intelligence artificielle

ML.NET : le Machine Learning pour les développeurs .NET

Soumis par fredericmazue le

Microsoft a publié ML.NET, version 0.10. Il s'agit d'un framework de machine learning open source et multi plates-formes destiné aux développeurs .NET.

Avec ML.NET, les développeurs .NET peuvent exploiter leurs compétences existantes pour développer pour ajouter une intelligence artificielle à leurs applications en créant des modèles d'apprentissage automatique personnalisés. De plus ML.NET permet une intégration avec d'autres frameworks d'intelligence artificielle populaires, tels que TensorFlow.

Microsoft donne de nombreux cas d'application à ML.NET : analyse des sentiments, recommandations, classification des images, prévisions des ventes, prévisions de prix, etc.

Au départ, ML.NET a été développé Microsoft Research. Il est utilisé en interne à Redmond dans de nombreux produits dont Windows, Bing, PowerPoint, Excel, etc. Microsoft vient d'en ouvrir le code.

ML.NET s'exécute sous Windows, Linux et macOS sous .NET Core. C'est un logiciel libre sous licence MIT. Il est disponible sur GitHub. 

ML.NET dispose également d'un site officiel qui propose notamment un guide de démarrage.

Microsoft avait présenté ML.NET a sa conférence Ignite de septembre 2018. Vidéo ci-dessous :

[video:https://www.youtube.com/watch?v=yDa8zsyKJRw autoplay:0]

Ubisoft s'associe à Mozilla pour développer Clever-Commit, un assistant de programmation basé sur l'intelligence artificielle

Soumis par fredericmazue le

Ubisoft collaborera avec Mozilla au développement et à la mise en œuvre de l'assistant de programmation Clever-Commit. Clever-Commit est une technologie d'intelligence artificielle développée par le Groupe Technologique d'Ubisoft qui, en apprenant des bogues et correctifs passés, a pour but d'aider les programmeurs à évaluer si un changement de code entraînera un nouveau bogue.

Clever-Commit a été présenté l'an dernier en tant que prototype du nom de Commit-Assistant par le laboratoire de recherche d'Ubisoft Montréal, Ubisoft La Forge, en collaboration avec l'Université Concordia. Tout d'abord testé avec des données amassées lors du développement de jeux vidéo, le prototype a ensuite été transféré au Groupe Technologique d'Ubisoft, qui avait pour mission de le développer, de l'adapter et de le déployer partout dans le monde.

Mozilla va notamment utiliser Clever-Commit dans le développement de Firefox. « La correction de bogues est un processus nécessitant beaucoup de temps et de ressources. Encore plus quand on parle de grandes quantités de code, par exemple pour les navigateurs et les jeux AAA. En intégrant Clever-Commit au flux de développement, nous améliorerons le processus de programmation de Firefox en repérant les tendances en matière de bogues et en identifiant plus tôt les correctifs antérieurs, à une étape où corriger un bogue coûte beaucoup moins cher qu'après la parution. Cela nous permettra ainsi de mettre à disposition un plus grand nombre de versions stables de Firefox et d'offrir des expériences de navigation améliorées aux utilisateurs », explique Sylvestre Ledru, responsable de la gestion des lancements et de la qualité chez Firefox.

AlphaStar bat des joueurs professionnels de StarCraft II

Soumis par fredericmazue le

En 2016 et 2017 AlphaGo, l'intelligence artificielle de la société DeepMind, filiale de Google, a battu les champions de Go Lee Sedol et le prodige Ke Jie. Dès 2016, DeepMind indiquait vouloir relever de nouveaux défis et s'attaquer à StarCraft II, avec l'ambition que son intelligence artificielle batte des joueurs professionnels.

Pourquoi StarCraft II ? DeepMind le considère comme le meilleur jeu à un contre un de tous les temps, la crème des jeu. Contrairement au Go ou aux Echecs, le monde de StarCraft n'est pas un monde ordonné où tous les paramètres sont définis à l'avance. StarCraft reproduit en quelque sorte le manque d'organisation du monde réel, souligne DeepMind. De plus, le brouillard fait que le jeu doit de nouveau être exploré à chaque partie. Alors un programme d'intelligence artificielle qui sera capable d'apprendre à bien jouer à StarCraft II, trouvera des applications dans le monde réel. C'est l'enjeu.

