{"id":10185,"date":"2024-02-20T07:06:53","date_gmt":"2024-02-20T07:06:53","guid":{"rendered":"https:\/\/dailyai.com\/?p=10185"},"modified":"2024-02-22T09:44:53","modified_gmt":"2024-02-22T09:44:53","slug":"meta-releases-v-jepa-a-predictive-vision-model","status":"publish","type":"post","link":"https:\/\/dailyai.com\/fr\/2024\/02\/meta-releases-v-jepa-a-predictive-vision-model\/","title":{"rendered":"Meta lance V-JEPA, un mod\u00e8le de vision pr\u00e9dictive"},"content":{"rendered":"

Meta a lanc\u00e9 V-JEPA, un mod\u00e8le de vision pr\u00e9dictive qui constitue la prochaine \u00e9tape vers la vision de Yann LeCun, scientifique en chef de Meta AI, en mati\u00e8re d'intelligence artificielle avanc\u00e9e (AMI).<\/strong><\/p>\n

Pour que les machines dot\u00e9es d'IA puissent interagir avec les objets du monde physique, elles doivent \u00eatre form\u00e9es, mais les m\u00e9thodes conventionnelles sont tr\u00e8s inefficaces. Elles utilisent des milliers d'exemples vid\u00e9o avec des codeurs d'images pr\u00e9form\u00e9s, du texte ou des annotations humaines, pour qu'une machine puisse apprendre un seul concept, sans parler de comp\u00e9tences multiples.<\/p>\n

V-JEPA, qui signifie Joint Embedding Predictive Architectures, est un mod\u00e8le de vision con\u00e7u pour apprendre ces concepts de mani\u00e8re plus efficace.<\/p>\n

LeCun a d\u00e9clar\u00e9 que \"V-JEPA est une \u00e9tape vers une compr\u00e9hension plus approfondie du monde afin que les machines puissent parvenir \u00e0 un raisonnement et \u00e0 une planification plus g\u00e9n\u00e9ralis\u00e9s\".<\/p>\n

V-JEPA apprend comment les objets du monde physique interagissent \u00e0 peu pr\u00e8s de la m\u00eame mani\u00e8re que les autres. de la m\u00eame mani\u00e8re que les enfants en bas \u00e2ge<\/a>. L'un des principaux moyens d'apprentissage consiste \u00e0 remplir les blancs pour pr\u00e9dire les informations manquantes. Lorsqu'une personne passe derri\u00e8re un \u00e9cran et ressort de l'autre c\u00f4t\u00e9, notre cerveau remplit le vide en comprenant ce qui s'est pass\u00e9 derri\u00e8re l'\u00e9cran.<\/p>\n

V-JEPA est un mod\u00e8le non g\u00e9n\u00e9ratif qui apprend en pr\u00e9disant les parties manquantes ou masqu\u00e9es d'une vid\u00e9o. Les mod\u00e8les g\u00e9n\u00e9ratifs peuvent recr\u00e9er un morceau de vid\u00e9o masqu\u00e9 pixel par pixel, mais ce n'est pas le cas de V-JEPA.<\/p>\n

Il compare des repr\u00e9sentations abstraites d'images non \u00e9tiquet\u00e9es plut\u00f4t que les pixels eux-m\u00eames. On pr\u00e9sente \u00e0 V-JEPA une vid\u00e9o dont une grande partie est masqu\u00e9e, avec juste assez d'\u00e9l\u00e9ments de la vid\u00e9o pour donner un certain contexte. Il est alors demand\u00e9 au mod\u00e8le de fournir une description abstraite de ce qui se passe dans l'espace masqu\u00e9.<\/p>\n

Au lieu d'\u00eatre form\u00e9 \u00e0 une comp\u00e9tence sp\u00e9cifique, Meta explique \"qu'il a utilis\u00e9 une formation auto-supervis\u00e9e sur une s\u00e9rie de vid\u00e9os et a appris un certain nombre de choses sur la fa\u00e7on dont le monde fonctionne\".<\/p>\n

\n

Nous publions aujourd'hui V-JEPA, une m\u00e9thode pour apprendre aux machines \u00e0 comprendre et \u00e0 mod\u00e9liser le monde physique en regardant des vid\u00e9os. Ce travail est une autre \u00e9tape importante vers @ylecun<\/a>Les mod\u00e8les d'IA qui utilisent une compr\u00e9hension acquise du monde pour planifier, raisonner et... pic.twitter.com\/5i6uNeFwJp<\/a><\/p>\n

- AI at Meta (@AIatMeta) 15 f\u00e9vrier 2024<\/a><\/p><\/blockquote>\n