De la recherche au jeu
Morph Tales est un jeu passionnant et astucieux qui "brise la glace" sur des sujets d'IA que la recherche de l'ETH étudie réellement. Que faut-il pour transposer des recherches réelles dans un jeu divertissant ?
Le jeune personnage "Morph", qui a envie d'apprendre, permet de représenter le fait que les algorithmes à la base de toute intelligence artificielle sont développés par des humains et que toute IA doit d'abord apprendre à partir de données d'entraînement avant de pouvoir fonctionner de manière ciblée et fiable.
La recherche en IA au ETH AI Center développe des systèmes d'IA collaboratifs, dignes de confiance, largement accessibles et inclusifs, qui complètent les humains dans leurs tâches et ne les remplacent pas. En conséquence, les morphs apprennent dans le jeu comment résoudre une tâche avec les humains et apporter leur contribution de manière fiable.
Des projets de recherche réels comme source d'inspiration
L'ETH Zurich compte de nombreux groupes de recherche qui étudient ou appliquent l'intelligence artificielle. Quatre projets issus de différents domaines de recherche (sciences agronomiques, sciences pharmaceutiques, technologies de l'information et géobiologie) ont servi d'inspiration pour les quatre mini-jeux de Morph Tales. Afin de créer des jeux passionnants et faciles à jouer, le contexte de la recherche a été simplifié et intégré à l'histoire de l'ensemble du jeu.
Les quatre projets de recherche
Des agronomes de l'ETH Zurich étudient comment l'agriculture peut réduire sa consommation de pesticides et d'engrais grâce à l'IA. Pour ce faire, des drones survolent les surfaces cultivées et détectent la quantité d'engrais nécessaire à un champ. Leur surveillance doit contribuer à réduire de 90% les produits de protection et les engrais.
En outre, les robots sont entraînés à l'IA de telle sorte qu'ils apprennent où lutter contre les mauvaises herbes ou prévenir les maladies des plantes. Dans le cadre du projet "InnoFarm" de l'ETH, les chercheurs de l'ETH ont notamment testé comment ces technologies mobiles et intelligentes pouvaient aider l'agriculture suisse à devenir plus respectueuse de l'environnement tout en maintenant sa productivité. Plus d'informations sous page externe"InnoFarm".
Dans la recherche de substances pharmaceutiques, les chercheurs de l'ETH utilisent des approches d'intelligence artificielle pour concevoir de nouveaux médicaments sur ordinateur. Ils ont développé un modèle d'IA qui conçoit de manière autonome des structures moléculaires possédant une ou plusieurs propriétés souhaitées en vue du traitement de certaines maladies.
Grâce à l'IA, les chercheurs obtiennent de nouvelles molécules dont ils peuvent ensuite tester l'effet pharmacologique en tant que médicaments en laboratoire. Aujourd'hui, cette technologie permet déjà d'identifier beaucoup plus efficacement de nouvelles substances médicamenteuses. La découverte et le développement de médicaments s'en trouvent grandement facilités. Pour en savoir plus sur le développement de médicaments assisté par l'IA, consultez le site Internet "de novo drug design" (en anglais) ou dans ce Article (en allemand).
A l'ETH Zurich, plusieurs groupes de recherche en sciences de l'ingénieur développent des procédés d'IA qui permettent aux véhicules de s'autoguider de manière autonome et de se déplacer de manière fiable et sûre. De tels modèles d'IA pour le pilotage sont développés non seulement pour les drones volants, les véhicules routiers ou ferroviaires, mais aussi pour les bateaux.
Au laboratoire d'automatique et au Centre pour l'apprentissage par projet du D-ITET, les chercheurs et les étudiants travaillent par exemple sur la modélisation, la reconnaissance basée sur des capteurs et l'IA, ainsi que sur les systèmes d'énergie autonomes, le contrôle et la simulation de voiliers autonomes. Ils veulent découvrir comment les bateaux se déplacent de manière autonome et ciblée sur l'eau dans certaines conditions de vent et de mer. Pour en savoir plus sur la voile et la navigation autonomes, consultez cette page. Site web (en anglais) ou dans ce TéléchargerDocument (PDF, 345 KB).
La vie est un système qui se renouvelle et qui est capable de modifier son environnement et d'évoluer. Pour que la vie puisse se développer sur une planète, un certain nombre de conditions doivent être remplies. L'eau et les nutriments sont deux exemples de facteurs que la vie peut utiliser pour produire de l'énergie et continuer à se développer.
Les astronomes et les géoscientifiques ont collecté d'énormes quantités de données sur des milliers d'exoplanètes, qu'ils peuvent désormais passer au crible à la recherche de traces de vie. Les géobiologistes de l'ETH Zurich utilisent des approches d'intelligence artificielle pour extraire de toutes ces données planétaires, géologiques, atmosphériques, écologiques et biologiques des modèles et des informations qui permettent de tirer des conclusions sur les conditions et l'évolution de la vie. Pour en savoir plus sur la recherche géobiologique sur la vie, consultez cette page. Site web (en anglais) ou dans ce Interview (en allemand).
Smart Farming (apprentissage supervisé) : Dans la recherche sur l'agriculture intelligente, des capteurs et des caméras sont utilisés pour détecter les parasites et les maladies. Par exemple, la position des mauvaises herbes peut être détectée à l'aide de la reconnaissance d'images et transmise à un robot de désherbage. Les algorithmes de reconnaissance d'images sont entraînés par ce que l'on appelle "l'apprentissage supervisé". Cela signifie que l'ordinateur apprend ce qu'est une mauvaise herbe à l'aide d'une très grande quantité d'exemples et de contre-exemples.
Virtual Drug Design (apprentissage automatique génératif) : Le jeu Virtual Drug Design est basé sur la recherche qui utilise l'apprentissage automatique génératif pour produire de nouveaux médicaments innovants. On montre ici à l'ordinateur une grande quantité d'exemples de liaisons moléculaires et, sur la base de ces observations, l'ordinateur peut ensuite proposer de nouvelles liaisons.
Autonomous Sailing (apprentissage supervisé) :L'apprentissage automatique peut être utilisé pour prédire la vitesse d'un voilier et aider à la planification optimale de la trajectoire d'un pilote automatique. En se basant sur des données historiques qui mettent en corrélation des valeurs mesurées telles que la vitesse du vent, l'angle d'attaque du vent et la variable cible de la vitesse du bateau, des prédictions sont faites sur les réglages optimaux dans une situation future.
Origin of Life (apprentissage supervisé) : Les rovers qui recherchent des traces de vie à la surface des exoplanètes peuvent recevoir des demandes et des exemples de cibles les plus prometteuses. Le système informatique du rover peut alors rechercher et classer automatiquement ces cibles par ordre de priorité sur la base de ces entrées apprises.
Vous souhaitez en savoir plus sur La recherche en IA à l'ETH Zurich. Ou vous voulez savoir , comment les Morph Tales ont été créés? Vous vous intéressez à la Origine des morphes?
Dans le calendrier, vous pouvez réserver des tablettes pour votre visite.
page externeVérifier les données
Contact
ETH Zurich
101, rue de la Rämi
8092 Zurich
CH