Tout Ce Que Vous Devez Savoir Sur L’Intelligence Artificielle AI

QU’EST-CE QUE L’INTELLIGENCE ARTIFICIELLE (AI)?

Si quelqu’un pose la question suivante: Qu’est ce que l’intelligence artificielle (AI)? eh bien je dirais que la réponse dépend de qui vous demandez. 

Dans cet article, vous trouverez tout ce que vous devez savoir sur l’AI,(intelligence artificielle). Un guide exécutif à l’intelligence artificielle, de l’apprentissage automatique connu sous le nom de machine learning et de l’AI générale aux réseaux de neurones (neural networks).

Dans les années 1950, Minsky et McCarthy, les pères du domaine AI ont décrit l’intelligence artificielle comme toute tâche exécutée par un programme ou une machine que, si un humain a réalisé la même activité, on dirait que l’humain devait être assez intélligent pour accomplir cette tâche.

Les systèmes de l’ AI démontrent généralement au moins certains des comportements suivants associés à l’intelligence humaine: planification, apprentissage, raisonnement, résolution des problèmes, représentation des connaissances, perception, mouvements et manipulations et, dans une moindre mesure, intelligence sociale et créativité.

QUELLES SONT LES UTILISATIONS DE L’ AI?

L’ AI est omniprésente aujourd’hui, utilisée pour recommander ce que vous devriez acheter en ligne, pour comprendre ce que vous dites aux assistants virtuels tels Alexa d’Amazon et Siri d’Apple, pour reconnaître qui/quoi est sur une photo, repérer le spam ou détecter la fraude par carte de crédit.

QUELS SONT LES DIFFÉRENTS TYPES D’AI?

À un niveau très élevé, l’intelligence artificielle peut être divisée en deux grands types: l’ AI étroite et l’ AI générale.

L’ AI étroite est ce que nous voyons tout autour de nous dans les ordinateurs aujourd’hui: des systèmes intelligents qui ont été enseignés 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 acheter. autrefois. Contrairement aux humains, ces systèmes peuvent seulement apprendre ou apprendre à faire des tâches spécifiques, ce qui explique pourquoi ils sont appelés AI étroites.

QUE PEUT FAIRE L’ INTELLIGENCE ARTIFICIELLE  ÉTROITE?

Il existe un grand nombre d’applications émergentes pour l’ AI étroite: comme interpréter des flux vidéo à partir de drones effectuant des inspections visuelles d’infrastructures telles que les oléoducs, organiser des calendriers personnels et professionnels, répondre à de simples requêtes client, coordonner avec d’autres systèmes intelligents des tâches telles que réserver un hôtel à un moment et à un endroit appropriés, aider les radiologues à repérer les tumeurs potentielles dans les rayons X, signaler le contenu inapproprié en ligne, détecter l’usure des ascenseurs à partir des données collectées par les appareils IoT, la liste s’allonge encore et encore.

QUE PEUT FAIRE L’ INTELLIGENCE ARTIFICIELLE GÉNÉRALE?

L’intelligence artificielle (AI) générale est très différente et est le type d’intellect adaptable trouvé chez les humains, une forme flexible d’intelligence capable d’apprendre à effectuer des tâches très différentes, de la coupe de cheveux à la création de tableurs, ou de raisonner sur une grande variété de sujets. Basée sur l’expérience accumulée. C’est le genre d’ AI le plus souvent vu dans les films, comme HAL en 2001 ou Skynet dans The Terminator, mais qui n’existe pas aujourd’hui et les experts de l’ AI sont farouchement divisés sur le moment où il deviendra une réalité.

Une enquête menée auprès de quatre groupes d’experts en 2012/13, par les chercheurs de l’ AI Vincent C Müller et le philosophe Nick Bostrom, a rapporté qu’on aura une chance de 50 pour cent que l’intelligence artificielle (AI) générale serait développée entre 2040 et 2050, passant même à 90 pour cent en 2075.  Le groupe est allé encore plus loin, prédisant ce que l’on appelle la “superintelligence” — que Bostrom définit comme “tout intellect qui dépasse largement les performances cognitives des humains dans pratiquement tous les domaines d’intérêt” — était prévu environ 30 ans après la réalisation de l’ AI générale.

