Gamalon, une nouvelle startup, affirme avoir développé une intelligence artificielle qui nécessite une base de données beaucoup plus légère tout en réalisant les mêmes niveaux de précision que les réseaux de neurones formés en “deep learning”.

Tous les regards se tournent vers l’industrie de la technologie de l’intelligence artificielle. Aussi connu sous le nom du Deep Learning, l’entraînement de l’IA consiste à fournir des quantités massives de données à un réseau de neurones. Si vous voulez entraîner le système à reconnaître un chat, par exemple, montrez-lui 10 000 images encore et encore et de toutes les variations possibles de ce que ressemble un chat. Mais ne lui montrez pas un chien, sinon l’IA deviendra confuse.

Quelle est la sauce secrète de la startup ?

C’est une technique qu’ils appellent le « Programme de Synthèse Bayésien, » c’est un procédé issu du domaine des probabilités. La technique écrit son propre code qui décrit le mieux les données devant elle. Vous enseignez au système de reconnaître un chat avec seulement quelques caractéristiques – les moustaches, la queue, les yeux etc.
De là, le système peut continuellement mettre à jour sa compréhension de ce qu’est un chat en regardant chaque nouvel exemple. Ceci est à l’opposé des techniques de Deep Learning, où vous devez former le système en lui montrant de nombreux exemples. Nous avions vu dans les articles précédents que l’apprentissage pouvait mener à des problèmes éthiques. Le Deep Learning ne peut pas gérer l’incertitude.

En réduisant la quantité de données pour l’entraînement de l’IA, cela réduit également la puissance de calcul requise par les systèmes d’apprentissage. Au lieu d’occuper des centaines de serveurs pour former des réseaux neuronaux massifs utilisant des processeurs graphiques coûteux (généralement fournis par Nvidia). Gamalon peut obtenir ses modèles formés sur les mêmes processeurs contenus dans un iPad.

La société affirme que son système d’IA est 100 fois plus efficace lorsqu’on le compare au Deep Learning de Google: TensorFlow.

Une IA pour nettoyer les bases de données.

Le premier produit de Gamalon basé sur la technique bayésienne consiste à convertir les flux non structurés de données en données épurées et structurées. L’application cible les entreprises qui traitent des quantités massives de données non nettoyées. Les clients de Gamalon laissent brancher leur logiciel dans Amazon, Microsoft, Google. L’IA en sort des dossiers backend propres.

Le nettoyage des données en entreprise ne sont pas l’activité la plus sexy du secteur mais l’IA pourrait l’explorer dès maintenant. Des nouveaux projets de véhicules autonomes fleurissent tous les jours, et c’est une zone où Gamalon est efficient pour prouver son modèle.

« L’activité principale de données non structurées est dans l’ordre des milliards », a déclaré Aydin Senkut, fondateur et directeur général de Felicis Ventures, un investisseur dans Gamalon. « Il y a des centaines de startups qui ont levé des centaines de milliards de dollars seulement sur le nettoyage des données. »

Gamalon Vs Google.

Gamalon a opposé ses techniques de reconnaissance d’image contre TensorFlow de Google avec le programme Deep Learning via « Quick, Draw« . Lorsque Google demande à l’utilisateur de dessiner une lampe de salon, l’IA devient confuse. Par exemple, l’utilisateur dessine une chaise à côté de la lampe. Parce qu’il a de la difficulté à séparer les deux objets ; Google pense que vous avez dessiné une maison ou une église. Mais en utilisant le système de cette startup, l’IA peut identifier les deux objets distincts pour ce qu’ils sont : un lampe et une chaise.
Avant Gamalon, Vigoda était co-fondateur et PDG de Lyric Semiconductor, qui a développé un « processeur de probabilité » et a été acquise par Analog Devices en 2011. Vigoda a reçu un doctorat en physique statistique au Massachusetts Institute of Technology.

Des investisseurs intéressés.

Gamalon prétend avoir reçu le plus gros investissement du Département américain du programme DARPA de la Défense, avec 7,7 millions de dollars dans les contrats gouvernementaux. La société a également soulevé 4,5 millions de dollars par Felicis Ventures. Les autres investisseurs inclus Boston Seed Capital, Rivas Capital, Adam D’Angelo, Andy Bechtolsheim, Steve Blank, Ivan Chong et Georges Harik.
Pour l’instant, Gamalon concentrera ses activités sur la vente de son service de nettoyage de données. Peut-être qu’elle envisage d’offrir sa technique de machine learning bayésien, mais il serait difficile de la vendre dans une industrie où la technologie Deep Learning est déjà très présente.

« Le pendule est allé si loin en faveur du Deep Learning que nous ne voyons pas la construction d’un modèle d’affaires essayant d’amener les gens à accepter ou à adopter cette technique », a déclaré Vigoda. « Si nous pouvons montrer ce que nous pouvons faire pour des utilisations commerciales, finalement les gens viendront à l’apprécier. »