Qu’est-ce que l’IA ? Tout ce que vous devez savoir sur l’intelligence artificielle

artificial intelligence, robot, ai

Un guide exécutif de l’intelligence artificielle, de l’apprentissage automatique et de l’IA générale aux réseaux de neurones.

QU’EST-CE QUE L’INTELLIGENCE ARTIFICIELLE (AI)?
Cela dépend de qui vous demandez.

Dans les années 1950, les pères du domaine Minsky et McCarthy décrivaient l’intelligence artificielle comme toute tâche exécutée par un programme ou une machine qui, si un humain exerçait la même activité, nous dirions que l’humain devait appliquer l’intelligence pour accomplir la tâche.

C’est évidemment une définition assez large, c’est pourquoi vous verrez parfois des arguments pour savoir si quelque chose est vraiment de l’IA ou non.

Les systèmes d’IA démontreront généralement au moins certains des comportements suivants associés à l’intelligence humaine: planification, apprentissage, raisonnement, résolution de problèmes, représentation des connaissances, perception, mouvement et manipulation et, dans une moindre mesure, intelligence sociale et créativité.

QUELLES SONT LES UTILISATIONS DE L’IA?
L’IA est omniprésente aujourd’hui, utilisée pour recommander ce que vous devriez acheter en ligne ensuite, pour comprendre ce que vous dites à des assistants virtuels tels que Alexa d’Amazon et Siri d’Apple, pour reconnaître qui et quoi se trouve sur une photo, pour détecter le spam ou détecter la fraude par carte de crédit .

QUELS SONT LES DIFFÉRENTS TYPES D’IA?
À un niveau très élevé, l’intelligence artificielle peut être divisée en deux grands types: l’IA étroite et l’IA générale.

L’IA étroite est ce que nous voyons tout autour de nous aujourd’hui dans les ordinateurs: des systèmes intelligents qui ont appris ou appris à effectuer des tâches spécifiques sans être explicitement programmés pour le faire.

Ce type d’intelligence machine est évident dans la reconnaissance vocale et linguistique de l’assistant virtuel Siri sur l’iPhone d’Apple, dans les systèmes de reconnaissance de la vision sur les voitures autonomes, dans les moteurs de recommandation qui suggèrent des produits que vous pourriez aimer en fonction de ce que vous avez acheté autrefois. Contrairement aux humains, ces systèmes ne peuvent apprendre ou apprendre qu’à effectuer des tâches spécifiques, c’est pourquoi ils sont appelés IA étroites.

QUE PEUT FAIRE NARROW AI?
Il existe un grand nombre d’applications émergentes pour l’intelligence artificielle étroite: interpréter des flux vidéo provenant de drones effectuant des inspections visuelles d’infrastructures telles que des oléoducs, organiser des calendriers personnels et professionnels, répondre à des requêtes de service client simples, coordonner avec d’autres systèmes intelligents pour effectuer des tâches telles que la réservation d’un hôtel à une heure et un lieu appropriés, aider les radiologues à repérer les tumeurs potentielles dans les rayons X, signaler le contenu inapproprié en ligne, détecter l’usure dans les ascenseurs à partir des données recueillies par les appareils IoT, la liste s’allonge encore et encore.

QUE PEUT FAIRE LE GÉNÉRAL AI?
L’intelligence générale artificielle est très différente et est le type d’intellect adaptable que l’on trouve chez l’homme, une forme d’intelligence flexible capable d’apprendre à effectuer des tâches très différentes, de la coupe de cheveux à la construction de feuilles de calcul, ou de raisonner sur une grande variété de sujets sur la base de son expérience accumulée. C’est le type d’IA le plus communément vu dans les films, comme HAL en 2001 ou Skynet dans The Terminator, mais qui n’existe pas aujourd’hui et les experts en IA sont farouchement divisés sur la rapidité avec laquelle cela deviendra une réalité.

Rapport spécial: Comment mettre en œuvre l’IA et l’apprentissage automatique (PDF gratuit)

Une enquête menée auprès de quatre groupes d’experts en 2012/13 par les chercheurs en IA Vincent C Müller et le philosophe Nick Bostrom a rapporté une probabilité de 50% que l’intelligence générale artificielle (AGI) soit développée entre 2040 et 2050, atteignant 90% en 2075. Le groupe est allé encore plus loin, prédisant que la soi-disant «superintelligence» – que Bostrom définit comme «tout intellect dépassant largement les performances cognitives des humains dans pratiquement tous les domaines d’intérêt» – était attendue environ 30 ans après la réalisation de l’AGI.