Cela dit, certains experts en IA croient que ces projections sont extrêmement optimistes compte tenu de notre compréhension limitée du cerveau humain et croient que l’AI générale est encore loin des siècles.

QU’EST CE QUE L’APPRENTISSAGE AUTOMATIQUE (MACHINE LEARNING)?

Il existe un vaste corpus de recherche sur l’ AI, dont une grande partie se nourrit et se complète.

Profitant actuellement d’une résurgence, l’apprentissage automatique est l’endroit où un système informatique est alimenté de grandes quantités de données, qu’il utilise ensuite pour apprendre à effectuer une tâche spécifique, comme la compréhension de la parole ou fournir un titre ou une explication à une photographie.

QU’EST CE QUE LES RÉSEAUX DE NEURONES (NEURAL NETWORKS)?

La clé du processus d’apprentissage automatique est les réseaux de neurones. Ce sont des réseaux de couches d’algorithmes interconnectés, appelés neurones, qui alimentent les données les unes dans les autres et qui peuvent être entraînés à effectuer des tâches spécifiques en modifiant l’importance attribuée aux données d’entrée lors de leur passage entre les couches. Pendant l’entraînement de ces réseaux neuronaux, les poids attachés aux différentes entrées continueront à varier jusqu’à ce que la sortie du réseau neuronal soit très proche de ce qui est souhaité, point auquel le réseau aura “appris” comment exécuter une tâche particulière.

Il existe différents types de réseaux de neurones, avec des puissances et des faiblesses différentes.

Les réseaux de neurones fréquents sont un type de réseau de neurones particulièrement bien adapté au traitement du langage et à la reconnaissance de la parole, tandis que les réseaux de neurones convolutionnels sont plus couramment utilisés dans la reconnaissance d’image. La conception des réseaux de neurones évolue également, avec des chercheurs affinant récemment une forme plus efficace d’un réseau de neurones profond appelé mémoire à long court terme ou LSTM (long short-term memory), lui permettant de fonctionner assez rapidement pour être utilisé dans des systèmes à la demande comme Google Traduction.

LE CALCUL ÉVOLUTIF : NEURO-ÉVOLUTION

Un autre domaine de la recherche en AI est le calcul évolutif, qui s’inspire de la célèbre théorie de la sélection naturelle de Darwin, et voit les algorithmes génétiques subir des mutations aléatoires et des combinaisons entre générations dans une tentative d’élaborer la solution optimale à un problème donné.

Cette approche a même été utilisée pour aider à concevoir des modèles AI, en utilisant efficacement l’ AI pour aider à la construire et l’améliorer. Cette utilisation d’algorithmes évolutifs pour optimiser les réseaux neuronaux est appelée neuro-évolution et pourrait jouer un rôle important dans la conception d’une intelligence artificielle efficace à mesure que l’utilisation des systèmes intelligents prend de l’ampleur, d’autant plus que la demande dépasse rarement l’offre. La technique a été récemment 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 pilotage automatique pilotant un avion.

QU’EST CE QUI NOURRIT LA RÉSURGENCE DE L’ AI?

Les plus grandes avancées de la recherche en AI ces dernières années ont été dans le domaine de l’apprentissage automatique (machine learning), en particulier dans le domaine de l’apprentissage en profondeur (deep learning).

Ceci est dû en partie à la facilité de disponibilité des données, mais plus encore à l’explosion de la puissance de calcul parallèle ces dernières années, période au cours de laquelle l’utilisation des clusters GPU pour former les systèmes d’apprentissage automatique est devenue plus répandue.

