Par Ian Gormely
Jeff Clune ne parle pas comme le chercheur en apprentissage automatique moyen.
Alors que de nombreux spécialistes de l'IA discutent volontiers d'optimisation ou de robustesse des modèles, les conversations avec Clune sur son travail abordent rapidement l'évolution de la pensée et de la culture humaines.
« Je trouve la biologie évolutive infiniment fascinante », dit-il. « Comment l’algorithme relativement rudimentaire de l’évolution darwinienne parvient-il à produire toutes les merveilles que l’on observe dans la nature ? L'évolution innove sans cesse depuis 3,5 milliards d'années et continue de nous surprendre. Pourrions-nous recréer un processus d'invention et de découverte aussi ouvert dans un ordinateur ? »
Cela ne signifie pas pour autant que Clune, professeur agrégé à l'Université de la Colombie-Britannique et l'un des plus récents membres de l'équipe de Vector, soit dépourvu de la légitimité reconnue de ses collègues. Bien au contraire. Mais il a adopté cette approche plus large des problèmes dans le cadre de son objectif de créer des algorithmes « ouverts » qui apprennent en continu.
Bien sûr, reproduire la « magie » de l'évolution par ordinateur exigera des algorithmes d'IA extrêmement puissants, créatifs et novateurs. « Je suis ouvert à toute méthode d'IA qui pourrait nous y aider », affirme-t-il. « Je m'efforce d'allier les inspirations et les idées issues de processus ouverts que j'observe dans le monde réel, comme la culture humaine et l'évolution, aux meilleures méthodes d'IA pouvant contribuer à reproduire cette magie au sein d'un ordinateur. « Ces méthodes font souvent appel à l'apprentissage par renforcement profond, ou parfois à des algorithmes évolutionnaires.
Malgré des objectifs aussi ambitieux, ce natif de Détroit — il a obtenu son baccalauréat à l'Université du Michigan et sa maîtrise et son doctorat à l'Université d'État du Michigan — a fait des progrès significatifs.
Dans un article paru en 2015 dans Nature , alors qu'il était chargé de cours à l'Université du Wyoming, Clune et ses collègues Antoine Cully, Danesh Tarapore et Jean-Baptiste Mouret ont entraîné un robot à marcher de multiples façons. « Lorsqu'un robot était endommagé, il pouvait consulter l'ensemble des comportements de marche qu'il connaissait déjà et, grâce à un apprentissage automatique sophistiqué, identifier rapidement le comportement à adopter compte tenu de ses lésions. Dans un autre article de Nature , Clune et ses collaborateurs Adrien Ecoffet, Joost Huizinga, Joel Lehman et Ken Stanley ont présenté Go-Explore, un algorithme développé chez Uber AI Labs (un laboratoire que Clune a contribué à créer). Go-Explore aide les agents à explorer et à résoudre des environnements complexes et difficiles, car ces derniers fournissent très peu de rétroaction sur la pertinence des actions de l'agent, ce qui rend l'apprentissage complexe. « C'est un peu comme jouer à "chaud/froid", sauf que le prof reste silencieux jusqu'à ce qu'on soit à moins de 30 centimètres de l'objet. » Ils ont mis l'agent au défi de se déployer, d'explorer le monde et d'apprendre autant de comportements divers et de haute qualité que possible.
Ces recherches s'inscrivent dans un nouveau sous-domaine de l'IA appelé « algorithmes de diversité de qualité », dont Clune et ses collègues sont les pionniers. Contrairement à la plupart des systèmes d'apprentissage machine, qui offrent une seule solution optimale à un problème donné, les algorithmes de diversité de qualité s'efforcent de fournir un ensemble diversifié de solutions de haute qualité. « Après des années d'échecs face à ces défis d'exploration complexes, cette nouvelle approche nous a permis de réaliser une avancée significative », explique-t-il.
Les algorithmes de diversité de qualité s'inscrivent dans un objectif plus vaste : créer des systèmes d'IA ouverts, capables d'innover en permanence. Dans cette optique, Clune et ses collaborateurs Rui Wang, Lehman et Stanley ont récemment présenté le système POET , qui génère ses propres défis et les résout dans un flux continu d'apprentissage et d'innovation. Pour Clune, les algorithmes ouverts participent d'un objectif encore plus ambitieux : les algorithmes générateurs d'IA , c'est-à-dire une IA qui s'améliore sans cesse. Le potentiel réside dans la création d'un algorithme qui, partant de concepts simples, devient progressivement plus intelligent, jusqu'à atteindre un niveau d'intelligence comparable à celui de l'humain, voire supérieur. « Je m'intéresse aux algorithmes générateurs d'IA parce qu'ils permettent d'aborder la question de l'ouverture, un sujet fascinant, mais aussi parce que je pense qu'ils pourraient constituer la voie la plus rapide vers une intelligence générale semblable à celle des humains. »
Jeff Clune mènera des recherches sur ces idées dans son nouveau laboratoire à l'Université de la Colombie-Britannique et en collaboration avec ses collègues du Vector Institute. Pour en savoir plus sur ses travaux, vous pouvez le suivre sur Twitter (@jeffclune) ou consulter son site Web (http://jeffclune.com).