Cela dit, certains experts en IA croient que de telles projections sont extrêmement optimistes compte tenu de notre compréhension limitée du cerveau humain, et pensent que l’AGI est encore à des siècles.

QU’EST-CE QUE L’APPRENTISSAGE DE LA MACHINE?
Il existe un vaste corpus de recherches en IA, dont une grande partie se nourrit et se complète.

Bénéficiant actuellement d’une sorte de résurgence, l’apprentissage automatique est l’endroit où un système informatique reçoit de grandes quantités de données, qu’il utilise ensuite pour apprendre à effectuer une tâche spécifique, telle que la compréhension de la parole ou le sous-titrage d’une photographie.

QUE SONT LES RÉSEAUX NEURAUX?
Les réseaux de neurones sont la clé du processus d’apprentissage automatique. Il s’agit de réseaux inspirés du cerveau de couches d’algorithmes interconnectées, appelées neurones, qui se nourrissent les unes des autres et qui peuvent être entraînées à effectuer des tâches spécifiques en modifiant l’importance attribuée aux données d’entrée lors de leur passage entre les couches. Au cours de la formation de ces réseaux de neurones, les poids attachés aux différentes entrées continueront à varier jusqu’à ce que la sortie du réseau de neurones soit très proche de ce qui est souhaité, moment auquel le réseau aura «  appris  » comment effectuer une tâche particulière .

Un sous-ensemble de l’apprentissage automatique est l’apprentissage en profondeur, où les réseaux de neurones sont étendus en réseaux tentaculaires avec un grand nombre de couches qui sont formées à l’aide de quantités massives de données. Ce sont ces réseaux de neurones profonds qui ont alimenté le bond en avant actuel dans la capacité des ordinateurs à effectuer des tâches telles que la reconnaissance vocale et la vision par ordinateur.

Il existe différents types de réseaux de neurones, avec des forces et des faiblesses différentes. Les réseaux de neurones récurrents sont un type de réseau neuronal particulièrement bien adapté au traitement du langage et à la reconnaissance vocale, tandis que les réseaux de neurones convolutifs sont plus couramment utilisés dans la reconnaissance d’images. La conception des réseaux de neurones évolue également, les chercheurs ayant récemment perfectionné une forme plus efficace de réseau de neurones profonds appelé mémoire à court terme ou LSTM, lui permettant de fonctionner assez rapidement pour être utilisé dans des systèmes à la demande comme Google Translate.

Un autre domaine de la recherche sur l’IA est le calcul évolutif, qui emprunte à la théorie de la sélection naturelle de Darwin, et voit des algorithmes génétiques subir des mutations et des combinaisons aléatoires entre les générations dans le but de faire évoluer la solution optimale à un problème donné.

Cette approche a même été utilisée pour aider à concevoir des modèles d’IA, en utilisant efficacement l’IA pour aider à construire l’IA. Cette utilisation d’algorithmes évolutifs pour optimiser les réseaux de neurones est appelée neuroévolution, et pourrait avoir un rôle important à jouer pour aider à concevoir une IA efficace à mesure que l’utilisation de systèmes intelligents devient plus répandue, d’autant plus que la demande de scientifiques des données dépasse souvent l’offre. La technique a récemment été présentée par Uber AI Labs, qui a publié des articles sur l’utilisation d’algorithmes génétiques pour former des réseaux de neurones profonds pour des problèmes d’apprentissage par renforcement.

Enfin, il existe des systèmes experts, où les ordinateurs sont programmés avec des règles qui leur permettent de prendre une série de décisions basées sur un grand nombre d’entrées, permettant à cette machine d’imiter le comportement d’un expert humain dans un domaine spécifique. Un exemple de ces systèmes basés sur la connaissance pourrait être, par exemple, un système de pilote automatique pilotant un avion.

Qu’est-ce qui alimente la résurgence de l’IA?
Les plus grandes percées de la recherche en IA ces dernières années ont été dans le domaine du machine learning, en particulier dans le domaine du deep learning.

