DeepMind ajoute une corde à son arc; après l’IA championne de Go (AlphaGo), la filiale de Google s’est lancée un nouveau défi : créer des algorithmes capables de générer une scène 3D… à partir de simples photos en 2D.
Le Generative Query Network (GQN) est ainsi capable de déterminer l’ensemble d’une scène en trois dimensions en se basant sur une image en deux dimensions, et ce en s’appuyant sur des procédés cognitifs qui se veulent proches de ceux de l’être humain. Le logiciel « déduit » en effet les éléments manquants de la scène en se servant de son stock de connaissances préalables. Ainsi, à partir de l’image d’un homme projeté de face, l’IA déduirait logiquement l’image de dos, avec la même couleur de veste, la bonne taille de cheveux (que l’on peut distinguer de face), etc.
Deepmind n’a besoin que de 5 photos d’une même scène pour en faire une description 3D parfaitement cohérente. 2 réseaux de neurones participent à ce travail de « reconstruction » 3D, et ce sans aucune intervention extérieure. Il n’en reste pas moins que les images de test affichent très peu d’objets, et que DeepMind n’est pas encore en mesure de déduire la représentation 3D d’une scène complexe; mais à ce rythme de progression…
