Pendant des décennies, les chercheurs en intelligence artificielle, ou IA, ont travaillé sur des problèmes spécialisés, le développement de concepts théoriques et des algorithmes exploitables pour divers aspects du domaine. Des experts en vision par ordinateur, planification et raisonnement ont tous lutté indépendamment dans des domaines que beaucoup pensaient qu’ils seraient faciles à résoudre, mais qui se sont avérés extrêmement difficile.
Cependant, au cours des dernières années, à mesure que les différents aspects de l’intelligence artificielle ont mûri, les chercheurs ont commencé à « réunir ensemble les morceaux », conduisant vers d’étonnantes démonstrations d’intelligence de haut niveau: de Watson d’IBM au récent champion de poker en passant par la capacité de l’IA à reconnaître des chats sur Internet.
Ces progrès ont été exposées cette semaine à la 29e conférence de l’Association pour la promotion de l’Intelligence Artificielle (AAAI : Association for the Advancement of Artificial Intelligence) à Austin, au Texas, où des recherches interdisciplinaires et appliquées ont été exposées, et selon Shlomo Zilberstein, président du comité de la conférence et co-auteur de trois documents lors de la conférence.
Schlomo Zilberstein étudie la façon dont les agents artificiels planifient leurs actions futures, en particulier lorsqu’ils travaillent de manière semi-autonome – c’est-à-dire en conjonction avec des personnes ou d’autres appareils.
Des exemples de systèmes semi-autonomes sont les co-robots de travail avec les humains dans des usines robotisées ou des robots de recherche et de sauvetage qui peuvent être gérés par l’homme travaillant à distance et dans des voitures sans chauffeur. C’est ce dernier sujet qui a particulièrement éveillé l’intérêt de Schlomo Zilberstein ces dernières années.
Les campagnes de marketing des principaux constructeurs d’automobiles ont présenté une vision de l’avenir où le passager (anciennement connu sous le nom de conducteur) peut vérifier ses emails, discuter avec des amis ou même dormir pendant qu’il fait la navette entre la maison et le bureau. Certains véhicules prototypes inclus des sièges qui pivotent vers l’arrière pour créer un salon intérieur, ou, comme dans le cas de la voiture sans conducteur de Google, une conception sans volant ou freins.
Sauf dans de rares cas, il n’est pas certain pour Schlomo Zilberstein que cette vision sur les véhicules de l’avenir proche soit réaliste.
« Dans de nombreuses régions, il y a beaucoup d’obstacles à dépasser pour une autonomie totale», a déclaré Schlomo Zilberstein. « Ces obstacles ne sont pas seulement technologique, mais aussi ont trait à des questions juridiques et éthiques ou encore des préoccupations économiques. »
Dans son discours lors de la session « Blue Sky » lors de l’AAAI, Schlomo Zilberstein a fait valoir que dans de nombreux secteurs, y compris la conduite, nous allons passer par une longue période où les humains agiront en tant que co-pilotes ou superviseurs, faisant passer la responsabilité au véhicule lorsque c’est possible et en reprenant le volant lorsque la conduite devient délicate, avant que la technologie atteigne une autonomie complète (si cela n’arrive jamais).
Dans un tel scénario, la voiture aurait besoin de communiquer avec les conducteurs pour les alerter quand ils ont besoin de prendre le contrôle. Dans les cas où le conducteur ne répond pas, la voiture doit être en mesure et ce, de manière autonome, de prendre la décision de se déplacer en toute sécurité sur le côté de la route et de s’arrêter.
Selon l’état de fatigue du conducteur, la voiture décide de prendre le chemin A ou B
«Les gens sont imprévisibles. Qu’advient-il si la personne n’est pas en train de faire ce qu’on leur demande ou devraient faire, et que la voiture se déplace à 100 km/h? » se demande Schlomo Zilberstein. « Cela nécessite une planification à tolérance de pannes. C’est le genre de planification qui peut gérer un certain nombre d’écarts ou d’erreurs par la personne à qui on a demandé d’exécuter une action « .
Avec le soutien de la National Science Foundation (NSF), Schlomo Zilberstein a exploré ces autres questions pratiques liées à la possibilité d’agents artificiels qui agissent parmi nous.
