Voici mon blog personnel. Intelligence artificielle, marketing digital sont les sujets les plus souvent abordés.

Étiquette : big data

Dataïsme

Entrepreneur, blogger, marketer, écrivain, les anglos-saxons disent que je suis un « slasher ». Je suis aussi un geek compulsif qui se soigne grâce à sa dose de Twitter et Youtube matin et soir.

Suite à la lecture de Homo Deus, je vais reprendre certaines idées, sur le dataïsme et les développer sous un angle personnel.

Il est vrai aujourd’hui nous avons un certain nombre d’applications sur notre smartphone qui nous permettent de suivre notre alimentation, le nombre de pas, la qualité de notre sommeil et tout un tas d’autres choses. Toutes ces données, dont leur traitement est minime aujourd’hui, pourraient se développer et permettront de mieux appréhender nos comportements et également les maladies.

Tout d’abord, il est nécessaire de constater que nous sortons d’un monde de masse pour un monde individuel. Nous allons voir les impacts futurs surtout dans le monde de la santé d’un tel changement de paradigme.

Définition du datïsme

Pour reprendre le dataïsme, Yuval Harari en fait la définition, la métaphore suivante :

Les individus sont des puces, au même titre que les puces qui composent un ordinateur.

Yuval Harari – Homo Deus

Pour que le dataïsme se développe à l’échelle sociétale, il faut réunir un certain nombre de conditions :

  1. Accroître le nombre de personne potentiellement « connectable » (plus de monde donc plus de puissance de calcul)
  2. Différents processeurs (moyens d’être connectés) afin d’augmenter le dynamisme et créer des idées nouvelles
  3. Accroître le nombre de connexion entre les processeurs
  4. Les données doivent se déplacer librement
matrix-world-dataisme
matrix world-dataisme

Monde centré sur la data : le dataïsme

Nous sommes passés d’un monde :

  • Théocentrique : Dieu centre du l’univers
  • Homocentrique : l’humanisme, l’Homme construit tout autour de lui
  • Datacentrique : c’est la data qui contrôle l’univers

La seule manière de se connaitre c’est grâce aux data par exemple en séquençant son ADN. La multiplication des IoT, notamment ceux qui sondent notre biologie à chaque instant sont de fabuleux générateurs de data. N’oublions pas que la data est le pétrole brut du XXIe siècle.

petri-adn-numbers

La connaissance de soi passe par les chiffres

Avec les IoT et l’IA, les algorithmes savent mieux que nous, de ce que nous devons faire. Baseline study de Google, utilise Google Fit pour comprendre qu’elle est la meilleure façon de garder une bonne santé.

La combinaison gagnante est la multiplication des IoT qui permettent la création de data et l’IA, dont les algorithmes s’améliorent de jour en jour.

Le coût de la technologie diminue mais les plus riches ont toujours deux longueurs d’avance. L’ère de la masse est révolue. Il fallait beaucoup de soldats donc une bonne santé pour tous. Mais si une poignée d’Homme permet de créer beaucoup de valeur alors pourquoi maintenir un système de santé de masse ?

La fin des masses bienvenue aux classes d’élites

Si je suis en bonne santé, je peux utiliser la médecine pour devenir davantage meilleur, alors que les pauvres iront à l’hôpital pour régler leurs problèmes de santé. C’est en tout cas ce que dénonce certains scientifiques et d’autres adeptes du biohacking. Comme Serge Faguet qui a dépensé 200 000 dollars pour biohacker son corps (et son esprit). Entre nous, cher lecteur, il a écrit son récit dans les moindres détails ici.  

serge-faguet-improve

Peu importe le sens pourvu que j’ai le pouvoir

Être dans le flux de donnée signifie refuser son intimité, sa vie privée. Si une voiture autonome vient me chercher quand je sors de chez moi et me récupère quand je sors du boulot, la voiture doit connaître mes intentions et mes actions à chaque instant.

jaguar-voiture-yeux

Cela surprend toujours mon auditorat, mais Google fait déjà la différence d’intention dans une recherche. Notamment le moteur de recherche fait la différence entre l’intention d’acheter et l’intention de s’informer.  C’est un tout autre sujet dont j’en ferai un billet.