Cela est dû en partie à la disponibilité facile des données, mais plus encore à l’explosion de la puissance de calcul parallèle ces dernières années, au cours de laquelle l’utilisation de grappes de GPU pour former des systèmes d’apprentissage automatique est devenue plus courante.

Non seulement ces clusters offrent des systèmes beaucoup plus puissants pour la formation de modèles d’apprentissage automatique, mais ils sont désormais largement disponibles en tant que services cloud sur Internet. Au fil du temps, les grandes entreprises technologiques, comme Google et Microsoft, sont passées à l’utilisation de puces spécialisées adaptées à la fois aux modèles d’apprentissage automatique en cours d’exécution et, plus récemment, à la formation.

Un exemple de l’une de ces puces personnalisées est l’unité de traitement Tensor (TPU) de Google, dont la dernière version accélère la vitesse à laquelle des modèles d’apprentissage automatique utiles construits à l’aide de la bibliothèque de logiciels TensorFlow de Google peuvent déduire des informations à partir de données, ainsi que le taux à qu’ils peuvent être formés.

Ces puces ne sont pas seulement utilisées pour former des modèles pour DeepMind et Google Brain, mais aussi les modèles qui sous-tendent Google Translate et la reconnaissance d’image dans Google Photo, ainsi que des services qui permettent au public de créer des modèles d’apprentissage automatique à l’aide de TensorFlow Research Cloud de Google. . La deuxième génération de ces puces a été dévoilée lors de la conférence d’E / S de Google en mai de l’année dernière, avec un tableau de ces nouveaux TPU capables de former un modèle d’apprentissage automatique de Google utilisé pour la traduction dans la moitié du temps qu’il faudrait pour un tableau du haut de la page -unités de traitement graphique (GPU).

QUELS SONT LES ÉLÉMENTS DE L’APPRENTISSAGE MACHINE?
Comme mentionné, l’apprentissage automatique est un sous-ensemble de l’IA et est généralement divisé en deux catégories principales: l’apprentissage supervisé et non supervisé.

Enseignement supervisé

Une technique courante pour enseigner les systèmes d’IA consiste à les former à l’aide d’un très grand nombre d’exemples étiquetés. Ces systèmes d’apprentissage automatique alimentent d’énormes quantités de données, qui ont été annotées pour mettre en évidence les caractéristiques d’intérêt. Il peut s’agir de photos étiquetées pour indiquer si elles contiennent un chien ou de phrases écrites avec des notes de bas de page pour indiquer si le mot «basse» se rapporte à la musique ou à un poisson. Une fois formé, le système peut ensuite appliquer ces étiquettes à de nouvelles données, par exemple à un chien sur une photo qui vient d’être téléchargée.

Ce processus d’enseignement d’une machine par l’exemple est appelé apprentissage supervisé et le rôle d’étiquetage de ces exemples est généralement effectué par des travailleurs en ligne, employés via des plateformes comme Amazon Mechanical Turk.

Voir aussi: Comment l’intelligence artificielle fait passer les centres d’appels au niveau supérieur

La formation de ces systèmes nécessite généralement de grandes quantités de données, certains systèmes devant parcourir des millions d’exemples pour apprendre à exécuter une tâche efficacement – bien que cela soit de plus en plus possible à l’ère des mégadonnées et de l’exploration de données généralisée. Les ensembles de données de formation sont énormes et de plus en plus volumineux – le jeu de données Open Images de Google compte environ neuf millions d’images, tandis que son référentiel vidéo labellisé YouTube-8M renvoie à sept millions de vidéos labellisées. ImageNet, l’une des premières bases de données de ce type, compte plus de 14 millions d’images classées. Compilé sur deux ans, il a été rassemblé par près de 50000 personnes – dont la plupart ont été recrutées via Amazon Mechanical Turk – qui ont vérifié, trié et étiqueté près d’un milliard de photos de candidats.

À long terme, l’accès à d’énormes ensembles de données étiquetés peut également s’avérer moins important que l’accès à de grandes quantités de puissance de calcul.

Ces dernières années, les Réseaux Génératifs d’Adversariat (GAN) ont montré comment les systèmes d’apprentissage automatique qui sont alimentés par une petite quantité de données étiquetées peuvent alors générer d’énormes quantités de nouvelles données à apprendre par eux-mêmes.

