Intelligence artificielle : première publication d'un employé d'Apple
Learning from Simulated and Unsupervised Images through Adversarial Training, c’est la première recherche autour de l’intelligence artificielle (AI) publiée par un employé d’Apple, d’après Forbes.
Cette publication confirme ainsi l’engagement d’Apple de laisser la possibilité à ses chercheurs en AI de partager leurs travaux avec la communauté scientifique. Une largesse inédite et nécessaire pour attirer les meilleurs spécialistes alors que Google et Facebook, entre autres, ont déjà intégré cette pratique.
La publication est signée Ashish Shrivastava, chercheur en deep learning employé par Cupertino depuis avril 2016, avec plusieurs coauteurs, et porte sur une technique pour améliorer la capacité d’un algorithme à reconnaître des images à partir d’images générées informatiquement, plutôt que d’images réelles. Une recherche qui semble s’inscrire précisément dans l’approche d'Apple d’un traitement en local et donc exigu des images des utilisateurs (lire : Photos : Apple copie Google… la confidentialité en plus).
Par DES employés d'Apple :)
deja, il y a plusieurs auteurs: Ashish Shrivastava, Tomas Pfister, Oncel Tuzel, Josh Susskind, Wenda Wang, Russ Webb
Ensuite, il s'agit d'une pre-publication qui a ete envoye a une conference. Elle n'a pas encore ete publiee. Arxiv sert generalement a securise l'historique des recherches etant donne que un papier peut mettre longtemps (jusqu'a 1-2 ans) avant d'etre publie dans un journal.
Détourner les Captcha?
Prenez un jour de congé ! Nous le méritez tout de même une fois par an.
Vous êtes des machines à la rédac de Macg/iGen.
Si ça a de grandes applications en reconnaissance d'interfaces graphiques, ça fera progresser l'ergonomie et le développement par l'utilisateur … en remplacement d'AppleScript particulièrement là où l'accès à beaucoup d'éléments d'interfaces ne sont pas documentés !
J'aime bien la politique d'Apple sur l'intelligence artificielle, de tout faire tourner en local.
Dommage que d'autres ne suivent pas, surtout des boîtes qui n'ont pas d'intérêts particuliers à vendre les données (je cherche encore ^^)
@Hideyasu
Le seul et unique avantage que je vois au traitement par serveur est surtout que c'est totalement indépendant des mises a jours du système de l'appareil de l'utilisateur.
Le fait de mettre les algorithmes en local fait que le jour où un appareil n'est plus éligible sur la nouvelles version d'iOS, il ne disposera plus des nouveautés de traitements d'images.
Mais sinon oui je préfère avoir ça en local quand même ?
Traitement des données dispo y compris quand le client est off,
Empreinte mémoire+cpu quasi nulle pour le client
Et surtout, tôt ou tard,ils ont besoin de prendre en compte tes données AVEC celles de tous les utilisateurs de l'OS ( le fameux "différential privacy" )
Qu'on puisse mettre un prénom et un num. de CB devant tes données n'est pas tellement important. Ce qui l'est c'est de savoir ce que tu es.
non, seule une partie de la puissance de calcul est deportée sur le server, mais sur la machine locale il y a une charge de la memoire, du processeur, du reseau,... et cela surcharge aussi les differents maillons reseaux - y compris l'Internet -...
A minimum, il y a des charges redondantes incompressibles, qui empirent en fonction de la fiabilité du reseau...
Donc en terme d'efficacité et de consommation seul un calcul tres lourd necessitant une achitecture trop complexe ou onereuse pour le client a du sens s'il est deporté sur un serveur, et c'est encore plus vrai pour le cloud...
Dans tous les autres cas le top de l'efficacité c'est de faire le calcul en local.
Par contre en logique commerciale, l'encloudage a tout va a du sens, celui de mieux canaliser l'utilisateur, de le rendre plus dependant, et cela contre l'efficacité energetique!
"Dans tous les autres cas le top de l'efficacité c'est de faire le calcul en local."
Ca dépends de ce qu'on calcule.
En terme d'apprentissage et d'analyse de données, en particulier la "differential privacy" chère à Apple, tu ne pourras pas faire grand chose des données d'un seul utilisateur : consolider les données fait partie du truc, et le traitement ne peut se faire que de façon centralisée ( ou alors je n'ai rien compris )
Sur de l'analyse d'image, données lourdes par définition, ca a peut être du sens de tout analyser en local. Mais si c'est au prix de devoir générer de la masse pour alimenter un algo de deep learning, je te laisse imaginer le coût CPU pour le client.
Si ca doit tourner sur un portable dont la batterie a été réduite de 25% par rapport au modèle précédent, et dont le 2nd GPU prends la main à la moindre sollicitation, on n'a pas fini avec les soucis d'autonomie.
Bon, mes photos seront ENFIN correctement triées …
@françois bayrou
Ce qui est gênant pour moi c'est pas tant l'espionnage en tant que tel, enfin si mais on est deja fiché pour tout, c'est que les entreprises comme Google ou Facebook se cachent derrière ca pour en savoir toujours plus.
C'est cette malhonnêteté constante qui devient vraiment lourde. Chaque année on apprend que xxx a fait ca sans prévenir, qu'ils se servent de quelque chose pour faire autre chose non autorisé etc.
Donc faire tourner le tout en local ou de façon anonyme avec des moyens relativement sûr, ca fait pas de mal je pense ;)
@romainB84
Oui c'est pas parfait comme système, surtout pour les maj. Mais en dehors de ca c'est très bénéfique.