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

Un exemple de ces puces personnalisées est le TPU (Tensor Processing Unit) de Google, dont la dernière version accélère la vitesse à laquelle les modèles d’apprentissage automatique construits à l’aide de la bibliothèque TensorFlow de Google peuvent déduire des informations à partir des données, ainsi que la vitesse à laquelle 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 Traduction et la reconnaissance d’image dans Google Photo, ainsi que les services qui permettent au public de construire des modèles d’apprentissage automatique à l’aide de TensorFlow Research Cloud de Google. La deuxième génération de ces puces a été dévoilée à la conférence I/O de Google en mai l’année dernière.

Avec ces nouveaux TPU capables de former un modèle d’apprentissage automatique Google utilisé pour la traduction en deux fois moins de temps, il faudrait un ensemble d’unités de traitement graphique haut de gamme (GPU).

QUELS SONT LES ÉLÉMENTS DE L’APPRENTISSAGE AUTOMATIQUE?

Comme mentionné, l’apprentissage automatique (machine learning) est un sous-ensemble de l’AI et est généralement divisé en deux catégories principales: l’apprentissage supervisé et non supervisé.

L’APPRENTISSAGE SUPERVISÉ

Une technique courante pour enseigner les systèmes IA consiste à les entraîner en utilisant un très grand nombre d’exemples étiquetés. Ces systèmes d’apprentissage automatique sont alimentés par 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 des phrases écrites qui ont des notes de bas de page pour indiquer si le mot «basse» se rapporte à de 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 dans une photo qui vient d’être téléchargée.

Ce processus d’apprentissage de la machine par l’exemple est appelé apprentissage supervisé et le rôle de l’étiquetage de ces exemples est couramment effectué par les travailleurs en ligne, employés à travers des plateformes comme Amazon Mécanique Turc.

L’apprentissage de ces systèmes nécessite généralement de grandes quantités de données, certains systèmes devant parcourir des millions d’exemples pour apprendre comment exécuter efficacement une tâche, bien que cela soit de plus en plus possible à l’ère du Big Data et de l’exploration des données généralisée. Les ensembles de données d’apprentissage sont énormes et grandissent en taille – le fichier d’images Open Images de Google compte environ neuf millions d’images, tandis que son référentiel vidéo étiqueté YouTube-8M est relié à sept millions de vidéos étiquetées. ImageNet, l’une des premières bases de données de ce type, compte plus de 14 millions d’images catégorisées. Compilé sur deux ans, il a été rassemblé par près de 50 000 personnes – dont la plupart ont été recrutées par Amazon Mechanical Turk – qui ont vérifié, trié et étiqueté près d’un milliard de photos-candidats.

À long terme, avoir 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.

Au cours des dernières années, les réseaux antagonists génératifs (GANs) ont montré comment les systèmes d’apprentissage automatique alimentés par une petite quantité de données étiquetées peuvent générer d’énormes quantités de données fraîches pour s’auto-apprendre.

Cette approche pourrait conduire à l’augmentation de l’apprentissage semi-supervisé, où les systèmes peuvent apprendre à effectuer des tâches en utilisant une quantité beaucoup plus faible 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 essaient d’identifier les modèles dans les données, en recherchant les 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 ayant une taille de moteur similaire. L’algorithme n’est pas configuré à l’avance pour sélectionner des types de données spécifiques, il recherche simplement les données pouvant être regroupées en fonction de leurs similitudes, par exemple, Google Actualités regroupe chaque jour des articles sur des sujets similaires.

APPRENTISSAGE PAR RENFORCEMENT

Une analogie grossière pour l’apprentissage par renforcement est de récompenser un animal de compagnie avec un cadeau quand il effectue un tour. Dans l’apprentissage par renforcement, le système tente de maximiser une récompense en fonction de ses données d’entrée, en passant essentiellement par un processus d’essais et d’erreurs jusqu’à ce qu’il atteigne le meilleur résultat possible. Un exemple d’apprentissage par renforcement est Deep Q-network de Google DeepMind, qui a été utilisé pour la meilleure performance humaine dans une variété de jeux vidéo classiques. Le système est alimenté en pixels à partir de chaque jeu et détermine diverses informations, telles que la distance entre les objets sur l’écran.