Cette approche pourrait conduire à l’essor de l’apprentissage semi-supervisé, où les systèmes peuvent apprendre à effectuer des tâches en utilisant une quantité beaucoup plus petite de données étiquetées que ce qui est nécessaire pour les systèmes de formation utilisant l’apprentissage supervisé aujourd’hui.

Apprentissage non supervisé

En revanche, l’apprentissage non supervisé utilise une approche différente, où les algorithmes tentent d’identifier les modèles dans les données, à la recherche de similitudes qui peuvent être utilisées pour classer ces données.

Un exemple pourrait être de regrouper des fruits qui pèsent une quantité similaire ou des voitures avec une taille de moteur similaire.

L’algorithme n’est pas configuré à l’avance pour sélectionner des types de données spécifiques, il recherche simplement des données qui peuvent être regroupées par leurs similitudes, par exemple Google Actualités regroupant chaque jour des histoires sur des sujets similaires.

Apprentissage par renforcement

Une analogie grossière pour l’apprentissage par renforcement récompense un animal de compagnie avec une friandise lorsqu’il exécute un tour.

Dans l’apprentissage par renforcement, le système tente de maximiser une récompense en fonction de ses données d’entrée, passant essentiellement par un processus d’essais et d’erreurs jusqu’à ce qu’il arrive au meilleur résultat possible.

Un exemple d’apprentissage par renforcement est le Deep Q-network de Google DeepMind, qui a été utilisé pour optimiser les performances humaines dans une variété de jeux vidéo classiques. Le système est alimenté en pixels de chaque jeu et détermine diverses informations, telles que la distance entre les objets à l’écran.

En examinant également le score obtenu dans chaque jeu, le système construit un modèle dont l’action maximisera le score dans différentes circonstances, par exemple, dans le cas du jeu vidéo Breakout, où la palette doit être déplacée pour intercepter le Balle.

QUELLES SONT LES PREMIÈRES ENTREPRISES EN IA?

L’IA jouant un rôle de plus en plus important dans les logiciels et services modernes, chacune des grandes entreprises technologiques se bat pour développer une technologie d’apprentissage automatique robuste à utiliser en interne et pour vendre au public via des services cloud.

Chacun fait régulièrement des gros titres pour innover dans la recherche sur l’IA, bien que ce soit probablement Google avec son DeepMind AI AlphaGo qui ait probablement eu le plus grand impact sur la sensibilisation du public à l’IA.

QUELS SERVICES D’IA SONT DISPONIBLES?
Toutes les principales plates-formes cloud – Amazon Web Services, Microsoft Azure et Google Cloud Platform – donnent accès à des baies de GPU pour la formation et l’exécution de modèles d’apprentissage automatique, avec Google se préparant également à permettre aux utilisateurs d’utiliser ses unités de traitement Tensor – puces personnalisées dont la conception est optimisée pour la formation et l’exécution de modèles d’apprentissage automatique.

Toutes les infrastructures et services associés nécessaires sont disponibles auprès des trois grands, les magasins de données basés sur le cloud, capables de contenir la grande quantité de données nécessaires pour former les modèles d’apprentissage automatique, les services de transformation des données pour les préparer à l’analyse, les outils de visualisation pour afficher clairement les résultats, et un logiciel qui simplifie la construction de modèles.

Ces plateformes cloud simplifient même la création de modèles d’apprentissage automatique personnalisés, Google révélant récemment un service qui automatise la création de modèles d’IA, appelé Cloud AutoML. Ce service de glisser-déposer crée des modèles de reconnaissance d’image personnalisés et nécessite que l’utilisateur n’ait aucune expertise en apprentissage automatique.

Les services d’apprentissage automatique basés sur le cloud sont en constante évolution et, début 2018, Amazon a dévoilé une multitude de nouvelles offres AWS conçues pour rationaliser le processus de formation des modèles d’apprentissage automatique.