On peut reprendre les phrases : « peu importe le sens pourvu que j’ai le pouvoir » et « les gens seront dans le flux d’information » 
(cf. Homo Deus). A elles deux, forment un nouveau paradigme entraînant un changement colossal de notre société.

Peu importe que la machine sache tout de moi, pourvu que j’ai accès à un nombre de service premium à un coût réduit. Multiplié par le nombre de personnes qui fournissent les informations, cela donne un argument de poids pour supprimer les voitures qui polluent trop (écologie), éradiquer toute maladie (santé), diminuer la criminalité (sécurité), augmenter les ventes (commercial) etc. En bref toute la famille politique pourra se satisfaire de cette vision. D’ailleurs est-ce que la Chine en est déjà là ?

Le droit du tous connecté.es

Un hôpital Google

J’image un jour (peut-être), un hôpital type « Google » puisse exister. Sa promesse est simple, cet hôpital te permettra d’être en bonne santé et pour longtemps voire même de dépasser la moyenne de l’espérance de vie actuelle de ton pays.

google-medical-center

Son fonctionnement passera par un abonnement de moins de 100 dollars par mois (comme une assurance et mutuelle complémentaire incluse) et ainsi avoir accès à des examens et traitement de santé totalement pris en charge (évidemment toutes les maladies diagnostiquées seront totalement prises en charge sans surcoût).

Au-delà de la cotisation, il sera obligatoire pour ces membres de faire des check-up régulièrement dans les hôpitaux Google. En cas de manquement, un bannissement aux prestations serait ordonné. D’autre part, je suppose qu’il faille porter un bracelet qui compte les pas, prendre en photo ce que l’on mange, faire des prélèvements de ces excréments et adapter son régime et son mode de vie en fonction des résultats du mois précédent. Tout manquement sera sanctionné par un bannissement aux services proposés.

La technologie surpasse l’Homme

Trop contraignant ? Notre smartphone est capable de compter les pas, possède un appareil photo, une application de l’hôpital permettrait de créer les rendez-vous et les rappels nécessaires. Je le répète, chaque rendez-vous mensuel a pour but de trouver des maladies et de les guérir le plus rapidement possible, en tout cas de te maintenir en forme. Ainsi tu te retrouveras dans une bulle, plus je donne des infos plus je me sentirai en sécurité (plus j’alimente en données biologiques la base de données du géant GAFA). 

100 dollars par mois c’est cher ? Oui mais il n’est pas à exclure que le prix tant à diminuer voire même devenir ou être déjà gratuit ! N’oublions pas que Google Search est une machine incroyable qui coûte extrêmement chère à entretenir et pourtant l’outil est gratuit et utilisable du jour et de la nuit par des milliards de personnes ! Va créer un site qui supporte un milliard de personne par jour et on verra combien va te coûter, ne serait-ce les serveurs pour le faire tourner correctement !

3 questions issues de 3 processus mutés

L’auteur nous fait part de 3 processus en actuelle mutation. Le dataïsme se caractérise par 3 points :

  1. La science converge vers un dogme universel suivant lequel les organismes sont des algorithmes et la vie se réduit au traitement des données
  2. L’intelligence se découple de la conscience
  3.  Les algorithmes non conscients (mais forts intelligents) nous connaîtrons bientôt mieux que nous-mêmes

Ces 3 processus soulèvent 3 questions cruciales donc j’espère qu’elles vont se représenter dans ton esprit :

  • Les organismes ne sont-ils réellement que des algorithmes et la vie se réduit-elle au traitement des données ?
  • De l’intelligence ou de la conscience laquelle est la plus précieuse ?
  • Que deviendra-t-il de la société, de la politique et de la vie quotidienne lorsque des algorithmes non conscients, mais hautement intelligents, nous connaîtrons mieux que nous nous connaissons ?

Pourquoi je hais les banques

Entrepreneur, blogger, marketer, écrivain, les anglos-saxons disent que je suis un « slasher ». Je suis aussi un geek compulsif qui se soigne grâce à sa dose de Twitter et Youtube matin et soir.

En fait, mon inspiration pour cet article provient de mon expérience avec les banques. Les banques révèlent le pire de plusieurs mondes et les font ressortir.