En regardant 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 devrait être déplacée afin d’intercepter le ballon.

QUI SONT LES PRINCIPALES ENTREPRISES DANS LE DOMAINE DE L’ AI?

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

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

QUELS SERVICES D’ AI SONT DISPONIBLES?

Toutes les principales plates-formes cloud — Amazon Web Services, Microsoft Azure et Google Cloud Platform — fournissent un accès aux gammes de GPU pour la formation et l’exécution de modèles d’apprentissage automatique, avec Google qui se prépare également à laisser les utilisateurs utiliser ses TPU (Tensor Processing Units) — 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 dans les trois grands magasins de données en cloud, capables de contenir la grande quantité de données nécessaires pour former des modèles d’apprentissage automatique, des services pour transformer les données pour les préparer à l’analyse, des 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 dévoilant récemment un service automatisant la création de modèles AI, appelé Cloud AutoML. Ce service de glisser-déposer construit des modèles de reconnaissance d’image personnalisés et exige que l’utilisateur ne possède aucune expertise en apprentissage automatique.

Les services d’apprentissage automatique basés sur le cloud sont en constante évolution et, au début de l’année 2018, Amazon a dévoilé une foule de nouvelles offres AWS (Amazon Web Services) conçues pour rationaliser le processus de formation des modèles d’apprentissage automatique.

Pour les entreprises qui ne veulent pas construire leurs propres modèles d’apprentissage automatique mais qui veulent plutôt consommer des services à la demande alimentés par l’ AI — telle que  la voix, la vision et la reconnaissance du langage — Microsoft Azure se démarque par l’étendue des services offerts, suivi de près par Google Cloud Platform, puis AWS (Amazon Web Services). Pendant ce temps, IBM, parallèlement à ses offres à la demande plus générales, tente également de vendre des services d’IA spécifiques et en détail aux secteurs de la santé, regroupant ces offres sous son parapluie IBM Watson – et a récemment investi 2 milliards de dollars dans Canal pour débloquer un trésor de données pour augmenter ses services AI.

LAQUELLE DES PRINCIPALES FIRMES TECH GAGNE LA COURSE AI?

Intérieurement, chacun des géants de la technologie — comme Facebook et d’autres — utilise l’ AI pour gérer une myriade de services publics tels que  la suggestion et la diffusion des résultats de recherche, la reconnaissance des personnes et des choses sur les photos, la traduction à la demande, le filtrage des courriers.. — la liste est étendue.

Mais l’une des manifestations les plus visibles de cette guerre de  l’ AI a été la levée 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 en langage naturel, ainsi que la nécessité d’un immense corpus à utiliser pour répondre aux questions, une énorme quantité de technologie s’oriente vers le développement de ces assistants.

Mais, alors que le Siri d’Apple a d’abord pris de l’importance, c’est Google et Amazon dont les assistants ont depuis dépassé Apple dans l’espace AI — Google Assistant avec sa capacité à répondre à un large éventail de requêtes et Amazon Alexa avec le nombre massif de “compétences” que les développeurs tiers ont créé pour ajouter à ses capacités.

QUELS SONT LES PAYS MENEURS DANS LE MONDE AI?

Ce serait une grosse erreur de penser que les géants américains de la technologie ont le domaine de l’ AI cousu. Les entreprises chinoises Alibaba, Baidu et Lenovo investissent massivement dans l’ AI dans des domaines allant du commerce électronique à la conduite autonome. En tant que pays, la Chine poursuit un plan en trois étapes visant à faire de l’ AI 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, alimenté 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’ AI afin de créer une plateforme de voiture autonome basée sur le cloud pour les constructeurs automobiles du monde entier.

COMMENT PUIS-JE COMMENCER AVEC L’ AI?