DeepMind a baptisé AlphaStar son programme d'intelligence artificielle pour StartCratf II. Le 19 décembre dernier, au cours d'un match en 5 parties, AlphaStar a battu Grzegorz 'MaNa' Komincz, qui figure parmi les plus forts joueurs deStarCraft professionnels du monde, sur le score de 5 à 0. Ceci après avoir battu au cours d'un match de référence Dario 'TLO' Wünsch, le coéquipier Grzegorz 

Les matches se sont déroulés dans des conditions de match professionnelles sur une carte en échelle de compétition et sans aucune restriction de jeu, précise fièrement DeepMind dans son communiqué.

DeepMind exlique : Le comportement d'AlphaStar est généré par un réseau de neurones profonds qui reçoit des données d'entrée de l'interface de jeu brute (une liste d'unités et de leurs propriétés) et génère une séquence d'instructions constituant une action dans le jeu. Plus précisément, l’architecture de réseau neuronal applique aux unités un torse de transformateur (similaire à  l’apprentissage par renforcement relationnel profond relationnel ), associée à un noyau LSTM profond , à une tête de stratégie auto-régressive avec un réseau de pointeurs et à une valeur de référence centralisée.. Nous pensons que ce modèle avancé contribuera à de nombreux autres problèmes de recherche en apprentissage automatique impliquant la modélisation de séquence à long terme et les grands espaces de sortie tels que la traduction, la modélisation du langage et les représentations visuelles.

Et ajoute : AlphaStar utilise également un nouvel algorithme d’apprentissage multi-agents. Le réseau de neurones a été initialement formé par apprentissage supervisé à partir de jeux humains anonymisés publiés par Blizzard . Cela a permis à AlphaStar d’apprendre, par imitation, les stratégies de base micro et macro utilisées par les joueurs de l’échelle StarCraft. Cet agent initial a vaincu l'IA intégrée de niveau «Elite» - autour du niveau de l'or pour un joueur humain - dans 95% des matchs.

[video:https://www.youtube.com/watch?v=cUTMhmVh1qs autoplay:0]

TensorFlow 2.0 Preview

Soumis par fredericmazue le

Google a publié la préversion de TensorFlow 2.0. Pour mémoire TensorFlow est un outil de machine learning et de deep learning. Il expose une API en Python. Google l'utilise en interne, notamment pour Inception v3, son architecture de reconnaissance d'image.

TensorFlow est un outil open source, disponible sur son site offciel.

TensorFlow 2.0 met l'accent sur la simplicité et la facilité d'utilisation, notamment avec :

  • Construction de modèles plus facile avec Keras et exécution plus rapide.
  • Déploiement de modèles robustes en production sur n’importe quelle plate-forme.
  • Expérimentation puissante pour la recherche. TensorFlow facilite la prise en charge de nouvelles idées du concept au code et du modèle à la publication.
  • Simplification  l'API avec nettoyage sde es API obsolètes et  réduction la duplication.

Nauta : une plate-forme de deep learning distribuée open source proposée par Intel

Soumis par fredericmazue le

Intel propose un nouvel outil d'intelligence artificielle : Nauta. Nauta fournit un environnement informatique distribué multi utilisateurs permettant d'exécuter des expériences d'apprentissage de modèles DL.

Les résultats peuvent être visualisés et surveillés à l'aide d'une interface de ligne de commande, d'une interface utilisateur Web et / ou de TensorBoard. Les développeurs peuvent utiliser des ensembles de données existants, des données propriétaires ou des données téléchargées à partir de sources en ligne, et créer des dossiers publics ou privés pour faciliter la collaboration entre les équipes.

Nauta utilise la plate-forme Kubernetes et Docker pour une évolutivité et une gestion simplifiées.

Des packs de modèles pour divers frameworks et outils DL sont disponibles (et personnalisables) sur la plate-forme afin de simplifier la création et l'exécution d'expériences de formation en profondeur à un ou plusieurs nœuds, sans les coûts système et les scripts requis par les environnements de conteneur standard.