Pour les entreprises qui ne souhaitent pas créer leurs propres modèles d’apprentissage automatique mais qui souhaitent plutôt utiliser des services à la demande basés sur l’IA, tels que la reconnaissance vocale, visuelle et linguistique, Microsoft Azure se distingue par l’étendue de ses services. sur l’offre, suivi de près par Google Cloud Platform puis AWS. Parallèlement, IBM, parallèlement à ses offres à la demande plus générales, tente également de vendre des services d’IA sectoriels destinés à tout, des soins de santé au commerce de détail, en regroupant ces offres sous son parapluie IBM Watson – et en investissant récemment 2 milliards de dollars dans l’achat de The Weather. Canal pour débloquer une mine de données pour augmenter ses services d’IA.

QUELLE DES FIRMES MAJOR TECH GAGNE LA COURSE D’IA?
En interne, chacun des géants de la technologie – et d’autres tels que Facebook – utilisent l’IA pour aider à piloter une myriade de services publics: servir les résultats de recherche, proposer des recommandations, reconnaître les personnes et les choses sur les photos, la traduction à la demande, repérer le spam – la liste est vaste.

Mais l’une des manifestations les plus visibles de cette guerre de l’IA a été la montée en puissance des assistants virtuels, tels que Siri d’Apple, Alexa d’Amazon, l’Assistant Google et Microsoft Cortana.

S’appuyant fortement sur la reconnaissance vocale et le traitement du langage naturel, ainsi que sur la nécessité d’un immense corpus sur lequel s’appuyer pour répondre aux questions, une énorme quantité de technologie est mise au point pour développer ces assistants.

Mais alors que Siri d’Apple a peut-être pris la première place, ce sont Google et Amazon dont les assistants ont depuis dépassé Apple dans l’espace IA – Google Assistant avec sa capacité à répondre à un large éventail de requêtes et Alexa d’Amazon avec le nombre massif de «  compétences  » »que les développeurs tiers ont créés pour accroître ses capacités.

Bien qu’il soit intégré à Windows 10, Cortana a connu une période particulièrement difficile ces derniers temps, avec la suggestion que les principaux fabricants de PC intégreront Alexa aux ordinateurs portables, ajoutant à des spéculations sur le nombre de jours de Cortana, bien que Microsoft n’ait pas tardé à rejeter cela.

QUELS PAYS OUVRENT LA MAIN DE L’IA?
Ce serait une grosse erreur de penser que les géants américains de la technologie ont cousu le domaine de l’IA. Les entreprises chinoises Alibaba, Baidu et Lenovo investissent massivement dans l’IA dans des domaines allant du commerce électronique à la conduite autonome. En tant que pays, la Chine poursuit un plan en trois étapes pour transformer l’IA en une industrie de base pour le pays, qui vaudra 150 milliards de yuans (22 milliards de dollars) d’ici 2020.

Baidu a investi dans le développement de voitures autonomes, propulsé par son algorithme d’apprentissage en profondeur, Baidu AutoBrain, et, après plusieurs années de tests, prévoit de déployer des véhicules entièrement autonomes en 2018 et de les produire en série d’ici 2021.

Baidu s’est également associé à Nvidia pour utiliser l’IA afin de créer une plateforme de voiture autonome cloud-to-car pour les constructeurs automobiles du monde entier.

La combinaison de lois sur la confidentialité faibles, d’énormes investissements, de collecte de données concertée et d’analyses de mégadonnées par de grandes entreprises comme Baidu, Alibaba et Tencent, signifie que certains analystes pensent que la Chine aura un avantage sur les États-Unis en ce qui concerne les futures recherches sur l’IA. , avec un analyste décrivant les chances de la Chine de prendre la tête des États-Unis à 500 contre un en faveur de la Chine.

COMMENT PUIS-JE COMMENCER AVEC L’IA?
Bien que vous puissiez essayer de créer votre propre baie de GPU à la maison et commencer à former un modèle d’apprentissage automatique, la façon la plus simple d’expérimenter les services liés à l’IA est probablement via le cloud.

Toutes les grandes entreprises technologiques offrent divers services d’IA, de l’infrastructure pour créer et former vos propres modèles d’apprentissage automatique aux services Web qui vous permettent d’accéder à des outils basés sur l’IA tels que la parole, le langage, la vision et la reconnaissance des sentiments à la demande.

