Des chercheurs de Google Brain ont publié jeudi 24 octobre 2019 un article scientifique au sujet d'un réseau de neurones qu'ils développent et qui permettrait de doter les machines d’un odorat.

Ø Les chercheurs de Google Brain  (1) travaillent à la création de capteurs d'odeurs.

Si les capteurs permettant de reconnaître puis d'analyser des données visuelles existent depuis longtemps, il n’en est pas de même pour les odeurs.

Dans une première version de son étude, parue jeudi 24 octobre 2019 sur la plate-forme en ligne Arxiv, Google Brain indique élaborer un réseau de neurones qui serait à même d’identifier diverses senteurs.

Ce serait une avancée importante du point de vue scientifique, les spécialistes n’ayant à ce jour jamais établi le lien entre la structure chimique d’une molécule, complexe, et l’odeur de cette dernière.

Ø L’équipe de Google Brain s’est basée sur les données de  5000 molécules exploitées par les parfumeurs.

Annotées par les professionnels selon leur senteur, les deux tiers de celles-ci ont servi à entraîner un réseau de neurones de type GNN (Graph Neural Network), en quelque sorte, une forme de machine learning capable d’analyser des données "non-rectangulaires" telles que des structures chimiques.

 Le tiers restant des molécules, non-répertorié, a ensuite été utilisé pour tester cet outil.

L’objectif était que ce dernier aille chercher dans ses connaissances pour rapprocher deux odeurs similaires.

Les chercheurs jugent leurs résultats concluants.

Si des technologies permettent déjà, grâce à la biochimie et à l'optique de déterminer  de manière non fine des odeurs, cette recherche est l'une des premières à se centrer  sur le fond du problème.

Il s’agit bien ici d’études basées sur le machine learning, et cette recherche subit néanmoins donc les aléas de la qualité des données.

Selon le chercheur Alexei Koulakov du Cold Spring Harbor Laboratory de New-York , l’outil mis au point par ses confrères de Google Brain pourra constituer une base solide, à même de participer au développement d’algorithmes plus robustes ; mais il considère cependant que l’intérêt même de se fier à un modèle informatique pour essayer d’appréhender le système olfactif humain reste encore incertain.

A suivre donc…

(1)           Retour  sur la création et le développement de Google Brain

Le projet Google Brain a commencé en 2011 comme une collaboration de recherche à temps partiel entre Jeffrey Dean, Greg Corrado chercheurs chez Google et le professeur de l'université Stanford Andrew Ng.

Ng était intéressé depuis 2006 par l'utilisation de l'apprentissage en profondeur pour faire progresser l'intelligence artificielle, et en 2011 il avait commencé à collaborer avec Dean et Corrado pour construire un système logiciel d'apprentissage en profondeur à grande échelle, DistBelief, sur l'infrastructure du cloud computing de Google.

Google Brain, à l’origine, n’est qu’un projet confidentiel, initié par Jeff Dean, suite à une rencontre avec Andrew Ng, qui a l’intuition que les réseaux neuronaux possèdent un potentiel inexploité.

Ils lancent le projet « Marvin », en hommage à Marvin Minsky, un des pères fondateurs de l’Intelligence Artificielle, qui deviendra Google Brain par la suite.

Après quelques mois passés à identifier les cas d’usage les plus propices à l’application du Deep Learning, ils obtiennent de premiers résultats concrets avec Android JellyBean (alors la nouvelle version de l’OS mobile de Google) : la reconnaissance vocale, qui permettra notamment de dicter des messages à son téléphone.

Un des premiers cas d’usage concrets de l’approche Deep Learning vient de voir le jour, et l’équipe se met en quête de nouveaux domaines à explorer.

A ce moment, Google Maps propose déjà Street View, et dispose donc d’une énorme quantité de photographies haute résolution, réalisées par une flotte de Google Cars qui sillonnent les villes du monde entier.

Pour que la cartographie soit plus précise, Google a besoin d’en extraire les numéros de rue pour chaque bâtiment identifié.

Jeff Dean et Andrew Ng, accompagnés par plusieurs chercheurs dont Geoffrey Hinton (un pionnier des réseaux neuronaux dès les années 80), vont chercher un moyen d’automatiser la collecte des numéros de rue.

Encore une fois, le Deep Learning va prouver son efficacité : ainsi, après quelques mois, il suffira d’une heure aux machines de Google pour correctement extraire tous les numéros de toutes les photos prises pour un pays comme la France.

A partir de ces premiers résultats, l’équipe se consolide, Google Brain devient une unité à part entière disposant de son propre bâtiment, à une extrémité du GooglePlex, le campus gigantesque de la firme à Mountain View.

A ce jour, la réalisation la plus remarquable de Google Brain demeure la refonte totale de Google Translate via une approche Deep Learning.

En 9 mois seulement, l’équipe du Brain, en collaboration avec les ingénieurs de Translate, va créer un tout nouveau Google Translate, le tester puis le mettre en production, face à un demi-milliard d’utilisateurs. En 9 mois, les gains en qualité de la traduction vont s’avérer aussi importants que dans les 10 années précédentes.

Si au départ, Google Brain est un groupe de chercheurs fonctionnant de manière anarchique, l’équipe s’est peu à peu structurée, a professionnalisé son approche et a capitalisé des bonnes pratiques, des outils et des méthodologies qui permettent d’accélérer la transformation voulue par Sundar Pichai. L’unité est ainsi devenue le principal moteur de cette stratégie.

(D’après weave.eu)