Alors que vous pourriez essayer de construire votre propre matrice de GPU à la maison et commencer à former un modèle d’apprentissage automatique, la manière la plus facile d’expérimenter avec les services liés à l’IA est probablement à travers le cloud.

Toutes les grandes entreprises technologiques offrent divers services d’ AI, de l’infrastructure pour construire et former vos propres modèles d’apprentissage automatique aux services Web qui vous permettent d’accéder aux outils AI tels que la reconnaissance de la parole, du langage, de la vision et du sentiment sur demande.

QUELS SONT LES POINTS MARQUANTS RÉCENTS DANS LE DÉVELOPPEMENT DE L’ AI?

À vrai dire,il y en a trop pour pouvoir dresser une liste complète, mais voici quelques faits saillants récents: en 2009, Google a montré qu’il était possible pour le véhicule autonome Toyota Prius pour effectuer plus de 10 trajets de 100 miles chacun — mettre la société sur la voie des véhicules sans conducteur. En 2011, le système informatique IBM Watson a fait la une des grands titres dans le monde entier lorsqu’il a remporté le fameux jeu-questionnaire américain Jeopardy !, en battant deux des meilleurs joueurs que le spectacle n’ait jamais produit. Pour gagner le spectacle, Watson a utilisé le traitement du langage naturel et l’analyse sur de vastes répertoires de données qu’il a traitées pour répondre à des questions posées par l’homme, souvent en une fraction de seconde.

En juin 2012, il est devenu évident à quel point les systèmes d’apprentissage automatique (machine learning) étaient efficaces en computer vision (vision par ordinateur), avec le système de formation de Google pour la reconnaissance d’un favori internet, des photos de chats.

Depuis la victoire de Watson, peut-être la démonstration la plus célèbre de l’efficacité des systèmes d’apprentissage automatique a été le triomphe en 2016 du fameux Google DeepMind AlphaGo AI contre un grand maître humain champion du jeux Go, un ancien jeu chinois dont la complexité a bouleversé les ordinateurs pendant des décennies. Go a environ 200 mouvements par tour, contre environ 20 dans les échecs. Au cours d’un jeu de Go, il y a tellement de mouvements possibles que de chercher à travers 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 pour jouer au jeu en prenant des mouvements joués par des experts humains dans 30 millions de jeux Go et en les alimentant dans deep-learning neural networks (des réseaux de neurones à apprentissage profond).

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 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 a joué des jeux “complètement aléatoires” contre lui-même, puis a appris des résultats. Lors de la prestigieuse conférence NIPS (Neural Information Processing Systems) de l’an dernier, Le PDG de Google DeepMind, Demis Hassabis, a révélé que AlphaGo avait également maîtrisé les jeux d’échecs et de shogi!

Et l’ AI continue à franchir de nouveaux jalons, l’année dernière, un système formé par OpenAI a battu les meilleurs joueurs du monde dans les matchs en tête-à-tête du jeu multijoueur en ligne Dota 2. La même année, OpenAI a créé des agents AI qui ont inventé leur propre langage pour coopérer et atteindre leur objectif plus efficacement, bientôt suivi par des agents d’apprentissage Facebook pour négocier et même mentir.

COMMENT L’ AI CHANGERA LE MONDE?

ROBOTS & VOITURES SANS CONDUCTEUR

Le désir pour les 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’ AI. Alors que l’ AI 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 d’aider les robots à acquérir de nouvelles compétences. General Motors a récemment déclaré 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 de voiture sans conducteur au sein de Google Alphabet, proposera bientôt un service de taxi sans conducteur à Phoenix.

FAUSSES NOUVELLES

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. Avec cela vient le potentiel d’un changement social extrêmement perturbateur, comme ne plus être en mesure de faire confiance à des vidéos ou des séquences audio comme authentique. Des inquiétudes commencent également à être soulevées quant à la façon dont ces technologies seront utilisées pour détourner l’image des gens, avec des outils déjà créés pour utiliser de manière convaincante des actrices célèbres dans les  films pour adultes.