QUELS SONT LES REPÈRES RÉCENTS DANS LE DÉVELOPPEMENT DE L’IA?
Il y en a trop pour dresser une liste complète, mais certains faits saillants récents incluent: en 2009, Google a montré qu’il était possible pour sa Toyota Prius autonome de parcourir plus de 10 trajets de 100 miles chacun – mettant la société sur la voie des véhicules sans conducteur .

En 2011, le système informatique IBM Watson a fait la une des journaux du monde entier en remportant le quizz américain Jeopardy !, battant deux des meilleurs joueurs que le spectacle ait jamais produits. Pour gagner la série, Watson a utilisé le traitement et l’analyse du langage naturel sur de vastes référentiels de données qu’il a traités pour répondre aux questions posées par l’homme, souvent en une fraction de seconde.

En juin 2012, il est devenu évident à quel point les bons systèmes d’apprentissage automatique obtenaient de la vision par ordinateur, avec Google formant un système pour reconnaître un favori d’Internet, des photos de chats.

Depuis la victoire de Watson, la démonstration la plus célèbre de l’efficacité des systèmes d’apprentissage automatique a peut-être été le triomphe en 2016 de Google DeepMind AlphaGo AI sur un grand maître humain dans Go, un ancien jeu chinois dont la complexité a dérouté les ordinateurs pendant des décennies. Go a environ 200 coups par tour, contre environ 20 aux échecs. Au cours d’une partie de Go, il y a tellement de mouvements possibles que chercher dans chacun d’eux à l’avance pour identifier le meilleur jeu est trop coûteux d’un point de vue informatique. Au lieu de cela, AlphaGo a été formé à jouer au jeu en prenant des coups joués par des experts humains dans 30 millions de jeux Go et en les alimentant dans des réseaux neuronaux d’apprentissage en profondeur.

La formation de ces réseaux d’apprentissage en profondeur peut prendre beaucoup de temps, nécessitant l’ingestion et l’itération de grandes quantités de données au fur et à mesure que le système affine progressivement son modèle afin d’obtenir les meilleurs résultats.

Cependant, plus récemment, Google a affiné le processus de formation avec AlphaGo Zero, un système qui jouait contre lui-même des jeux « complètement aléatoires », puis a appris des résultats. Lors de la prestigieuse conférence NIPS (Neural Information Processing Systems) de l’année dernière, le PDG de Google DeepMind, Demis Hassabis, a révélé qu’AlphaGo maîtrisait également les jeux d’échecs et de shogi.

Et l’IA continue de franchir de nouveaux jalons, l’année dernière, un système formé par OpenAI a vaincu les meilleurs joueurs du monde lors de matchs en tête-à-tête du jeu multijoueur en ligne Dota 2.

Cette même année, OpenAI a créé des agents d’intelligence artificielle qui ont inventé leur propre langage pour coopérer et atteindre leur objectif plus efficacement, suivis par des agents de formation Facebook pour négocier et même mentir.

COMMENT AI CHANGER LE MONDE?
Robots et voitures sans conducteur

Le désir des robots d’être capables d’agir de manière autonome et de comprendre et de naviguer dans le monde qui les entoure signifie qu’il existe un chevauchement naturel entre la robotique et l’IA. Alors que l’IA n’est qu’une des technologies utilisées en robotique, l’utilisation de l’IA aide les robots à se déplacer dans de nouveaux domaines tels que les voitures autonomes, les robots de livraison, ainsi que les robots à acquérir de nouvelles compétences. General Motors a récemment annoncé qu’elle construirait une voiture sans conducteur sans volant ni pédales d’ici 2019, tandis que Ford s’est engagé à le faire d’ici 2021 et Waymo, le groupe autonome de Google Parent Alphabet, proposera bientôt un service de taxi sans conducteur à Phoenix .

Fake news

Nous sommes sur le point d’avoir des réseaux de neurones capables de créer des images photo-réalistes ou de reproduire la voix de quelqu’un d’une manière parfaite. Cela s’accompagne d’un potentiel de changement social extrêmement perturbateur, comme le fait de ne plus pouvoir faire confiance à des séquences vidéo ou audio comme authentiques. Des inquiétudes commencent également à être exprimées quant à la façon dont ces technologies seront utilisées pour détourner l’image des gens, avec des outils déjà créés pour scinder de manière convaincante des actrices célèbres en films pour adultes.

