Des chercheurs ont mis en avant les faiblesses de l'IA en lui proposant des images confuses

Ce n’est pas de l’intelligence artificielle à proprement dit… ce sont des algos qui ne font que calculer des probabilités à partir d’un stock d’images qu’on leur a fait “bouffer”.
Qu’ils échouent sur des images trompeuses/inhabituelles est tout à fait normal.

Et oui le taux d’échec est encore très important et le restera encore longtemps.

« On pourrait aussi se demander quel est l’avis de l’intelligence artificielle sur les illusions d’optique que nous, humains, détectons.» on pourrait aussi un avis sur la qualité des sujets traitant de l’IA mais ça risque d’un peu trop salé pour vous.

C’est déjà une grosse part de l’équation, nous aussi on bouffe de l’input et l’intègre à longueur de journée. Je me demande ce que ça donnerait avec un réseau de neurone largement plus grand et beaucoup plus d’input.

Là où vous voyez un chien tenu en laisse (et l’IA un ours), moi je vois un chat tenu en laisse ?!?!

Ils ont vraisemblablement testé plusieurs systèmes dont celui de Google qui a une une base de donnée monstrueuse… sauf que rendu à un certain nombre de data, l’IA ne progresse plus et même régresse, ce sont les limites actuelles de ce qu’on appelle IA.
Globalement, l’IA atteint souvent 90-95% de bonnes réponses, ce qui laisse un paquet monstrueux d’erreurs. Ici ils n’ont fait que sélectionner ces fameuses erreurs et les ont testé sur différentes “IA” pour obtenir ce faible taux de reconnaissance.

Si leur “ia” a vu 200 images de chats et 3 écureuils elle a plus de mal avec les écureuils cela semble logique. Puis avec toutes les races de chats il y a moyen que cela ressemble à pas mal de truc suivant les situations.

la dernière image par exemple je vois aussi plus un chat qu’un chien, surtout si c’est une empreinte de pied juste au dessus de lui, mais cela pourrait aussi être une race de chien c’est juste difficile avec cette scène et ce contraste/manque d’éclairage

Oui moi aussi je vois une chattte tenue en laisse (qui doit être bien mouillée vu la neige)

Je sors… lol

Pas tout à fait. Il s’agit ici de réseaux de neurones. Le “stock d’images que leur a fait bouffé” sert en partie de données d’entrainement (on précise bien sur ce qu’il y a sur la photo) et en partie de données de validation (bien sur sans croisement des deux groupes).
Le taux d’erreur pour un réseau bien entrainé sans biais de sélection (l’homme est inconscisemment très fort pour ça :-/) et sans biais de traitement inital (on simplifie les photos -genre augmentation de contraste + réduction de résolution- pour un traitement plus efficace) est en général autour de 95%.
Il n’y a aucun algorithme qui entre en jeu, c’est pour ça que l’on appelle ça de l’IA.
Et pour info, les taux de réussite humains tourne dans les 98% (voir ici le débat chien/chat), on n’est pas si loin.

Ça reste de l’algorithmique… il y a des étapes plus ou moins élémentaires à suivre dans un ordre précis pour que ça marche. Les étapes sont moins élémentaires qu’avant grâce à la floppée de framework, mais calculer des combinaisons linéaires, appliquer une fonction d’activation, calcul du gradient et minimisation de fonction, convolution et ce que tu veux, ça reste un algorithme. On doit même boucler sur les couches du réseau ! L’algorithmique ne se résume pas qu’à if, for, while…

On l’appelle IA car il s’entraine “tout seul”, point. Mais c’est complètement basé sur des algorithmes qu’on lui a donné et qui varient en fonction de ce sur quoi on souhaite travailler (formes, couleurs… etc).
Une fois entrainé, ce n’est qu’un gros algorithme qui reproduira exactement les mêmes résultats avec les mêmes images.