Via Automation – petit tour d’horizon du contrôle automatique: Photographies, filtres et IA
À première vue, cela peut sembler n'avoir aucun rapport avec le contrôle automatique. Pourtant, le domaine de la photographie numérique regorge d'idées étroitement liées à notre domaine.
À vrai dire, pratiquement toutes les photos que vous prenez aujourd’hui impliquent l’une ou l’autre forme d’estimation automatique, de filtrage ou d’optimisation. Votre téléphone règle en continu la mise au point ou la durée d’exposition de l’objectif, stabilise son mouvement, et sélectionne parfois même la meilleure image parmi plusieurs candidates. La plupart de ces opérations se déroulent en quelques fractions de seconde et, comme dirait Karl Johan Åström, relèvent en grande partie d’une technologie cachée [1].
Faisons une petite expérience.
Prenez une photo dans une pièce peu éclairée, tout en bougeant délibérément votre téléphone. L'image obtenue présentera généralement deux défauts : du bruit et un flou. Le bruit apparaît parce que le capteur de l'appareil photo ne reçoit qu'une quantité limitée de lumière. Le flou apparaît parce que la scène bouge pendant que l'obturateur est ouvert. Répétez à présent l’expérience en utilisant le mode nuit de votre téléphone. Vous remarquerez sans doute que le résultat est meilleur.
Que s'est-il passé ?
Si votre téléphone est suffisamment récent, il ne se contente pas d’une seule photo. Il capture rapidement plusieurs images et les combine de manière « intelligente », un procédé appelé « traitement en rafale » [2,5]. En deux mots, le logiciel évalue quelles structures font partie de la scène réelle et lesquelles ne sont que du bruit ou des artefacts de mouvement. Il s’agit là d’un filtrage au sens très large : extraire des informations utiles à partir de mesures imparfaites.
Le filtrage a une longue et fascinante histoire dans les domaines de la régulation automatique et du traitement du signal. Dans les années 1960, Rudolf E. Kalman a introduit (avec ses collègues) ce que l’on appelle aujourd’hui le filtre de Kalman — sans doute l’un des algorithmes les plus influents jamais développés en ingénierie [3]. Son principe est le suivant. Supposons que nous disposions d’un modèle mathématique décrivant l’évolution d’un système dynamique, ainsi que de mesures bruitées de ce système, c’est-à-dire des mesures de la sortie du système. Il s’avère que nous pouvons reconstituer de manière optimale les états du système sous-jacent sous certaines hypothèses structurelles, par exemple que ce système est linéaire et que le bruit est gaussien (c’est-à-dire une courbe en cloche). Concrètement, le modèle fournit une première prédiction, puis le filtre utilise des mesures et les statistiques du bruit pour corriger cette prédiction.
Le filtre de Kalman a joué un rôle déterminant en navigation, en aérospatiale et en robotique. On sait notamment qu’il s’est révélé très utile lors des missions Apollo [4]. D’un point de vue conceptuel, votre téléphone effectue des tâches d’estimation similaires chaque fois qu’il stabilise une vidéo ou suit un visage en mouvement [5].
Vous pouvez tenter une autre expérience. Utilisez l'appareil photo de votre téléphone pour enregistrez une courte vidéo tout en marchant. Comparez ensuite cette vidéo à d'anciennes séquences filmées à la main il y a une vingtaine d'années. Si vous êtes un étudiant, demandez à vos parents.
Maintenant, changeons de sujet : la photographie computationnelle mobile (c'est-à-dire votre téléphone, par opposition à un appareil photo de mauvaise qualité avec pellicule) nous fournit l'un des exemples les plus clairs de l'impossibilité de dériver des modèles raisonnables à partir des principes fondamentaux. Si nous voulons décrire le mouvement d'un objet tel qu'une gondole, nous pouvons souvent le faire à partir d’équations différentielles raisonnablement précises. Ces équations peuvent être utiles en prédiction ou en automatique.
La physique nous fournit la structure. Mais posons-nous maintenant une autre question :
Qu’est-ce qu’une « bonne » photographie, au juste ? Cela s’avère bien plus difficile à définir de manière formelle. De même, comment définir précisément un chien en termes de simples pixels ? Décrire le mouvement d’une gondole est plus facile !
C’est précisément dans ces situations — où des modèles mathématiques clairs font défaut— que les outils modernes d’IA se sont révélés d’une grande utilité [6].
Au lieu de nous appuyer sur des principes physiques, nous laissons des algorithmes déduire des modèles directement à partir de données. De vastes collections d’images fournissent des exemples, et des systèmes d’IA apprennent progressivement à identifier les structures présentes dans ces données. C’est pourquoi l’IA est devenue si efficace pour des tâches telles que la reconnaissance d’objets et la gestion automatique de bibliothèques de photos ; des alternatives existent-elles même ?