Bien sûr, tu peux haïr les banques pour de très bonnes raisons. Comme le fait qu’elles sont des sociétés prédatrices qui provoquent des crises financières gigantesques et la misère. Quand tu sais que le nombre d’opérations est “limitée” à la nanoseconde… c’est-à-dire qu’elles ont le droit jusqu’à 1 milliard d’opérations à la seconde (trading). Ou qu’elles volent aux pauvres pour donner aux riches. Ce sont d’excellentes raisons de détester les banques que je n’ai pas l’intention de nier. Mais ce sont des raisons plutôt abstraites. Ma haine provient de problèmes quotidiens beaucoup plus concrets…

Chaque fois que j’ai besoin (et je trouve que j’en ai souvent besoin), comme lorsqu’elles bloquent ma carte de crédit sans raison valable, c’est la pire expérience possible. C’est long, inefficace et aliénant. Je me sens énervé et stupide en même temps.

Je suis convaincu que l’expérience s’est bien aggravée avec le temps. Ce n’est pas que les gens aient tous aimé leurs banques dans les années 50, mais au moins leurs banques avaient un visage. Un agent qu’ils connaissaient et qui les connaissaient. Un être humain qui était habilité à résoudre au moins certains de leurs problèmes.
La raison paradoxale pour laquelle les banques offrent maintenant la pire expérience possible c’est qu’elles ont traversé une transformation numérique partielle et organisationnelle. Donc, aujourd’hui, elles combinent le pire de l’ancien monde avec le pire du nouveau monde.

La pire expérience possible

Tu as déjà essayé d’obtenir un prêt ou ouvrir un compte professionnel ? Ou simplement retirer une somme importante (enfin demander des grosses coupures) ? Ou alors récupérer ton argent sur un compte de placement ?

D’abord, tu dois prendre un rendez-vous, ce qui est une épreuve en soi ! Car soit tu dois appeler et attendre 15 minutes avec une musique débilitante qui semble conçue pour t’énerver. Qu’est-ce que Vivaldi penserait s’il savait comment sa musique est utilisée de nos jours ? Tu me diras, moi je vais au guichet, alors tu fais la queue juste pour prendre rendez-vous. Si tu veux prendre rendez-vous dans ta banque où tu as déjà un compte alors elle possède sans doute une application. Wow. Sinon, il est rarement possible de le faire en ligne ! J’ai écris à mon conseiller pour faire une opération sur mon compte j’ai reçu un mail automatique disant qu’il était en vacance. C’est super de savoir qu’il est en vacance et du coup tu dois attendre qu’il fasse sa vie ? Pour une institution qui pratique des AGIOS à la journée c’est quand même dégueulasse de laisser son client attendre 10 jours que M. André revienne des Bahamas…

Des frais pour un service compliqué

Aller en ligne est généralement un cauchemar car les sites bancaires semblent avoir été conçus par des ingénieurs sadiques qui veulent te punir pour un travail qu’ils détestent. La conception est tout sauf intuitive. Il est difficile de trouver l’information dont tu as besoin. Il y a beaucoup de mots de passe. Ou mieux encore, ils t’ont fourni un périphérique spécial pour générer des codes de sécurité, comme HSBC Secure Key. Si tu le perds, tu ne peux pas te connecter. Bonne chance si tu as besoin d’obtenir une info !

La sécurité avant tout !

Des problèmes de sécurité seront généralement avancés pour justifier le manque total de transparence. C’est HORRIBLE, donc il faut que ça soit SECURE. Peut-être que certaines personnes pensent que c’est sécurisé quand c’est particulièrement horrible. En effet, c’est peut-être la raison pour laquelle peu de clients se plaignent réellement. La «sécurité» voilà pourquoi tu ne peux pas tout faire en ligne. Ils vous combineront le téléphone, l’ordinateur et le courrier postal. Personnellement, la plupart des courriers postaux que je reçois aujourd’hui proviennent des banques (en plus je paie quand c’est une lettre de rappel !).

Mais pire, par exemple, si tu fais un transfert en ligne avec ton ordinateur tu as besoin de ton téléphone ou d’une carte chiffrée. Non seulement ce n’est pas simple mais en plus ils prennent des frais sur le change (entre devises) pourquoi ?! Et si tu dois changer ton numéro de téléphone… tu dois attendre qu’ils t’envoient un code d’activation par courrier !