Nauta est un logiciel libre sous licence Apache 2.0, disponible sur GitHub.

Un guide de démarrage pour déployer Nauta sur Google Cloud Platform est proposé ici.

Facebook ouvre le code de PyText

Soumis par fredericmazue le

PyText est un framework de modélisation du langage naturel basé sur l'apprentissage en profondeur (deep learning), et construit sur PyTorch. PyText tente de répondre aux exigences souvent contradictoires qui sont de permettre une expérimentation rapide et de fournir des modèles utilisables en production. Pour ce faire, PyText fournit des interfaces et des abstractions simples et extensibles pour les composants de modèle, ainsi que les capacités d’exportation de modèles de PyTorch via le moteur d’exécution optimisé Caffe2. Facebook utilise PyText pour tester rapidement de nouvelles idées de modélisation, puis les déployer de manière transparente en production.

PyText estompe les frontières entre expérimentation et déploiement à grande échelle en s'appuyant sur le cadre unifié de PyTorch, assure Facebook, qui ajoute que sur le réseau social, PyText est utilisé pour plus d'un milliard de prévisions quotidiennes, ce qui montre qu'il peut fonctionner en production tout en répondant aux exigences de latence les plus strictes.

PyText est un logiciel libre sous licence BSD, disponible sur GitHub.

IntelliCode disponible pour TypeScript et JavaScript au sein de Visual Studio Code

Soumis par fredericmazue le
IDE
Image
Image

IntelliCode, c'est IntelliSense enrichi d'un ensemble de fonctionnalités assistées par l'IA visant à améliorer la productivité des développeurs. Mi-novembre, ce codage assisté par IA était disponible pour Java dans Visual Studio Code. Il a quelques jours Microsoft a annoncé IntelliCode pour TypeScript et JavaScript dans Visual Studio Code.

Pour en disposer, installez l'extension Visual Studio IntelliCode deouis le Market Place de Microsoft ou installez-la à partir de l'onglet Extensions dans Visual Studio Code. Ensuite, ouvrez un fichier TypeScript ou JavaScript. Ecrivez du code et vous commencerez à voir les recommandations d'IntelliCode.

Intellicode va changer ses recommandations en fonction du contexte sur lequel vous travaillez et de trier les options par pertinence pour cette situation spécifique. Par exemple si vous utilisez un élément tel que map dans une instruction conditionnelle ou une boucle, vous verrez les méthodes que vous utiliseriez le plus probablement pour créer la condition. Dans le bloc de code de la condition, la liste de suggestions d'achèvements pour la map sera différente.

Intellicode vous assistera également dans votre travail avec différentes bibliothèques JavaScript, si vous écrivez du code côté client avec des bibliothèques comme React, angulaire, ou encore Vue, ou si vous faites du développement côté serveur avec Node.js et Express.

Le codage assisté par IA pour Java dans Visual Studio Code avec Visual Studio IntelliCode

Soumis par fredericmazue le
IDE
Image
Image

Visual Studio IntelliCode est un ensemble de fonctionnalités assistées par l'IA visant à améliorer la productivité des développeurs grâce à des fonctionnalités telles qu'IntelliSense assisté par l'IA, la complétion d'instructions, le formatage du code et l'inférence de règles de style.

Au cours de la conférence SpringOne 2018, Microsoft a promis d'apporter ces améliorations de productivité aux développeurs java. Promesse aujourd'hui tenue. Microsoft présente intelliSense en Java assisté par l'IA dans l'extension IntelliCode Extension for Visual Studio Code.

Microsoft souligne que IntelliCode vous permet de gagner du temps en plaçant les suggestions les plus pertinentes en tête de votre liste. Les recommandations d'IntelliCode sont basées sur des milliers de projets open source sur GitHub, chacun comptant plus de 100 étoiles. C'est pourquoi l'intelligence artificielle de IntelliCode est formée aux modèles et pratiques d'utilisation les plus répandus. Lorsqu'elle est combinée avec le contexte de votre code, la liste de finalisation est conçue pour promouvoir ces pratiques.

