Le professeur Nikos Deligiannis de la VUB et de l’imec a reçu près de deux millions d’euros de soutien européen pour repenser en profondeur la communication entre machines intelligentes. Son projet devrait notamment déboucher sur des systèmes d’IA plus transparents et plus fiables.
Comment permettre aux véhicules autonomes, aux capteurs intelligents et aux robots mobiles de collaborer efficacement et en toute sécurité? Cette question est au cœur du projet de recherche IONIAN du professeur Nikos Deligiannis (ETRO, VUB et imec), qui a récemment décroché une bourse ‘ERC Consolidator’ de près de 2 millions d’euros. Grâce à ce financement du Conseil européen de la recherche, Deligiannis entend développer une nouvelle technologie qui permettra aux machines intelligentes de partager des informations de manière plus efficiente et compréhensible.
Selon le chercheur, les techniques traditionnelles de compression et de communication atteignent progressivement leurs limites. ‘Prenons l’exemple des flux de données vidéo colossaux, des capteurs à distance basés sur des impulsions laser comme le LiDAR, ou des caméras en profondeur dans des systèmes autonomes’, explique-t-il dans un communiqué de presse. ‘Ces informations doivent être partagées rapidement et précisément entre plusieurs machines. Mais les technologies actuelles peinent à gérer cette échelle et cette complexité.’
Deligiannis fait référence à plusieurs problèmes: ‘Une voiture autonome produit facilement 4 à 6 téraoctets de données brutes par heure. Même avec les tout derniers codecs vidéo comme HEVC et VVC, ou les codecs 3D spécialisés, il est impossible d’envoyer ces données en temps réel et sans délai via la 5G.’
La consommation d’énergie constitue également un obstacle. Deligiannis: ‘Les logiciels de décodage de ces codecs consomment souvent jusqu’à 40 pour cent de la puissance disponible sur un capteur alimenté par batterie. C’est énorme.‘ De plus, les codecs actuels considèrent chaque pixel ou point des données comme ayant la même importance, ce qui entraîne souvent le transfert de nombreuses informations non pertinentes.
‘IONIAN vise à résoudre ce problème en codant uniquement les informations réellement nécessaires à la tâche collaborative. Cela permettra aux véhicules de mieux partager leurs données’, explique le professeur de la VUB à Data News.
L’IA mieux explicable grâce à une nouvelle méthode de codage
A cette fin, Deligiannis travaillera sur ce qu’il appelle le codage multi-terminal sémantique: le développement d’un nouveau cadre de codage qui combine l’apprentissage profond, la vision par ordinateur et l’IA générative avec les théories de communication classiques.
L’objectif? Créer des systèmes d’IA efficients et transparents qui démontrent clairement comment les décisions sont prises. ‘Dans les applications où la sécurité est cruciale, comme pour les véhicules autonomes et la robotique industrielle, nous ne devons pas pouvoir compter uniquement sur l’IA. Nous devons également comprendre pourquoi le système prend telle ou telle décision.’
Selon Deligiannis, le projet a le potentiel de dépasser les limites fondamentales des modèles actuels d’IA et de codage. ‘Alors que la théorie classique de l’information se concentre sur un transfert de données efficient et sans erreur, l’IA vise avant tout à prendre les bonnes décisions. Pensez ici à la reconnaissance d’un panneau stop’, illustre le professeur.
‘En combinant sémantique, IA et méthodes de codage, nous pourrons, d’une part, transférer uniquement les informations réellement nécessaires et, d’autre part, en enregistrer les facteurs importants.’ Ces métadonnées supplémentaires permettront aux utilisateurs ou aux systèmes de surveillance de comprendre pourquoi un système, ralentit ou s’écarte par exemple.
‘Bref, nous ne rechercherons plus le volume de données le plus faible, mais bien la meilleure performance avec des explications transparentes. Cela n’était pas possible avec les méthodes traditionnelles’, ajoute Deligiannis.
Quelles seront les prochaines étapes concrètes? ‘Je souhaite avant tout constituer une équipe de recherche compétente. Nous devrons ensuite déterminer les limites théoriques du codage sémantique multi-terminal et développer un environnement de test dans lequel véhicules autonomes, drones et capteurs routiers collaboreront.’ Ainsi, les chercheurs pourront mesurer les économies de bande passante réalisées par les nouveaux codecs et comment les métadonnées explicatives amélioreront sur la prise de conscience de la situation. ‘C’est crucial pour la confiance dans les systèmes autonomes’, conclut Deligiannis.