Adobe a conçu un algorithme capable de quadrupler le nombre de pixels présents au sein d’une photo. Cette option est maintenant disponible pour Photoshop et s’invitera prochainement dans Illustrator.
Ça marche pour le QI ?
1 « J'aime »
Interessant de noter que ca ne fonctionne pas pour les JPG mais seulement sur les fichiers Raw
2 « J'aime »
Et avant de s’imaginer des trucs, jetez un oeil sur le mode de fonctionnement…
Est-ce vraiment de l’IA, ou c’est fait pour rendre le titre plus attractif ?
Parce que passer de 12 millions de pixels à 48 millions de pixels, c’est le même ratio que celui d’une TV 4K qui afficherait un contenu Full HD, une opération qu’elle fait facilement (peut-être avec un moins bon rendu que Photoshop sur une image) 50 fois par seconde… et il me semble pas que cet upscalling soit basé sur de l’IA 
« s’invitera prochainement dans Illustrator » - > lol 
1 « J'aime »
C’est ce qui se passe déjà lorsque l’on fait un resize de 200% dans n’importe quel logiciel de dessin… C’est juste l’I.A. qui va prédire d’autres teintes de pixels que les algorithmes traditionnels. On verra donc si c’est plus convaincant.
C’est du Machine Learning/NN. Quant à parler d’IA ou pas, ça dépend si tu veux utiliser « IA » dans le sens marketing ou dans le sens classique, désormais précisé en « Strong IA » (merci les films et marketeux utilisant « IA » à tout va).
1 « J'aime »
ML super resolution dans Pixelmator propose l’option depuis quelques temps, avec le même type d’algo Machine Learning. Ça peut dépanner lorsqu’on a une image trop petite. C.est ce que font certains upscaler pour les TV 4K ou les cartes graphiques / consoles avec le DLSS.
L’IA c’est tres general, le Machine Learning en fait clairement partit
https://qph.fs.quoracdn.net/main-qimg-33998804b836579ddfea9a0467a9b1f7
Tu remarqueras que ce diagram ne mentionne même pas la « strong » IA.
Le machine learning est une techno produite par la recherche en IA, oui. Mais on n’a pas encore de vraie IA pour le moment. Le ML est basé sur l’organisation des neurones en couches dans la rétine; pas sur l’organisation du cerveau. Clairement le ML sera utile pour générer des signaux afin de comprendre l’environnement immédiat (comme la rétine encode notre vision sur un channel oeil - cerveau avec une bande passante très basse; le ML étant applicable non seulement pour la vision, aussi pour l’audio, le texte…), mais pas forcément pour la partie « intelligence ».
On peut regarder ce qu’en dit Yann Le Cun (VP IA chez FB, Turing Award 2018 avec Bengio et Hinton pour avoir développer le deep learning), qui pense que nous sommes encore à au moins 30 ans d’avoir une IA.
Par exemple cette présentation (A factor of 1 million is 30 years of Moore’s Law. Compute power not the whole story. Moore’s Law may not continue for that long. We need to understand the principles of learning and intelligence […] puis dans la conclusion : far from truly intelligent machines; need reasoning, short term memory, good principles for unsupervised learning).
Ou cette interview où il dit clairement que l’on est toujours sur le chemin de la recherche vers une IA, et qu’on n’est pas du tout arrivé. Et qu’il a peur que la hype actuelle ne déclenche un n-ième hiver dans la recherche en IA.
Mais notre différence de pensée est surtout sémantique : j’utiliserai plutôt l’expression « recherche en IA » quand tu dis « IA » tout court.