de nouveaux horizons pour l’apprentissage automatique en étendant son utilisation à des applications où de fortes fluctuations des paramètres d’exploitation auraient des coûts financiers ou de sécurité importants.

    Source de l’histoire:

    Matériaux fourni par Centre suisse d’électronique et de microtechnique – CSEM. Remarque: le contenu peut être modifié pour le style et la longueur.

    Source

    N'oubliez pas de voter pour cet article !
    1 Star2 Stars3 Stars4 Stars5 Stars (No Ratings Yet)
    Loading...

    Laisser un commentaire

    Votre adresse de messagerie ne sera pas publiée.