En effet, de nombreuses fonctionnalités récentes des téléphones s'appuient largement sur cette technologie. Ainsi, des outils de type « gomme magique » estiment, à partir d'exemples, ce qui pourrait raisonnablement se trouver derrière un objet indésirable.
Vous pouvez réaliser une autre expérience simple.
Prenez une vieille photo floue et utilisez l’un des outils modernes de « correction du flou » disponibles sur votre téléphone [7]. Le texte peut devenir lisible, vous pouvez reconnaître des visages, etc. Cependant, si vous examinez attentivement le résultat, vous remarquerez peut-être aussi, parfois, des anomalies ; vous avez probablement déjà vu une photo d’une personne avec deux mains gauches. Le logiciel d’IA en question ne se contente pas de récupérer des informations ; il génère en partie des informations « plausibles ». Il tente de combler des lacunes. Il convient de distinguer cette opération de génération de contenu inédit du traitement classique du signal, qui se contente en général de supprimer du bruit.
Ce genre de technologie soulève évidemment de nombreuses questions. Si un algorithme génère des détails d’une image qui n’ont peut-être jamais été réellement pris en photo, décrivons-nous encore le monde réel ? En comblant artificiellement ces lacunes, restons-nous « proches » de la réalité ?
Comme nous l’avons mentionné précédemment, tous ces développements sont assez récents. Cela s’explique en partie par le fait que les technologies qui ont rendu possible le déploiement de ces méthodes n’existent que depuis peu. Les systèmes d’IA modernes sont gigantesques ; ils impliquent souvent des milliards de paramètres et de complexes procédures d’optimisation. Les progrès récents en matière d’IA sont en grande partie dus aux architectures de type « transformer » et aux avancées dans le calcul à grande échelle [8]. Les modèles qui en résultent opèrent dans des espaces à très haute dimension, où la géométrie et la probabilité interagissent de manière non intuitive. La « magie » derrière ces complexes opérations est encore le sujet de beaucoup de recherche.
Pour le contrôle automatique, cette évolution pourrait peut-être être perçue comme un remplacement de la modélisation « classique ». Une telle conclusion serait précipitée, cependant.
Lorsque des modèles physiques précis d’un système existent, ils restent très précieux. Il n’est pas nécessaire de réapprendre la gravité à partir de vidéos YouTube, par exemple. La physique de base nous permet déjà de la représenter de manière très (voire même plus) fidèle.
Il vaut donc mieux considérer l’IA comme un complément aux méthodes existantes, plutôt qu’un outil universel de substitution. L’IA excelle surtout lorsque des descriptions explicites (par exemple à partir d’équations) sont difficiles à formuler ou à déduire seulement à partir de principes physiques.
La théorie de l’automatique fournit quant à elle des outils fondés sur des principes pour l’étude de la dynamique, de la stabilité ou de la robustesse d’un système, mais aussi pour la prise de décision rationnelle. On observe ainsi une tendance accrue à la combinaison ou à l’intégration des méthodes classiques de l’automatique avec les IA modernes.
La voiture autonome en est une bonne illustration. Des réseaux neuronaux peuvent identifier des cyclistes et prédire leur action la plus probable à partir d’images prises par des caméras. Nous ne disposons en effet d’aucun autre outil permettant de le faire efficacement à ce jour. En revanche, le véhicule a toujours besoin d’un contrôle classique par rétroaction et d’une estimation d’état pour fonctionner. Les grands modèles de langage (LLM) ne contrôlent ainsi pas directement les pédales ou le volant.
L'histoire de l'IA n’est donc peut-être pas celle de la disparition des méthodes classiques, mais plutôt celle de la découverte des opportunités qu’elle offre lorsque les méthodes existantes font défaut. Cette observation revêt une importance qui dépasse largement le cadre de la photographie, et est une réalité qui guide actuellement le travail de nombreux chercheurs.
Aujourd’hui, alors que nous préparons notre descente depuis le sommet et que nous parcourons notre nouvelle collection de photos (ou, malheureusement, d’e-mails), il est bon de rappeler que ces outils, qui semblent magiques, reposent en réalité sur un mélange d’estimation classique, de filtrage et d’optimisation — des concepts étroitement liés au contrôle automatique, qu’il soit visible ou pas [9].
Références
- https://link.springer.com/content/pdf/10.1007/978-1-4471-0853-5_1.pdf
- https://store.google.com/ideas/articles/what-is-an-ai-camera/ (Nous ne faisons pas la promotion de la technologie de Google en particulier ; il se trouve simplement que l’auteur possède un téléphone Pixel.)
- https://asmedigitalcollection.asme.org/fluidsengineering/article/82/1/35/397706/A-New-Approach-to-Linear-Filtering-and-Prediction Le lecteur féru de technique notera la belle dualité avec le contrôle optimal.
