Notre investissement dans DarwinAI

Notre investissement dans DarwinAI

En route vers une intelligence artificielle sécuritaire et hautement performante pour l’avenir

par Antoine Nivard

l’équipe de DarwinAI

Une étude de l’Université de Toronto publiée en 2012 et intitulée “ImageNET Classification with Deep Convolutional Neural Networks” présentait une approche fondamentalement distincte de la compétition de vision par ordinateur d’ImageNET et qui surpassait les approches précédentes par plus de 30 %. Depuis, l’approche d’apprentissage profond par rapport au regroupement de serveurs et à la classification utilisant des réseaux de neurones artificiels a été mise au service de nombreuses applications du monde réel, notamment le langage de programmation Go, les véhicules autonomes, la PNL, les moteurs physiques et plus.

l’équipe de DarwinAI

Toutefois, les réseaux de neurones artificiels présentent des problèmes considérables. D’abord, leur entraînement et leur exploitation exigent d’énormes ressources informatiques en raison de leurs architectures vastes et complexes. Ils nécessitent des systèmes informatiques très performants (comme des regroupements de superordinateurs et des circuits d’unités de traitement graphiques, sinon des ASIC émergents personnalisés comme Intel Nervana) et ne sont pas faciles à déployer en périphérie à cause de ce manque d’efficacité. De plus, la conception des réseaux de neurones profonds requiert l’intervention délicate d’experts en apprentissage machine pour l’élaboration et le peaufinage de leurs architectures vastes et complexes, et ce, sans qu’ils aient pleinement connaissance des mécanismes internes impliqués. C’est ce qu’on appelle souvent le problème de la boîte noire.

Par hasard, à plusieurs kilomètres de l’équipe responsable de l’article sur le réseau de neurones artificiels de 2012, l’entreprise DarwinAI, établie à Waterloo et à Toronto, travaille à résoudre certaines des questions les plus importantes concernant l’apprentissage machine du monde moderne. L’entreprise crée un ensemble d’analyse à utiliser dans l’entraînement du modèle et lors du triage (explicabilité) ainsi que lors du déploiement du modèle (optimisation).

Grâce à une approche novatrice appelée synthèse générative, DarwinAI est en mesure d’analyser les réseaux de neurones profonds, d’en cartographier les nœuds et les couches, et d’ainsi rebâtir un réseau plus léger doté d’une performance similaire.

DarwinAI a été fondée autour de l’approche de synthèse générative qui sonde, étudie et produit de meilleurs réseaux de neurones artificiels. Cette approche implique un « dialogue » en constante itération et en boucle fermée entre deux composants principaux : le générateur et l’inquisiteur. L’inquisiteur examine des segments d’un réseau pour en étudier les mécanismes internes. Ces apprentissages sont ensuite traduits vers le générateur afin de savoir comment créer un réseau nouveau et meilleur. Ce processus cyclique d’apprentissage finit par favoriser une évolution de l’efficacité du réseau (le darwinisme!). Le processus met également en lumière des régions du réseau, ce qui aidera les développeurs à améliorer le réseau avec des données d’apprentissage additionnelles.

l’équipe de DarwinAI

DarwinAI collabore déjà avec plusieurs entreprises en utilisant l’apprentissage profond dans de nombreux secteurs. Les solutions d’explicabilité de réseau neuronal de DarwinAI ont le potentiel d’accélérer le développement de modèles et d’augmenter la productivité des équipes en sciences des données. De plus, DarwinAI peut générer des réseaux optimisés qui surpassent constamment les normes de l’industrie, comme AutoML et SqueezeNet.

l’équipe de DarwinAI

Nous ne sommes qu’au début de la révolution de l’IA lors de laquelle de nombreux secteurs adopteront l’intelligence programmatique. Les chercheurs confirment que les approches neuronales basées sur les réseaux joueront un rôle très important dans ce virage technologique. La résolution de deux problèmes fondamentaux liés à l’apprentissage profond — le brouillage de caractéristiques et l’intensité de calcul informatique — représente un besoin de plus en plus urgent dans ce secteur à forte croissance. Nous sommes enchantés à la perspective d’appuyer DarwinAI dans son travail pour favoriser ces progrès.

Nous sommes donc ravis d’annoncer qu’iNovia Capital a établi un partenariat avec Obvious Ventures pour appuyer DarwinAI en codirigeant un financement de démarrage de 3 M$.

l’équipe de DarwinAI