{"id":3491,"date":"2018-12-21T00:00:00","date_gmt":"2018-12-21T05:00:00","guid":{"rendered":"https:\/\/www.inovia.vc\/fr\/conversations-inovia\/notre-investissement-dans-darwinai-93a7afd02392\/"},"modified":"2022-10-24T19:10:25","modified_gmt":"2022-10-24T23:10:25","slug":"notre-investissement-dans-darwinai-93a7afd02392","status":"publish","type":"post","link":"https:\/\/www.inovia.vc\/fr\/conversations-inovia\/notre-investissement-dans-darwinai-93a7afd02392\/","title":{"rendered":"Notre investissement dans\u00a0DarwinAI"},"content":{"rendered":"

Notre investissement dans\u00a0DarwinAI<\/strong><\/h3>\n

En route vers une intelligence artificielle s\u00e9curitaire et hautement performante pour l\u2019avenir<\/p>\n

par Antoine Nivard<\/a><\/p>\n

\"\"
l\u2019\u00e9quipe de\u00a0DarwinAI<\/figcaption><\/figure>\n

Une \u00e9tude de l\u2019Universit\u00e9 de Toronto publi\u00e9e en 2012 et intitul\u00e9e \u201cImageNET Classification with Deep Convolutional Neural Networks<\/a>\u201d pr\u00e9sentait une approche fondamentalement distincte de la comp\u00e9tition de vision par ordinateur d\u2019ImageNET et qui surpassait les approches pr\u00e9c\u00e9dentes par plus de 30 %. Depuis, l\u2019approche d\u2019apprentissage profond par rapport au regroupement de serveurs et \u00e0 la classification utilisant des r\u00e9seaux de neurones artificiels a \u00e9t\u00e9 mise au service de nombreuses applications du monde r\u00e9el, notamment le langage de programmation Go, les v\u00e9hicules autonomes, la PNL, les moteurs physiques et plus.<\/p>\n

\"\"
l\u2019\u00e9quipe de\u00a0DarwinAI<\/figcaption><\/figure>\n

Toutefois, les r\u00e9seaux de neurones artificiels pr\u00e9sentent des probl\u00e8mes consid\u00e9rables. D\u2019abord, leur entra\u00eenement et leur exploitation exigent d\u2019\u00e9normes ressources informatiques en raison de leurs architectures vastes et complexes. Ils n\u00e9cessitent des syst\u00e8mes informatiques tr\u00e8s performants (comme des regroupements de superordinateurs et des circuits d\u2019unit\u00e9s de traitement graphiques, sinon des ASIC \u00e9mergents personnalis\u00e9s comme Intel Nervana) et ne sont pas faciles \u00e0 d\u00e9ployer en p\u00e9riph\u00e9rie \u00e0 cause de ce manque d\u2019efficacit\u00e9. De plus, la conception des r\u00e9seaux de neurones profonds requiert l\u2019intervention d\u00e9licate d\u2019experts en apprentissage machine pour l\u2019\u00e9laboration et le peaufinage de leurs architectures vastes et complexes, et ce, sans qu\u2019ils aient pleinement connaissance des m\u00e9canismes internes impliqu\u00e9s. C\u2019est ce qu\u2019on appelle souvent le probl\u00e8me de la bo\u00eete noire<\/a>.<\/p>\n

Par hasard, \u00e0 plusieurs kilom\u00e8tres de l\u2019\u00e9quipe responsable de l\u2019article sur le r\u00e9seau de neurones artificiels de 2012, l\u2019entreprise DarwinAI<\/a>, \u00e9tablie \u00e0 Waterloo et \u00e0 Toronto, travaille \u00e0 r\u00e9soudre certaines des questions les plus importantes concernant l\u2019apprentissage machine du monde moderne. L\u2019entreprise cr\u00e9e un ensemble d\u2019analyse \u00e0 utiliser dans l\u2019entra\u00eenement du mod\u00e8le et lors du triage (explicabilit\u00e9) ainsi que lors du d\u00e9ploiement du mod\u00e8le (optimisation).<\/p>\n