Véritable exemple chez BNP :
image-hais-banques

Les employés de la banque ne t’aideront pas

Depuis plusieurs années je suis mécontent du service bancaire. Véritablement, le service client est tellement détestable que ça soit à la BNP, Caisse d’Epargne ou autres. Et c’est aussi pour cette raison que je me suis décidé à écrire cet article. Jusqu’à quelques jours j’ai été client dans 4 banques différentes. J’ai fait le calcul, en 10 ans j’ai vu en moyenne 4 conseillers différents par banque. Au total 40 conseillers/res ont débuté une relation commerciale avec moi. Pourtant seulement 2 ou 3 conseillers/res m’ont donné une belle image de leur succursale. De plus, l’expérience bancaire a cette couche supplémentaire de méchanceté, car les employés de la banque peuvent souvent être grossiers ou arrogants (notamment au téléphone).

Maintenant que j’ai vécu à la frontière Suisse pendant près de 6 ans, je peux dire que les employés de banque ont tendance à être plus gentils en Suisse qu’en France. Mais j’ai trouvé que l’expérience générale n’était que légèrement meilleure parce que les employés des banques sont aussi inefficaces et impuissants que ceux de France. Cela m’a conduit à réfléchir sur les raisons.

Certains employés du Crédit Mutuel ont peur d’être remplacé par des bots. Si seulement les bots étaient de l’intelligence artificielle bien rodées qui permettraient de les remplacer… Ce n’est pas encore le cas mais vous allez y passer.

Les raisons de ma haine

  1. Les banques sont des organisations “fordiste”. Dans une recherche d’efficacité accrue, elles ont centralisé beaucoup de leurs activités. Dans le but de réduire les coûts.
  2. Elles ont embauché des employés moins qualifiés (souvent plus jeunes). Par conséquent, ces employés n’ont pas le statut et l’autorité de leurs prédécesseurs. Ils ne sont pas seulement moins payés, ils ne sont pas non plus habilités à en faire autant. Même s’ils sont véritablement compétents et bien intentionnés ( j’en n’ai aucun doute), ils ne sont pas habilitées à t’aider. Car ils dépendent des services centralisés : « Permettez-moi de vous répondre, je dois transmettre votre demande à l’équipe dédiée ».

Les banques sont des organisations bureaucratiques qui sont devenues encore plus bureaucratiques après la réorganisation de leurs services !

  1. Lorsque les employés et les utilisateurs (clients) éprouvent de la douleur, la bureaucratie devient la “bureau-pathologie”. D’une part, étant donné l’écart est de plus en plus large entre les employés et les attentes des utilisateurs, et d’autre part, le modèle organisationnel bureaucratique est perçu comme encore plus «pathologique». Ainsi, cela crée un sentiment d’aliénation qui vide le travail de sa signification.

Finalement, pour toutes ces raisons, il y a un turnover important (les employés partent). En tant que client, comme je l’ai dit précédemment, tu es rarement servi par le même employé pendant une longue période. Cela rend la continuité du service client instable. Tu dois souvent expliquer les choses encore et encore. A l’évidence, rend-toi compte que la majeure partie des banques sont fermées le lundi ! Nous sommes en 2017, elles ouvrent à 9h sont fermées pour la pause déjeuné et elles ferment à 17h30… Dans ces conditions, nous ressentons ce sentiment aliénant d’être juste un numéro anonymisé écrasé dans un rouage rouillé.

Lorsque le numérique rend le service encore pire

Plutôt que de rendre les choses plus faciles, les outils numériques rendent toute l’expérience pire parce que tu ne peux pas tout faire en ligne. Le design est à revoir et puis de toute façon tu auras besoin de la Poste ou du téléphone. Alors pourquoi ne pas tout faire via la Poste dans ce cas ? Paradoxalement, si tu veux aller plus vite en allant directement à ta succursale, ils te demanderont de remplir un formulaire en ligne. En règle générale, le numérique ne te sauvera pas. Souvent parce que tu dois remplir des formulaires en ligne et hors ligne.