L'animation ci-dessous montre IntelliCode en action :

Outre l'intelligence artificielle, Microsoft apporte de nouvelles fonctionnalités à l'intention des développeurs Java.  Beaucoup de développeurs se sont plaints de l'absence d'une vue package, de la gestion des dépendances et d'un outil de création de projet. En réponse, Microsoft propose une nouvelle extension qui apporte ces fonctionnalités : Java Dependencies.

Ignite 2018 : Orienté I.A et Big data, SQL Server 2019 est disponible en préversion

Soumis par fredericmazue le

Lors de la conférence Ignite 2018 qui se déroule durant toute la semaine, Microsoft a annoncé la disponibilité de SQL Server 2019 en préversion.

Depuis sa première mouture sortie en 1989, SQL Server évolue constamment. Dans ses versions récentes SQL Server est allé au delà des requêtes de bases de données relationnelles en unifiant données graphiques et relationnelles, et apportant le machine learning avec l'évaluation des modèles R et Python.

SQL Server continue dans cette tendance en faisant un bond en avant pour se positionner comme un outil d'Intelligence Artificielle et d'analyses avancées sur le Big Data.

SQL Serveur intègre HDFS (Hadoop Distributed Filing System) et Apache Spark et acquiert la possibilité de créer des grappes (clusters) de données très voluminueuses. Ces grappes de données sont déployées en tant que conteneurs sur Kubernetes avec un service de gestion intégré. Les utilisateurs peuvent ainsi bénéficier d'une expérience de gestion et de déploiement cohérente sur diverses plates-formes prises en charge sur site et dans le cloud: Azure Kubernetes Service (AKS), Azure Stack (sur AKS) et OpenShift sur Azure.

A noter encore l'arrivée de connecteurs pour accéder à des sources de données Mongo DB, Oracle ou Terradata. SQL Server 2019 virtualise les données afin de permettre des requêtes à travers des ensembles de données relationnelles ou non, sans déplacement de celles-ci, ni réplications.

SQL Server 2019, apporte encore la possibilité de créer des entensions en Java.

Retrouvez la note de version complète de SQL Server 2019 ici. 

SQL Server 2019 peut être téléchargé depuis son site officiel.

[video:https://www.youtube.com/watch?v=57nOSM51W2M autoplay:0]

Intelligence artificielle et machine learning : IBM propose la boite à outils open source AI Fairness 360

Soumis par fredericmazue le

IBM Research met à la disposition de la communauté open source la boîte à outils AI Fairness 360, une bibliothèque d'algorithmes, de codes et de tutoriels inédits qui fournira aux universitaires, aux chercheurs et aux spécialistes des données des outils et des connaissances pour intégrer la détection des biais au fur et à mesure qu’ils construisent et déploient les modèles d’apprentissage machine.

Qu'appelle-t-on un biais (bias en anglais) en Intelligence Artificielle ou en Machine Learning ? IBM clarifie la notion dans un billet de blog présentant AI Fairness 360.

IBM explique : Les modèles d'apprentissage automatique sont de plus en plus utilisés pour éclairer les décisions importantes concernant les personnes. Bien que l’apprentissage automatique, de par sa nature même, constitue toujours une forme de discrimination statistique, la discrimination devient inacceptable quand il place systématiquement certains groupes privilégiés à l’avantage et que certains groupes non privilégiés sont systématiquement désavantagés. Cette discrimination est un biais. Les défauts( également appelés biais) dans les données, dus soit à des préjugés sur les étiquettes, soit à un sous-échantillonnage ou à un sur-échantillonnage, aboutissent à des modèles présentant un biais indésirable.  

Le package AIF360 Python contient neuf algorithmes différents, développés par la communauté de la recherche en équité algorithmique, pour atténuer les biais indésirables. Ils peuvent tous être appelés d'une manière standard, très similaire au paradigme d'ajustement / prédiction de scikit-learn.

AIF360 n'est pas simplement un package Python. C’est aussi une expérience interactive qui offre une introduction en douceur aux concepts et aux capacités de la boîte à outils. 

AIF360 contient en outre 3 didactitiels. D'autres sont à venir.

Site de ressources : aif360.mybluemix.net

AIF360 Python est sur GitHub.


Expérience interactive avec AI Fairness 360