Gr\u00e2ce \u00e0 une approche novatrice appel\u00e9e synth\u00e8se g\u00e9n\u00e9rative, DarwinAI est en mesure d\u2019analyser les r\u00e9seaux de neurones profonds, d\u2019en cartographier les n\u0153uds et les couches, et d\u2019ainsi reb\u00e2tir un r\u00e9seau plus l\u00e9ger dot\u00e9 d\u2019une performance similaire.<\/p><\/blockquote>\n

DarwinAI a \u00e9t\u00e9 fond\u00e9e autour de l\u2019approche de synth\u00e8se g\u00e9n\u00e9rative qui sonde, \u00e9tudie et produit de meilleurs r\u00e9seaux de neurones artificiels. Cette approche implique un \u00ab\u00a0dialogue\u00a0\u00bb en constante it\u00e9ration et en boucle ferm\u00e9e entre deux composants principaux\u00a0: le g\u00e9n\u00e9rateur<\/strong> et l\u2019inquisiteur<\/strong>. L\u2019inquisiteur examine des segments d\u2019un r\u00e9seau pour en \u00e9tudier les m\u00e9canismes internes. Ces apprentissages sont ensuite traduits vers le g\u00e9n\u00e9rateur afin de savoir comment cr\u00e9er un r\u00e9seau nouveau et meilleur. Ce processus cyclique d\u2019apprentissage finit par favoriser une \u00e9volution de l\u2019efficacit\u00e9 du r\u00e9seau (le darwinisme!). Le processus met \u00e9galement en lumi\u00e8re des r\u00e9gions du r\u00e9seau, ce qui aidera les d\u00e9veloppeurs \u00e0 am\u00e9liorer le r\u00e9seau avec des donn\u00e9es d\u2019apprentissage additionnelles.<\/p>\n

\"\"
l\u2019\u00e9quipe de\u00a0DarwinAI<\/figcaption><\/figure>\n

DarwinAI collabore d\u00e9j\u00e0 avec plusieurs entreprises en utilisant l\u2019apprentissage profond dans de nombreux secteurs. Les solutions d\u2019explicabilit\u00e9 de r\u00e9seau neuronal de DarwinAI ont le potentiel d\u2019acc\u00e9l\u00e9rer le d\u00e9veloppement de mod\u00e8les et d\u2019augmenter la productivit\u00e9 des \u00e9quipes en sciences des donn\u00e9es. De plus, DarwinAI peut g\u00e9n\u00e9rer des r\u00e9seaux optimis\u00e9s qui surpassent constamment les normes de l\u2019industrie, comme AutoML et SqueezeNet.<\/p>\n

\"\"
l\u2019\u00e9quipe de\u00a0DarwinAI<\/figcaption><\/figure>\n

Nous ne sommes qu\u2019au d\u00e9but de la r\u00e9volution de l\u2019IA lors de laquelle de nombreux secteurs adopteront l\u2019intelligence programmatique. Les chercheurs confirment que les approches neuronales bas\u00e9es sur les r\u00e9seaux joueront un r\u00f4le tr\u00e8s important dans ce virage technologique. La r\u00e9solution de deux probl\u00e8mes fondamentaux li\u00e9s \u00e0 l\u2019apprentissage profond\u200a\u2014\u200ale brouillage de caract\u00e9ristiques et l\u2019intensit\u00e9 de calcul informatique\u200a\u2014\u200arepr\u00e9sente un besoin de plus en plus urgent dans ce secteur \u00e0 forte croissance. Nous sommes enchant\u00e9s \u00e0 la perspective d\u2019appuyer DarwinAI dans son travail pour favoriser ces progr\u00e8s.<\/p>\n