LA 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 Artificial Intelligence and Research de Microsoft a annoncé qu’il avait développé un système capable de transcrire l’anglais parlé aussi précisément que les transcripteurs humains.

Avec des chercheurs poursuivant un objectif de précision de 99 pour cent, il faut s’attendre à ce que parler aux ordinateurs devienne la norme à côté des formes plus traditionnelles d’interaction entre l’homme et la machine.

RECONNAISSANCE FACIALE & SURVEILLANCE

Au cours des dernières années, la précision des systèmes de reconnaissance faciale a fait un bond en avant, au point que le géant chinois de la technologie, Baidu, affirme qu’il peut correspondre les visages avec une précision de 99%, à la seule condition que le visage soit suffisamment clair. Alors que les forces de police dans les pays occidentaux ne font généralement que tester des systèmes de reconnaissance faciale lors de grands événements, les autorités chinoises organisent un programme national pour connecter la vidéosurveillance dans le pays à la reconnaissance faciale et utiliser les systèmes de l’ AI  pour suivre les suspects et les comportements suspects, elles sont également en train de tester l’utilisation de lunettes de reconnaissance faciale par la police.

Bien que les règles de confidentialité varient à travers le monde, il est probable que cette utilisation plus intrusive de la technologie de l’ AI (y compris l’ AI capable de reconnaître les émotions) deviendra progressivement plus répandue ailleurs.

SANTÉ

L’ AI pourrait éventuellement avoir un impact dramatique sur les soins de santé, aidant les radiologues à repérer les tumeurs dans les 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 la technologie liée à l’IA dans les hôpitaux du monde entier. Il s’agit notamment de l’outil d’aide à la décision clinique Watson d’IBM, qui est formé par des oncologues au Memorial Sloan Kettering Cancer Center, et l’utilisation des systèmes Google DeepMind par le National Health Service du Royaume-Uni, où il aidera à déceler les anomalies oculaires et à rationaliser le processus de dépistage des cancers de la tête et du cou chez les patients.

EST CE QUE L’ AI VA NOUS TUER TOUS?

Encore une fois, cela dépend de qui vous demandez. Comme les systèmes alimentés par intelligence artificielle sont devenus plus performants, les avertissements sur les inconvénients sont devenus disant plus effroyables.

Le PDG de Tesla et de SpaceX, Elon Musk, a affirmé que l’IA est un “risque fondamental pour l’existence de la civilisation humaine”. Dans le cadre de ses efforts pour renforcer la surveillance réglementaire et mener des recherches plus responsables pour atténuer les inconvénients de l’ AI, il a mis en place ce l’OpenAI, une société de recherche sur l’intelligence artificielle à but non lucratif qui vise à promouvoir et développer l’IA amicale qui profitera à la société dans son ensemble.

De même, l’éminent physicien Stephen Hawking a averti qu’une fois l’intelligence artificielle suffisamment avancée sera créée, elle avancera rapidement au point où elle dépasse largement les capacités humaines, un phénomène connu sous le nom de singularité, et pourrait constituer une menace existentielle pour la race humaine!

Pourtant, la notion que l’humanité est sur le point d’une explosion de l’intelligence artificielle qui éclipsera notre intellect semble ridicule à certains chercheurs en AI.

Chris Bishop, directeur de la recherche de Microsoft à Cambridge, en Angleterre, souligne à quel point l’intelligence étroite de l’ AI diffère de l’intelligence générale des humains, disant que lorsque les gens s’inquiètent des Terminator, la montée des machines et ainsi de suite. Une absurdité totale!

oui, au mieux, il faut attendre des dizaines d’années pour pouvoir aborder de telles discussions.”

EST-CE QUE L’ AI PRENDRA VOTRE TRAVAIL?

La possibilité que des systèmes artificiellement intelligents remplacent une grande partie du travail manuel moderne est peut-être une possibilité plus proche de l’avenir.