Reconnaissance de la parole et du langage

Les systèmes d’apprentissage automatique ont aidé les ordinateurs à reconnaître ce que les gens disent avec une précision de près de 95%. Récemment, le groupe de recherche et d’intelligence artificielle de Microsoft a indiqué qu’il avait développé un système capable de transcrire l’anglais parlé aussi précisément que les transcripteurs humains.

Les chercheurs poursuivant un objectif de précision de 99%, attendez-vous à ce que parler aux ordinateurs devienne la norme aux côtés des formes plus traditionnelles d’interaction homme-machine.

Reconnaissance faciale et surveillance

Ces dernières années, la précision des systèmes de reconnaissance faciale a fait un bond en avant, au point où le géant de la technologie chinois Baidu dit qu’il peut faire correspondre les visages avec une précision de 99%, à condition que le visage soit suffisamment clair sur la vidéo. Alors que les forces de police des pays occidentaux n’ont généralement expérimenté l’utilisation de systèmes de reconnaissance faciale que lors de grands événements, en Chine, les autorités mettent en place un programme national pour connecter la vidéosurveillance à travers le pays à la reconnaissance faciale et utiliser des systèmes d’IA pour suivre les suspects et les comportements suspects, et testent également l’utilisation de lunettes de reconnaissance faciale par la police.

Bien que les réglementations en matière de confidentialité varient à travers le monde, il est probable que cette utilisation plus intrusive de la technologie de l’IA – y compris l’IA qui peut reconnaître les émotions – deviendra progressivement plus répandue ailleurs.

Soins de santé

L’IA pourrait éventuellement avoir un impact dramatique sur les soins de santé, aidant les radiologues à détecter les tumeurs aux rayons X, aidant les chercheurs à repérer les séquences génétiques liées aux maladies et à identifier les molécules qui pourraient conduire à des médicaments plus efficaces.

Il y a eu des essais de technologies liées à l’IA dans des hôpitaux du monde entier. Il s’agit notamment de l’outil d’aide à la décision clinique d’IBM Watson, qui est formé par des oncologues du Memorial Sloan Kettering Cancer Center, et de l’utilisation des systèmes Google DeepMind par le National Health Service du Royaume-Uni, où il aidera à détecter les anomalies oculaires et à rationaliser le processus de dépistage des patients pour cancers de la tête et du cou.

AI-TU NOUS TUER TOUS?
Encore une fois, cela dépend de qui vous demandez. À mesure que les systèmes basés sur l’IA sont devenus plus performants, les avertissements sur les inconvénients sont devenus plus terribles.

Elon Musk, PDG de Tesla et SpaceX, a affirmé que l’IA était un « risque fondamental pour l’existence de la civilisation humaine ». Dans le cadre de ses efforts pour une surveillance réglementaire plus stricte et une recherche plus responsable pour atténuer les inconvénients de l’IA, il a créé OpenAI, une société de recherche à but non lucratif sur l’intelligence artificielle qui vise à promouvoir et à développer une IA conviviale qui bénéficiera à la société dans son ensemble. De même, le estimé physicien Stephen Hawking a averti qu’une fois qu’une IA suffisamment avancée sera créée, elle progressera rapidement au point où elle dépassera largement les capacités humaines, un phénomène connu sous le nom de singularité, et pourrait constituer une menace existentielle pour la race humaine.

Pourtant, l’idée que l’humanité est au bord d’une explosion de l’IA qui éclipsera notre intellect semble ridicule à certains chercheurs en IA.

Chris Bishop, directeur de la recherche de Microsoft à Cambridge, en Angleterre, souligne à quel point l’intelligence étroite de l’IA est aujourd’hui différente de l’intelligence générale des humains, disant que lorsque les gens s’inquiètent de « Terminator et de la montée des machines et ainsi de suite? oui. Au mieux, de telles discussions sont dans des décennies. « 

UNE AI VOLERA-T-ELLE VOTRE TRAVAIL?
La possibilité que des systèmes artificiellement intelligents remplacent une grande partie du travail manuel moderne est peut-être une possibilité plus crédible dans un avenir proche.

Bien que l’IA ne remplacera pas tous les emplois, ce qui semble être certain, c’est que l’IA changera la nature du travail, la seule question étant de savoir à quelle vitesse et à quel point l’automatisation modifiera le lieu de travail.