Nous sommes donc ravis d\u2019annoncer qu\u2019iNovia Capital a \u00e9tabli un partenariat avec Obvious Ventures pour appuyer DarwinAI en codirigeant un financement de d\u00e9marrage de 3 M$.<\/p>\n

\"\"
l\u2019\u00e9quipe de\u00a0DarwinAI<\/figcaption><\/figure>\n","protected":false},"excerpt":{"rendered":"

Notre investissement dans\u00a0DarwinAI En route vers une intelligence artificielle s\u00e9curitaire et hautement performante pour l\u2019avenir par Antoine Nivard l\u2019\u00e9quipe de\u00a0DarwinAI Une \u00e9tude de l\u2019Universit\u00e9 de Toronto publi\u00e9e en 2012 et intitul\u00e9e \u201cImageNET Classification with Deep Convolutional Neural Networks\u201d pr\u00e9sentait une approche fondamentalement distincte de la comp\u00e9tition de vision par ordinateur d\u2019ImageNET et qui surpassait les…<\/p>\n","protected":false},"author":3,"featured_media":0,"comment_status":"closed","ping_status":"open","sticky":false,"template":"","format":"standard","meta":{"_acf_changed":false,"_relevanssi_hide_post":"","_relevanssi_hide_content":"","_relevanssi_pin_for_all":"","_relevanssi_pin_keywords":"","_relevanssi_unpin_keywords":"","_relevanssi_related_keywords":"","_relevanssi_related_include_ids":"","_relevanssi_related_exclude_ids":"","_relevanssi_related_no_append":"","_relevanssi_related_not_related":"","_relevanssi_related_posts":"","_relevanssi_noindex_reason":"","inline_featured_image":false,"footnotes":""},"categories":[237,238],"tags":[],"toolkit-category":[],"toolkit-topic":[],"class_list":["post-3491","post","type-post","status-publish","format-standard","hentry","category-investissement","category-portefeuille"],"acf":[],"_links":{"self":[{"href":"https:\/\/www.inovia.vc\/fr\/wp-json\/wp\/v2\/posts\/3491","targetHints":{"allow":["GET"]}}],"collection":[{"href":"https:\/\/www.inovia.vc\/fr\/wp-json\/wp\/v2\/posts"}],"about":[{"href":"https:\/\/www.inovia.vc\/fr\/wp-json\/wp\/v2\/types\/post"}],"author":[{"embeddable":true,"href":"https:\/\/www.inovia.vc\/fr\/wp-json\/wp\/v2\/users\/3"}],"replies":[{"embeddable":true,"href":"https:\/\/www.inovia.vc\/fr\/wp-json\/wp\/v2\/comments?post=3491"}],"version-history":[{"count":1,"href":"https:\/\/www.inovia.vc\/fr\/wp-json\/wp\/v2\/posts\/3491\/revisions"}],"predecessor-version":[{"id":3977,"href":"https:\/\/www.inovia.vc\/fr\/wp-json\/wp\/v2\/posts\/3491\/revisions\/3977"}],"wp:attachment":[{"href":"https:\/\/www.inovia.vc\/fr\/wp-json\/wp\/v2\/media?parent=3491"}],"wp:term":[{"taxonomy":"category","embeddable":true,"href":"https:\/\/www.inovia.vc\/fr\/wp-json\/wp\/v2\/categories?post=3491"},{"taxonomy":"post_tag","embeddable":true,"href":"https:\/\/www.inovia.vc\/fr\/wp-json\/wp\/v2\/tags?post=3491"},{"taxonomy":"toolkit-category","embeddable":true,"href":"https:\/\/www.inovia.vc\/fr\/wp-json\/wp\/v2\/toolkit-category?post=3491"},{"taxonomy":"toolkit-topic","embeddable":true,"href":"https:\/\/www.inovia.vc\/fr\/wp-json\/wp\/v2\/toolkit-topic?post=3491"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}