Deux équipes de l’Université de Stanford et de Google ont franchi un cap important en matière d’intelligence artificielle appliquée à la reconnaissance d’images.
 
Dans le cadre de leurs travaux sur les réseaux de neurones, ces deux groupes de chercheurs indépendants ont produit un programme informatique capable de décrire le contenu de photos et de vidéos avec une précision sans précédent, en utilisant conjointement deux types de réseaux de neurones : l’un dédié à la reconnaissance de formes ; l’autre au langage humain.
 
Au-delà de la simple détection d’objets, la réflexion s’est concentrée cette fois-ci sur l’identification de scènes.
 

Une percée qui rapproche les robots des hommes

 
La machine, qui fait presque aussi bien que l’homme, a réussi à reconnaître un groupe de jeunes jouant au frisbee, un cliché pris lors d’une épreuve de motocross, un troupeau d’éléphants dans la savane ou des pizzas posées sur une gazinière.
 
Seul bémol, la machine a (encore) du mal à déterminer si les deux joueurs de hockey se disputent le palet ou s’ils se trouvent simplement sur le même plan…
Ces avancées pourraient déjà permettre de décrire, même approximativement, des milliards d’images et de vidéos disponibles en ligne et jusqu’à maintenant non traitées et non référencées.
 

La reconnaissance d’images, pour l’aide et la surveillance

 
A plus long terme, les perspectives visent l’assistance aux personnes aveugles ou malvoyantes, mais elles pourraient également avoir une utilisation dans le domaine de la vidéo-protection : ces machines seront sans doute capables d’identifier des individus et de déterminer d’éventuels « comportements à risques ».
 
Pour ne rien dire des applications militaires et policières.
 
Plus rien n’échappera donc aux robots.