Il y a à peine un domaine d’activité humaine que l’IA n’a pas le potentiel d’avoir un impact. Comme l’explique Andrew Ng, expert en IA: « beaucoup de gens font des travaux routiniers et répétitifs. Malheureusement, la technologie est particulièrement efficace pour automatiser le travail routinier et répétitif », affirmant qu’il voit un « risque important de chômage technologique au cours des prochaines décennies ».

La preuve des emplois qui seront supplantés commence à émerger. Amazon vient de lancer Amazon Go, un supermarché sans caissier à Seattle où les clients prennent simplement des articles dans les rayons et sortent. Ce que cela signifie pour plus de trois millions de personnes aux États-Unis qui travaillent comme caissiers reste à voir. Amazon montre à nouveau la voie en utilisant des robots pour améliorer l’efficacité à l’intérieur de ses entrepôts. Ces robots transportent des étagères de produits aux cueilleurs humains qui sélectionnent les articles à envoyer. Amazon a plus de 100 000 bots dans ses centres de traitement des commandes, et prévoit d’en ajouter beaucoup plus. Mais Amazon souligne également que le nombre de robots a augmenté, tout comme le nombre de travailleurs humains dans ces entrepôts. Cependant, Amazon et les petites entreprises de robotique travaillent à automatiser les travaux manuels restants dans l’entrepôt, il n’est donc pas acquis que le travail manuel et robotique continuera de croître main dans la main.

Les véhicules autonomes entièrement autonomes ne sont pas encore une réalité, mais selon certaines prévisions, l’industrie du camionnage autonome devrait à elle seule prendre plus de 1,7 million d’emplois au cours de la prochaine décennie, même sans tenir compte de l’impact sur les coursiers et les chauffeurs de taxi.

Pourtant, certains des travaux les plus faciles à automatiser ne nécessiteront même pas de robotique. À l’heure actuelle, des millions de personnes travaillent dans l’administration, saisissant et copiant des données entre les systèmes, poursuivant et réservant des rendez-vous pour les entreprises. Au fur et à mesure que les logiciels améliorent la mise à jour automatique des systèmes et la signalisation des informations importantes, le besoin d’administrateurs diminue.

Comme à chaque changement technologique, de nouveaux emplois seront créés pour remplacer ceux perdus. Cependant, ce qui est incertain est de savoir si ces nouveaux rôles seront créés assez rapidement pour offrir un emploi aux personnes déplacées, et si les nouveaux chômeurs auront les compétences ou le tempérament nécessaires pour remplir ces nouveaux rôles.

Tout le monde n’est pas pessimiste. Pour certains, l’IA est une technologie qui augmentera, plutôt que remplacera, les travailleurs. Non seulement cela, mais ils soutiennent qu’il y aura un impératif commercial pour ne pas remplacer les gens, comme un travailleur assisté par IA – pensez à un concierge humain avec un casque AR qui leur dit exactement ce qu’un client veut avant de le demander – le fera être plus productif ou efficace qu’une IA travaillant seule.

Parmi les experts en IA, il existe un large éventail d’opinions sur la rapidité avec laquelle les systèmes artificiellement intelligents dépasseront les capacités humaines.

Le Future of Humanity Institute de l’Université d’Oxford a demandé à plusieurs centaines d’experts en apprentissage automatique de prévoir les capacités de l’IA au cours des prochaines décennies.

Les dates notables comprenaient des essais d’écriture sur l’IA qui pourraient passer pour être écrits par un humain d’ici 2026, les chauffeurs de camion étant licenciés d’ici 2027, l’IA dépassant les capacités humaines dans le commerce de détail d’ici 2031, l’écriture d’un best-seller d’ici 2049 et le travail d’un chirurgien d’ici 2053 .

Ils ont estimé qu’il y avait une chance relativement élevée que l’IA batte les humains dans toutes les tâches en 45 ans et automatise tous les emplois humains en 120 ans.

Qu’est-ce que l’IA ? Tout ce que vous devez savoir sur l’intelligence artificielle

Laisser un commentaire

Votre adresse de messagerie ne sera pas publiée. Les champs obligatoires sont indiqués avec *

Retour en haut