Comment ces IA inventent-elles des images ?

Depuis maintenant plusieurs mois, vous n’avez certainement pas échappé à la déferlante

des images qui sont générées par des intelligences artificielles, des IA. Qu’il s’agisse

de DALL·E, de Midjourney ou encore de Stable Diffusion, il existe maintenant plusieurs

programmes extrêmement efficaces, capables de créer de toute pièce une image à partir

d’une description.

Et ce que font ces IA, ça n’est pas du Google Image. Elles ne vont pas chercher une

image existante, mais elles produisent des images nouvelles, qui n’existent pas, et

qu’elle créent à la demande. Il peut s’agit de photographies, de peinture ou d’art numérique,

et on peut même parfois spécifier le type d’objectif photo ou le style du peintre

que l’on souhaite retrouver.

On appelle ces types d’algorithmes des IA génératives, car elles sont capables de

créer du contenu à la demande, en intégrant à la conception une part d’aléatoire,

de façon à pouvoir obtenir plein de variations à partir de la même demande.

Si vous avez essayé ces IA génératives, vous avez peut-être été comme moi ébahis

par leurs capacités à faire quelque chose qui semblait impossible il y a seulement quelques

années. Ca parait presque magique tellement ça fonctionne bien. Mais au fait, comment

ça fonctionne vraiment ? Eh bien c’est ce qu’on va voir ensemble aujourd’hui

!

[jingle]

Commençons par quelques remarques de base sur la terminologie. Ce qu’on appelle l’intelligence

artificielle, c’est un domaine aux contours un peu flous. On peut dire que son objectif

est de réaliser à l’aide de machines, des tâches traditionnellement réalisées

par des humains, et dont on estime qu’elle requièrent de l’intelligence. Sans trop

préciser le sens qu’on donne à ce terme.

[DIAGRAMME Au sein de l’IA, il y a un champ de recherche assez bien identifié qu’on

appelle le machine learning, ou apprentissage automatique. L’idée est de s’attaquer

notamment à des questions d’IA, en mettant au point des algorithmes capables d’apprendre.

Et qui réalisent leur apprentissage à partir de données auxquelles ils ont accès.

Et dans le machine learning, il y a le deep learning. Et ça, c’est l’idée d’utiliser

une classe assez spécifique d’algorithmes que sont les réseaux de neurones profonds,

et qui ont connu un énorme succès depuis une dizaine d’années.]

Aujourd’hui quand on utilise le terme IA, il s’agit presque systématiquement de deep

learning, tant cette approche est efficace. Je ne vais pas évoquer ici les principes

de base du deep learning, j’avais fait toute une vidéo sur le sujet il y a quelques temps,

je vous invite à aller la voir si ça vous intéresse.

Quand on parle d’algorithmes capables d’apprendre, cela fonctionne souvent selon le même principe.

Imaginez qu’on veuille créer un algorithme qui soit capable de reconnaitre ce qu’il

y a sur une image.

[ALGO On veut un programme à qui on donne une image en entrée, et qui produise un mot

en sortie. Et on veut que cet algorithme réponde « Chat » sur cette image, sur celle-ci

« Voiture », etc. Pour réaliser cela, on va utiliser ce qu’on appelle de l’apprentissage

supervisé.

Au départ notre algorithme va être ignorant, et répondre n’importe quoi quand on lui

présente une image. Et puis on va lui fournir une grande base de données d’exemples.

C’est-à-dire des milliers d’images de chats, de voiture, de tasses, avec à chaque

fois la réponse qu’on attendrait de lui.]

En utilisant ces exemples, l’algorithme va peu à peu ajuster ses paramètres pour

s’améliorer, il va apprendre. Jusqu’à être capable de réaliser lui-même le travail

de façon suffisamment correcte. On dit alors que l’algorithme aura été entrainé, et

on pourra commencer à l’utiliser.

Cette façon de faire, c’est donc l’apprentissage supervisé. De façon plus générale si on

veut qu’un algorithme prenne en entrée X et réponde Y, on lui donne une base de

données d’exemples (x,y), et on l’entraine en espèrant qu’il va finir par savoir faire

le lien.

C’est ce qu’on appelle parfois une tâche de prédiction, puisqu’on donne X en entrée

et on demande à l’algorithme de prédire Y. Dans mon premier exemple X ce sont des

images et Y ce sont des mots. On classifie les images avec des mots. Mais le principe

fonctionne avec plein d’autres concepts.

Par exemple X ce peut-être toutes les caractéristiques d’une transaction bancaire, et Y est une

classification pour estimer si la transaction est frauduleuse ou pas. Ou bien X c’est

le texte d’un e-mail et Y c’est une classification entre Spam/Non-spam. Beaucoup des applications

actuelles concrètes du machine learning reposent sur ce principe d’apprentissage supervisé,

qui permet de réaliser des tâches de prédiction.

Ca semble un peu magique présenté comme ça, de penser qu’un algorithme peut reconnaitre

des images et associer les bons mots, mais il faut bien voir que tout ce que fait l’algorithme,

c’est de manipuler des nombres. Tout se fait via des opérations mathématiques.