Schlomo Zilberstein, professeur de sciences informatiques à l’Université du Massachusetts Amherst, travaille avec des experts sur des études sur les humains du milieu universitaire et de l’industrie pour aider à découvrir les éléments subtils du comportement humain que l’on aurait besoin de prendre en compte lors de la préparation d’un robot destiné à travailler de manière semi-autonome. Il traduit ensuite ces idées dans des programmes informatiques qui permettent à un robot ou un véhicule autonome de planifier ses actions – et de créer un plan B en cas d’urgence.
Il existe beaucoup d’indices subtils qui entrent en compte dans une conduite sécuritaire. Prenez par exemple un croisement à un carrefour avec 4 stops (Cela existe aux Etats-Unis). Officiellement, la première voiture arrivée à ce carrefour passe la première, mais en réalité, les gens se regardent les uns les autres pour voir si et quand démarrer.
« Il y a une légère négociation qui s’effectue sans parler», explique Schlomo Zilberstein. «C’est une communication par votre action tel que le contact oculaire, le mouvement d’une main, ou la légère montée en régime d’un moteur. »
Lors d’essais, les véhicules autonomes sont souvent restés « paralysés » à ces arrêts, incapables de lire ou comprendre en toute sécurité les indices des autres conducteurs sur la route. Cette « undecidedness » ou « indécision » est un gros problème pour les robots.
Un article récent de Alan Winfield de Bristol Robotics Laboratory au Royaume-Uni a montré comment les robots, lorsqu’ils sont confrontés à une décision difficile, traiteront/réfléchiront souvent pendant une si longue période de temps au point de ne pas agir ou de rater l’occasion d’agir. Les systèmes de Schlomo Zilberstein sont conçus pour remédier à ce problème.
« Avec une certaine séparation minutieuse des objectifs, des algorithmes de planification pourraient aborder l’un des principaux problèmes de maintien « live state » même lorsque l’accessibilité de l’objectif s’appuie sur des interventions humaines en temps opportun», conclut-il.
La capacité d’adapter son voyage en fonction de facteurs centrés sur les humains – comme le niveau d’attention du conducteur ou le désir du conducteur d’éviter les autoroutes – est un autre aspect de la conduite semi-autonome que Schlomo Zilberstein explore.
Dans un papier avec Kyle Wray de l’Université du Massachusetts Amherst et Abdel-Illah Mouaddib de l’Université de Caen en France, Schlomo Zilberstein introduit un nouvel modèle d’algorithme de planification qui permet aux systèmes semi-autonomes de prendre des décisions séquentielles dans des situations qui impliquent de multiples objectifs –comme par exemple, équilibrer la sécurité et la vitesse.
Leur expérience s’est concentrée sur un scénario de conduite semi-autonome où la décision de transférer le contrôle dépendait du niveau de fatigue du conducteur. Ils ont montré qu’en utilisant leur nouvel algorithme, un véhicule a été en mesure de favoriser les routes où le véhicule peut rouler de façon autonome lorsque le conducteur est fatigué, maximisant ainsi la sécurité du conducteur.
« Dans la vraie vie, les gens essaient souvent d’optimiser plusieurs objectifs concurrents », a déclaré Schlomo Zilberstein. « Cet algorithme de planification peut faire cela très rapidement lorsque les objectifs sont prioritaires. Par exemple, la plus haute priorité peut être de réduire au minimum le temps de conduite et un objectif de priorité inférieure peut être de minimiser l’effort au volant. En fin de compte, nous voulons apprendre à équilibrer de tels objectifs concurrents pour chaque conducteur, en fonction des habitudes de conduite observées ».
C’est un moment passionnant pour l’intelligence artificielle. Les fruits de plusieurs décennies de travail sont enfin déployés dans les systèmes réels et l’apprentissage machine est en train d’être largement adopté et ce, à des fins différentes que personne n’avait jamais réalisée.
« Nous commençons à voir ce genre de succès remarquables qui intègrent plusieurs décennies de longs efforts de recherche dans une variété de sujets AI», a déclaré Héctor Muñoz-Avila, directeur de programme en cluster Intelligence robuste de la NSF.
En effet, depuis de nombreuses décennies, le programme « Robust Intelligence » de la NSF a soutenu la recherche fondamentale en intelligence artificielle qui, selon Schlomo Zilberstein, a donné lieu à des systèmes intelligents étonnants qui commencent à transformer notre monde. Mais l’agence a également soutenu des chercheurs comme Schlomo Zilberstein qui posent des questions difficiles sur les technologies émergentes.
http://www.nsf.gov/discoveries/disc_summ.jsp?cntn_id=134033&org=NSF&from=news