Par Ian Gormely

Jeff Clune ne parle pas comme un chercheur moyen en apprentissage automatique. 

Alors que de nombreux scientifiques en IA discuteront volontiers d’optimisation ou de robustesse des modèles, parler avec Clune de son travail penche rapidement vers l’évolution de la pensée et de la culture humaines. 

« Je trouve la biologie évolutive infiniment fascinante », dit-il. « Comment l’algorithme relativement peu intelligent de l’évolution darwinienne peut-il produire toutes les merveilles étonnantes que vous voyez dans le monde naturel? L’évolution innove sans fin depuis 3,5 milliards d’années et continue de créer des surprises. Pourrions-nous recréer un processus aussi ouvert d’invention et de découverte à l’intérieur d’un ordinateur? » 

Cela ne veut pas dire que Clune, professeur agrégé à l’Université de la Colombie-Britannique et l’un des plus récents membres du corps professoral de Vector, manque des véritables qualités « canoniques » de ses collègues. Loin de là. Mais il a adopté cette approche plus large des problèmes dans le cadre de son objectif de créer des algorithmes « ouverts » qui apprennent continuellement. 

Bien sûr, reproduire la « magie » de l’évolution avec des ordinateurs nécessitera des algorithmes d’IA extrêmement puissants, créatifs et novateurs. « Je suis ouvert à toute méthode d’IA qui pourrait nous aider à faire ça », dit-il. « J’essaie de marier des inspirations et des idées issues de processus ouverts que je vois dans le monde réel, comme la culture humaine et l’évolution, avec les meilleures méthodes d’IA qui pourraient aider à reproduire cette magie à l’intérieur d’un ordinateur. » Souvent, ces méthodes impliquaient un apprentissage par renforcement profond, ou parfois des algorithmes évolutifs.

Même avec de tels objectifs ambitieux, le natif de Detroit — il a obtenu son baccalauréat à l’Université du Michigan ainsi que sa maîtrise et son doctorat à Michigan State — a réalisé des progrès significatifs. 

Dans un article publié en 2015 dans Nature, alors qu’il travaillait comme professeur adjoint à l’Université du Wyoming, lui et ses collègues Antoine Cully, Danesh Tarapore et Jean-Baptiste Mouret ont entraîné un robot à marcher de très diverses façons. « Une fois qu’un robot était endommagé, il pouvait examiner l’ensemble des comportements de marche qu’il connaissait déjà et, grâce à un apprentissage automatique sophistiqué, identifier rapidement quel comportement adopter maintenant que son corps est endommagé. » Dans un autre article pour Nature , Clune et ses collaborateurs Adrien Ecoffet, Joost Huizinga, Joel Lehman et Ken Stanley ont présenté Go-Explore, un algorithme qu’ils ont développé en travaillant chez Uber AI Labs (un laboratoire que Clune a contribué à créer). Go-Explore aide les agents à explorer et résoudre des environnements complexes et stimulants, car ils fournissent très peu de retour sur le fait que l’agent fait la bonne chose, ce qui rend difficile l’apprentissage. « C’est un peu comme jouer à plus chaud et plus froid, mais où le professeur reste silencieux jusqu’à ce que tu sois à moins d’un pied de l’objet. » Ils ont mis au défi l’agent de s’éparpiller et d’explorer le monde et d’apprendre autant de comportements diversifiés que possible. 

Pris ensemble, cette recherche fait partie d’un nouveau sous-domaine de l’IA appelé « algorithmes de diversité de qualité », que Clune et ses collègues sont des pionniers. Contrairement à la plupart des systèmes d’apprentissage automatique, qui offrent la meilleure solution unique pour un problème donné, les algorithmes de diversité de qualité essaient de vous offrir un ensemble diversifié de solutions de haute qualité. « Après des années où les gens n’ont pas vraiment progressé sur certains de ces défis difficiles d’exploration, cette nouvelle branche de méthodes nous a enfin permis de percer », dit-il. 

Les algorithmes de diversité de qualité font partie d’un objectif plus large visant à créer des systèmes d’IA ouverts, où l’objectif est un système qui innove véritablement pour toujours. En tant qu’étape importante dans cette direction, Clune et ses collaborateurs Rui Wang, Lehman et Stanley ont récemment introduit le système POET , qui crée ses propres défis puis les résout dans un « flux ouvert d’apprentissage et d’innovation ». Pour Clune, les algorithmes ouverts font partie d’un objectif encore plus ambitieux : les algorithmes générateurs d’IA, ou l’IA qui s’améliore sans cesse. Le potentiel est de créer un algorithme qui commence simple et devient de plus en plus intelligent, jusqu’à produire une IA de niveau humain, voire surhumain. « Je m’intéresse aux algorithmes générateurs d’IA parce que ça aborde la question de l’ouverture, ce qui est fascinant, mais aussi parce que je pense qu’ils pourraient être la voie la plus rapide pour produire une intelligence générale comme les humains. »

Clune étudiera ces idées dans son nouveau laboratoire à l’Université de la Colombie-Britannique et avec ses collaborateurs à l’Institut Vector. Pour en savoir plus sur son travail, vous pouvez le suivre sur @jeffclune sur Twitter ou visiter son site web http://jeffclune.com.