Ouvrir de nouvelles portes à l’intelligence artificielle

La recherche sur l’intelligence artificielle développe constamment de nouvelles hypothèses qui ont le potentiel de profiter à la société et à l’industrie ; cependant, parfois, ces avantages ne sont pas pleinement réalisés en raison d’un manque d’outils d’ingénierie. Pour aider à combler cet écart, les étudiants diplômés du programme de thèse de maîtrise en génie électrique et informatique 6-A du Département de génie électrique et d’informatique du MIT travaillent avec certaines des entreprises les plus innovantes au monde et collaborent sur des projets de pointe, tout en contribuant à et terminer leur thèse MEng.

Au cours d’une partie de l’année dernière, quatre étudiants 6-A MEng se sont associés et ont effectué un stage avec l’équipe de prototypage avancé d’IBM Researchs via le MIT-IBM Watson AI Lab sur des projets d’IA, développant souvent des applications Web pour résoudre un problème du monde réel ou cas d’utilisation en entreprise. Ici, les étudiants ont travaillé aux côtés d’ingénieurs en IA, d’ingénieurs en expérience utilisateur, de chercheurs complets et de généralistes pour répondre aux demandes de projet et recevoir des conseils de thèse, explique Lee Martie, membre du personnel de recherche d’IBM et responsable 6-A. Les projets des étudiants allaient de la génération de données synthétiques pour permettre l’analyse de données sensibles à la vie privée à l’utilisation de la vision par ordinateur pour identifier les actions en vidéo qui permettent de surveiller la sécurité humaine et de suivre l’avancement de la construction sur un chantier de construction.

J’ai apprécié toute l’expertise de l’équipe et les commentaires, déclare Violetta Jusiega ’21, diplômée 6-A, qui a participé au programme. Je pense que travailler dans l’industrie donne l’objectif de s’assurer que les besoins des projets sont satisfaits et [provides the opportunity] à la recherche de terrain et assurez-vous qu’il est utile pour certains cas d’utilisation à l’avenir.

La recherche de Jusiegas a croisé les domaines de la vision par ordinateur et de la conception pour se concentrer sur la visualisation de données et les interfaces utilisateur pour le domaine médical. En collaboration avec IBM, elle a créé une interface de programmation d’application (API) qui permet aux cliniciens d’interagir avec un modèle d’IA de stratégie de traitement médical, qui a été déployé dans le cloud. Son interface a fourni un arbre de décision médicale, ainsi que certains plans de traitement prescrits. Après avoir reçu des commentaires sur sa conception de la part de médecins d’un hôpital local, Jusiega a développé des itérations de l’API et comment les résultats étaient affichés, visuellement, afin qu’il soit convivial et compréhensible pour les cliniciens, qui ne codent généralement pas. Elle dit que ces outils ne sont souvent pas acquis sur le terrain car ils manquent de certains de ces principes API qui deviennent plus importants dans une industrie où tout est déjà très rapide, il y a donc peu de temps pour intégrer une nouvelle technologie. Mais ce projet pourrait éventuellement permettre un déploiement industriel. Je pense que cette application a beaucoup de potentiel, qu’elle soit reprise par les cliniciens ou qu’elle soit simplement utilisée dans la recherche. C’est très prometteur et très excitant de voir comment la technologie peut nous aider à modifier, ou je peux améliorer, le domaine des soins de santé pour être encore plus adapté aux patients et leur offrir les meilleurs soins possibles, dit-elle.

