Musée de la main

Un exemple d'apprentissage supervisé
Idiap, Groupe «Computational Bioimaging»: Michael Liebling, François Marelli, Florian Piras. Avec Cindy Leyvraz

Dans les appareils photo de nos téléphones portables ou sur les réseaux sociaux, l'utilisation de l'IA dans le traitement d'image est courante. En imagerie scientifique et médicale, son adoption est délicate et doit tenir compte de ses limitations. Cette installation permet au public d'entraîner une machine qui améliore des images digitales, redonnant aux objets la forme et la couleur qu'un appareil photo de mauvaise qualité a perdues. On y trouve quatre étapes clé du processus d'apprentissage machine supervisé: l'acquisition de données, leur annotation, l'entraînement de la machine et son évaluation. Le public prendra conscience des principaux écueils rencontrés lors de la mise en œuvre de ce genre de méthodes: quantité d'images insuffisante, manque de diversité, mauvaises annotations, capacité de calcul limitée, gourmandise en énergie.

Idiap, Groupe «Biometrics Security & Privacy»: Sébastien Marcel, Anjith George. Avec Guillaume Clivaz

La biométrie est la science de l'identité. Les technologies matérielles et logicielles qui sont développées dans ce domaine visent à distinguer les individus par leurs traits uniques (visage, iris, empreinte digitale, …). Les défis dans ce champ de recherche sont de concevoir des outils robustes face à la variabilité de la morphologie dans le temps (par exemple le vieillissement), de détecter les attaques comme les usurpations d'identités et de sécuriser les données biométriques pour protéger la vie privée. Dans ce dispositif, le public découvre à quel point l'IA reconnaît le visage d'un mannequin, qu'il aura préalablement déguisé avec des accessoires. Cette expérience montre que, dans des procédures d'identification, le seuil à partir duquel on considère qu'une identité est établie est une notion clé.

Idiap, Groupe «Social Computing»: Daniel Gatica-Perez et Benoît Massé. Avec Philip Abbet

De nos jours, il est possible d'apprendre à une machine à détecter des comportements humains. Mouvements de la tête, gestes, débit et temps de parole, vivacité du ton: toute une chaîne de réactions est ainsi captée et analysée par un algorithme. Ces systèmes sont utilisés dans la recherche en psychologie et facilitent notamment l'interaction avec des agents conversationnels. Ainsi, il est aujourd'hui fondamental de réfléchir aux implications éthiques de ces technologies et de ne les employer que dans des applications qui profitent aux utilisateurs sans leur nuire. Pour comprendre comment fonctionne l'analyse du comportement par une IA, le public réalise une performance d'air guitar et découvre à quel extrait vidéo d'une base de données il est associé.

Idiap, Groupe «Perception & Activity Understanding»: Jean-Marc Odobez, Rémy Siegfried. Avec la contribution de Eyeware Tech SA

Comment un humain est-il analysé par la machine? Le domaine de recherche qui s'y intéresse développe des algorithmes capables de détecter ou d'estimer, à partir d'une image, des informations complexes liées à des personnes: position, localisation des membres, émotions, gestes, ou direction du regard. La recherche en perception de l'humain a de nombreuses applications. Dans le domaine médical, grâce à l'analyse des comportements, elle permet d'étudier des problèmes moteurs, tels que la maladie de parkinson, ou de contribuer à la détection de l'autisme ou de la dépression. Par ailleurs, elle permet d'améliorer nos interactions avec les appareils électroniques, en les rendant plus faciles à utiliser pour des personnes qui n'y sont pas habituées. Dans l'exposition, le public pourra déclencher des sons en promenant son regard sur une image.

Idiap, Groupe «Speech & Audio Processing», Philip Garner, Bastian Schnell. Avec Colombine Verzat

Dans le domaine des technologies de la parole, plus précisément dans celui de la reconnaissance et de la synthèse vocales, un des objectifs est de permettre à un ordinateur d'interagir avec une personne d'une manière aussi naturelle que possible pour cette dernière. Les défis ne portent pas sur ce qui est dit, mais sur la manière dont cela est dit. On recherche une parole expressive qui véhicule des émotions, par exemple lorsqu'il s'agit de traduire un texte avec la même emphase et les mêmes affects que dans la langue d'origine. Dans le futur, la synthèse vocale émotionnelle permettra peut-être aux machines de s'adapter à leurs utilisateurs. Le public est invité à écouter six phrases prononcées en anglais et à deviner quelle émotion l'IA a tenté d'imiter.

Idiap, Groupe «Robot Learning & Interaction»: Sylvain Calinon et Tobias Löw. Avec Jérémy Maceiras
Soutien: Franka Emika – The Robotics Company GmbH et Gimelli Engineering AG

Le développement de robots capables d'acquérir des compétences à partir de démonstrations et d'interactions avec les humains facilite les transferts de tâches d'une personne à un appareil. La machine n'apprend plus uniquement grâce au langage informatique, mais engrange des informations sensorielles qui lui sont transmises, par exemple, par le geste. En guidant physiquement le bras du robot, ce dernier apprend à reproduire les mouvements et à les adapter à différentes situations. Ces approches peuvent ensuite être utilisées autant avec des robots proches de nous (assistance, industrie, prothèses, exosquelettes) qu'avec des robots à distance (téléopération). Ce dispositif montre comment un bras robotique dessine un portrait, suite à un apprentissage focalisé sur des tâches d'insertion.