Bien que l’intelligence artificielle ne remplacera pas tous les emplois, ce qui semble certain, c’est que l’ AI va changer la nature du travail, la seule question étant de savoir dans quelle mesure l’automatisation va changer rapidement et profondément le lieu de travail.

Il y a à peine un champ d’activité humaine sur lequel l’ AI n’a pas le potentiel d’avoir un impact. Il y a à peine un champ d’activité humaine que l’ AI n’a pas le potentiel d’avoir un impact. Comme le dit Andrew Ng, expert en intelligence artificielle: “Beaucoup de gens font des tâches répétitives et routinières. 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”.

L’évidence de quels emplois seront supplantés commence à émerger. Amazon vient de lancer Amazon Go, un supermarché sans caisse à Seattle, où les clients prennent simplement des articles dans les rayons et sortent. Reste à savoir ce que cela peut signifier pour les plus de trois millions de personnes aux États-Unis qui travaillent comme caissiers!

Amazon est de nouveau en tête en utilisant des robots pour améliorer l’efficacité dans ses entrepôts. Ces robots transportent des étagères de produits à des ramasseurs humains qui sélectionnent les articles à envoyer. Amazon a plus de 100 000 bots dans ses centres d’exécution, avec l’intention d’en ajouter beaucoup plus. Mais Amazon souligne également que le nombre de bots a augmenté, tout comme le nombre de travailleurs humains dans ces entrepôts. Cependant, Amazon et les petites entreprises de robotique travaillent pour automatiser les travaux manuels restants dans l’entrepôt, donc ce n’est pas une donnée que le travail manuel et robotique continuera à croître main dans la main.

Les véhicules complètement autonomes ne sont pas encore une réalité, mais selon certaines prévisions, l’industrie du camionnage autonome devrait absorber plus de 1,7 million d’emplois au cours de la prochaine décennie, même sans tenir compte des répercussions sur les courriers et les chauffeurs de taxi.

Pourtant, certains des travaux les plus faciles à automatiser n’exigent même pas de robotique. À l’heure actuelle, des millions de personnes travaillent dans l’administration, saisissent et copient les données entre les systèmes, recherchent et prennent rendez-vous pour les entreprises. Au fur et à mesure que les logiciels améliorent la mise à jour automatique des systèmes et signalent les informations importantes, le besoin d’administrateurs diminue.

Comme pour tout changement technologique, de nouveaux emplois seront créés pour remplacer ceux qui ont été perdus. Cependant, ce qui est incertain, c’est si ces nouveaux rôles seront créés assez rapidement pour offrir des emplois aux personnes déplacées, et encore plus important, si les nouveaux chômeurs auront les compétences ou le tempérament nécessaires pour remplir ces nouveaux rôles.

Cela ne devrait pas rendre tout le monde pessimiste quand même. Pour certains, l’ AI est une technologie qui va augmenter, plutôt que remplacer, les travailleurs. Non seulement cela, mais ils soutiennent qu’il y aura un impératif commercial qui exige de ne pas remplacer les gens, comme un travailleur assisté par l’ AI — penser à un concierge humain avec un casque AR (Réalité Augmentés) qui leur dit exactement ce qu’un client veut avant de le demander — il sera plus productif ou efficace qu’une AI travaillant seule.

Parmi les experts de l’ AI, il existe un large éventail d’opinions sur la rapidité avec laquelle les systèmes artificiellement intelligents surpassent les capacités humaines.

L’Institut “Oxford University’s Future of Humanity” a demandé à plusieurs centaines d’experts en apprentissage automatique (Machine Learning) de prédire les capacités de l’ AI au cours des prochaines décennies.

Parmi les dates notables figuraient des essais rédigés par AI qui pourraient passer pour être écrits par des humains d’ici 2026, des chauffeurs de camion seront licenciés en 2027, l’intelligence artificielle tendera à surpasser les capacités humaines dans le commerce de détail d’ici 2031, écrire des livre à succès (best-seller) en 2049, et fera le travail de chirurgien en 2053.

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

Pensez vous que ce serait le cas?