Un autre étudiant diplômé 6-A, Spencer Compton, envisageait également d’aider les professionnels à prendre des décisions plus éclairées, pour une utilisation dans des contextes tels que les soins de santé, mais il l’abordait d’un point de vue causal. Lorsqu’on lui a donné un ensemble de variables liées, Compton cherchait s’il existait un moyen de déterminer non seulement la corrélation, mais la relation de cause à effet entre elles (la direction de l’interaction) à partir des données seules. Pour cela, lui et ses collaborateurs d’IBM Research et de l’Université Purdue se sont tournés vers un domaine des mathématiques appelé théorie de l’information. Dans le but de concevoir un algorithme pour apprendre des réseaux complexes de relations causales, Compton a utilisé des idées relatives à l’entropie, le caractère aléatoire dans un système, pour aider à déterminer si une relation causale est présente et comment les variables pourraient interagir. Lorsqu’ils jugent une explication, les gens utilisent souvent par défaut le rasoir d’Occam, dit Compton. Étaient plus enclins à croire à une explication plus simple qu’à une explication plus complexe. Dans de nombreux cas, dit-il, cela semblait bien fonctionner. Par exemple, ils ont pu prendre en compte des variables telles que le cancer du poumon, la pollution et les résultats des rayons X. Il était heureux que ses recherches lui aient permis d’aider à créer un cadre d’inférence causale entropique qui pourrait aider à prendre des décisions sûres et intelligentes à l’avenir, de manière satisfaisante. Les mathématiques sont vraiment étonnamment profondes, intéressantes et complexes, dit Compton. Nous demandons essentiellement, quand l’explication la plus simple est-elle correcte ? mais comme une question mathématique.

La détermination des relations au sein des données peut parfois nécessiter de grands volumes de celles-ci pour dégager des modèles, mais pour les données pouvant contenir des informations sensibles, cela peut ne pas être disponible. Pour son travail de maîtrise, Ivy Huang a travaillé avec IBM Research pour générer des données tabulaires synthétiques à l’aide d’un outil de traitement du langage naturel appelé modèle de transformateur, qui peut apprendre et prédire les valeurs futures à partir des valeurs passées. Formé sur des données réelles, le modèle peut produire de nouvelles données avec des modèles, des propriétés et des relations similaires sans restrictions telles que la confidentialité, la disponibilité et l’accès qui pourraient accompagner des données réelles dans les transactions financières et les dossiers médicaux électroniques. De plus, elle a créé une API et déployé le modèle dans un cluster IBM, ce qui a permis aux utilisateurs d’avoir un accès accru au modèle et de pouvoir l’interroger sans compromettre les données d’origine.

En collaboration avec l’équipe de prototypage avancé, le candidat MEng Brandon Perez a également réfléchi à la manière de collecter et d’étudier des données avec des restrictions, mais dans son cas, il s’agissait d’utiliser des cadres de vision par ordinateur, centrés sur un modèle de reconnaissance d’action, pour identifier les événements du chantier de construction. L’équipe a basé son travail sur l’ensemble de données Moments in Time, qui contient plus d’un million de clips vidéo de trois secondes avec environ 300 étiquettes de classification attachées, et a bien fonctionné pendant la formation à l’IA. Cependant, le groupe avait besoin de plus de données vidéo basées sur la construction. Pour cela, ils ont utilisé YouTube-8M. Perez a construit un cadre pour tester et affiner les modèles de détection d’objets existants et les modèles de reconnaissance d’action qui pourraient se connecter à un outil de localisation spatiale et temporelle automatique comment ils identifieraient et étiquetteraient des actions particulières dans une chronologie vidéo. J’étais satisfait d’avoir pu explorer ce qui me rendait curieux, et j’étais reconnaissant de l’autonomie qui m’a été donnée avec ce projet, dit Perez. J’avais l’impression d’être toujours soutenue et mon mentor a été d’un grand soutien pour le projet.

Le type de collaborations que nous avons vues entre nos étudiants MEng et les chercheurs d’IBM est exactement ce qu’est le programme de thèse 6-A MEng au MIT, déclare Tomas Palacios, professeur de génie électrique et directeur de la faculté du MIT 6-A MEng Thesis. programme. Depuis plus de 100 ans, 6-A met en relation les étudiants du MIT avec l’industrie pour résoudre ensemble certains des problèmes les plus importants au monde.