Les algorithmes collaborent pour créer des «faux» réalistes

摘要

C'est une série de scanners 3D de cerveaux atteints de tumeurs, de toute taille et diversement situées. Des cas rares, donc précieux pour la recherche et pour établir de futurs diagnostics. Particularité : aucun n'a été obtenu par imagerie médicale (IRM). Aussi réalistes soient-ils, ces clichés, rendus publics en septembre, ont été créés de toutes pièces par une équipe regroupant des chercheurs du fabricant américain de processeurs graphiques Nvidia, de la Mayo Clinic de Rochester (États-Unis) et du Centre MGH & BWH pour la science des données cliniques de Boston (États-Unis). L'enjeu? Bâtir des bases de données destinées à entraîner des algorithmes d'intelligence artificielle (IA) à reconnaître des tumeurs cérébrales. Le tout sans se heurter à des questions de respect de la vie privée puisque les données ne concernent aucun patient réel. Et en disposant de cas atypiques sur lesquels il existe trop peu de données. Pour en arriver là, l'équipe s'est servie d'une méthode d'apprentissage automatique particulièrement en vogue : les réseaux génératifs antagonistes ou GAN (generative adver-sarial networks). Cette approche a été inventée en 2014 par le spécialiste américain Ian Goodfellow, aujourd'hui membre de l'équipe de recherche en IA mise en place par Google (Google Brain). Le principe consiste à mettre en compétition deux algorithmes de deep learning (apprentissage profond). Le premier, appelé «générateur», est programmé pour créer une donnée et la soumettre au jugement du deuxième. Celui-ci, appelé «discriminateur», a été entraîné sur un jeu de données réelles : il est ainsi à même de reconnaître si ce que lui envoie le générateur — qui n'a jamais vu une seule image — est «vrai» ou «faux» en assignant une valeur située entre 0 et 1.