Enseigner l'enseignement aux machines
Les machines qui nous entourent ne sont pas seulement de plus en plus intelligentes, elles deviennent aussi plus aptes à apprendre. Afin de préparer la prochaine génération d'informaticiens aux défis de ce domaine de recherche en rapide évolution, l'ETH Zurich s'associe désormais à l'Institut Max-Planck pour les systèmes intelligents.
Le terme "intelligence artificielle" hante les spécialistes et de nombreux films de science-fiction depuis les années 1950. De nombreuses visions sont longtemps restées de la science-fiction, car ce qui a longtemps manqué à l'intelligence artificielle, c'est la capacité d'apprendre. Or, c'est précisément de cette capacité dont ont besoin les voitures qui se dirigent elles-mêmes vers une place de parking, les ordinateurs qui optimisent les processus de manière autonome ou les microrobots qui nagent dans le corps humain en tant qu'appareils de mesure ou véhicules de substances actives. Avec la capacité d'apprendre de l'expérience et de s'adapter, ces visions d'avenir de machines intelligentes sont de plus en plus à portée de main.
Avec des capteurs et des méthodes de mesure toujours plus précis, nous produisons des quantités de données toujours plus importantes. Le "big data" a déclenché une sorte de fièvre de l'or numérique : à l'instar des chasseurs de trésors américains du XIXe siècle qui passaient les rivières au tamis à la recherche de pépites d'or, les chercheurs passent aujourd'hui au crible les immenses ensembles de données à la recherche de modèles et de nouvelles connaissances. Le défi qui va de pair avec l'augmentation constante du volume de données et d'informations est évident : concevoir des systèmes capables d'évaluer ces énormes ensembles de données et d'en tirer des conclusions utiles. Que ce soit pour développer des thérapies individualisées à partir de données de santé ou pour apprendre à des programmes informatiques à reconna?tre le contenu de l'image d'une caméra.
"L'apprentissage automatique est devenu un domaine bien établi de la recherche sur l'intelligence artificielle. En tant que technologie clé, il a fait son entrée dans toute une série de disciplines appliquées telles que la robotique, la reconnaissance automatique d'images, la reconstruction d'images en 3D, l'analyse automatique de textes ou la conception de systèmes artificiels copiés sur la nature et s'adaptant à leur environnement.
Interconnecter la formation doctorale
Afin de former la prochaine génération d'informaticiens dans ce domaine de recherche qui évolue rapidement, l'ETH Zurich et l'Institut Max Planck des systèmes intelligents (MPI-IS) ont créé ensemble le réseau de recherche "Systèmes en formation". "Nous souhaitons imbriquer la formation doctorale dans ce domaine entre le MPI-IS et l'ETH", explique Joachim Buhmann, professeur d'apprentissage automatique à l'ETH. Jusqu'à présent, il y a peu d'offres dans ce domaine dans le cursus normal. Le réseau de recherche doit désormais remédier à cette situation. "Les jeunes talents ne doivent plus devoir chercher ailleurs d'excellentes possibilités de formation dans ce domaine, mais trouver une offre en Suisse et en Allemagne", ajoute Buhmann.
![Vue agrandie : Des doctorants de l'ETH et du MPI-IS écoutent des conférences à la Summer school.](/de/news-und-veranstaltungen/eth-news/news/2014/06/maschinen-das-lernen-lehren/_jcr_content/news_content/textimage_0/image.imageformat.text50percent.2053985319.jpg)
Actuellement, une "Summer school" a lieu à l'ETH pour le lancement officiel du réseau et offre aux doctorants du MPI-IS et de l'ETH l'occasion d'en apprendre davantage sur le travail des autres. "Si, par exemple, quelqu'un de la recherche fondamentale au MPI réfléchit à un projet d'application avec un doctorant de l'ETH, cela peut déboucher sur une collaboration fructueuse", explique Thomas Hofmann, professeur d'analyse de données à l'ETH Zurich. De même, à l'avenir, les doctorants pourront être ancrés dans deux groupes de recherche à la fois, l'un au MPI-IS et l'autre à l'ETH.
Les doctorants reconnaissent les grandes opportunités offertes par le réseau de recherche : "Nous poursuivons en partie des problématiques similaires et pouvons désormais travailler ensemble plut?t que les uns contre les autres gr?ce au réseau", déclare Nico Gorbach, doctorant à la chaire d'apprentissage automatique de l'ETH Zurich. Alexander Herzog, doctorant au laboratoire Autonomous Motion du MPI-IS, abonde dans ce sens : "C'est formidable de pouvoir échanger sur cette base de confiance". Au lieu de se faire concurrence, on peut ainsi progresser plus rapidement ensemble.
Les percées prennent du temps
Dans son discours de bienvenue à la "Summer school", le recteur de l'ETH Lino Guzzella a rappelé les grandes promesses faites dans les années 1980 et 1990 autour de l'intelligence artificielle et combien peu de ces promesses ont été effectivement réalisées jusqu'ici. Il a encouragé les étudiants à travailler avec persévérance dans ce domaine, car les grandes percées prennent du temps.
Même si le grand coup nécessite souvent des décennies de recherche, le réseau de recherche "Systèmes en formation" crée à coup s?r un terreau fertile pour des idées uniques. "Nous formons la prochaine génération de chercheurs et on peut être impatient de voir comment ils fa?onneront les systèmes intelligents du futur", explique Joachim Buhmann. Dans le cadre de séminaires, de conférences, d'ateliers et de "summer schools" communs, les doctorants des deux institutions peuvent échanger leurs idées et profiter des expertises du réseau. En outre, toute l'infrastructure est à leur disposition pour mettre en ?uvre des projets innovants.
Réseau de recherche "Personnes en formation
L'idée d'une collaboration entre le MPI-IS et l'ETH Zurich est née dès 2010 et a également fait l'objet d'un contrat en 2013. Y participent les groupes de recherche de cinq directeurs de Max Planck des sites MPI-IS de Tübingen et Stuttgart, ainsi que 20 professeurs de l'ETH de cinq départements.
Lisez également l'article de fond dans les actualités du Département d'informatique : Shifting the paradigm : pioneering research network in learning systems established