Tu peux aussi lire cet article où j’explique que les banques sont en train de vivre leur moment “kodak”. Cette société américaine qui a fait faillite car elle n’a pas su prendre la bonne décision concernant l’innovation de la photo numérique (dont elle avait fait la découverte !).

Ressources informatiques mal maîtrisées

Après de longues recherchent, très peu de banques ont résolu leur problème de patrimoine informatique. Les systèmes hérités, développés et mis en place il y a plus de 20 ans, ont été au coeur de la transmission des paiements, du traitement des transactions bancaires et de la gestion des comptes. Les banques dépensent 80% de leur budget informatique pour maintenir (ou améliorer) leur base informatique existante. Donc tout cela laisse très peu de progrès stratégique à long terme. Comme la plupart des cadres considèrent l’informatique comme un « coût », ils veulent naturellement « réduire » ces coûts. Par conséquent, les ressources en IT ont été « externalisées ». Enfin, cela a été un désastre pour les banques parce que les attentes des consommateurs ont changé rapidement.

Des nouvelles banques dans la danse

L’héritage informatique est une très bonne explication. Cependant, pour avoir ouvert un compte chez Revolut et N26, ils proposent tout de même un service à la hauteur de mes attentes. J’en conviens Revolut n’est pas une banque à proprement parlé mais plus d’un portefeuille, dans lequel tout frais de change est aboli. La carte est gratuite également.

Pour N26, comme indiqué sur leur site, la création d’un compte prend 8 minutes et une vérification via un opérateur en appel visio prend 8 minutes de plus. Les formulaires sont en ligne, une question ? Il y a une FAQ sinon il y a un chat ou bien twitter. En 16 minutes j’ai ouvert un compte sans prise de rendez-vous, sans me déplacer. D’ailleurs j’ai posé 3 questions. Deux répondues instantanément et une autre sur Twitter qui a pris 12 minutes. Je reçois une notification sur mon portable pour toutes transactions. Je suis alerté instantanément quand je reçois de l’argent et quand je paie. Ai-je besoin d’autre chose ?

Tout est une question de contrastes

Ce qui rend l’expérience bancaire si grave, c’est qu’elles mettent en évidence de forts contrastes. Ces contrastes les rendent insupportables. Le contraste entre un monde où tout est plus flexible et la rigidité ancienne d’une banque. Avant nous avions une seule banque avec le salaire du couple et les crédits. Aujourd’hui nous avons plusieurs comptes dans plusieurs banques (mon crédit étudiant ici, mon compte de naissance par-là, des placements autre part etc.).
Alors que les banques essaient depuis 20 ans de rajeunir leur image et de montrer que les agents n’ont pas les “dents longues”. Pourtant, avec la multibancarisation et le besoin d’avoir un lien humain et personnalisé sont des aspects primordiaux à prendre en compte aujourd’hui.
Et puis qu’est-ce qui nous fait rester ? Je veux un crédit immobilier ou un prêt conso ? Je peux demander dans n’importe quelle banque. Alors oui je te hais.

Crédit photo article : Fuze

Le ciblage Facebook est précis grâce à toi

Entrepreneur, blogger, marketer, écrivain, les anglos-saxons disent que je suis un « slasher ». Je suis aussi un geek compulsif qui se soigne grâce à sa dose de Twitter et Youtube matin et soir.

Le ciblage Facebook est précis.

Facebook est un réseau social qui représenterait le 3eme pays le plus peuplé du monde. Au cas où tu ne le savais pas, c’est également une régie publicitaire (au même titre que Google). Dès lors, les entreprises nous ciblent sur Facebook. Elles le peuvent car Facebook met des “étiquettes” sur nos comportements, sur les appareils que nous possédons et via les infos que nous donnons. Avec toutes ces données, Facebook nous met dans des « bulles », des « groupes » aux comportements similaires. Les annonceurs ne savent pas qu’ils te ciblent toi personnellement mais ils ciblent des personnes qui représentent une potentialité d’affaires.

Les annonceurs paient pour mettre leurs pubs sur Facebook.

Facebook quant à lui met en avant ces pubs aux utilisateurs que l’annonceur veut cibler. Prenons un exemple concret : je suis un commerçant qui a un magasin (je ne vends pas sur Internet) de jeux vidéo. Je veux viser les personnes qui possèdent une console de jeux et proche de mon magasin. Encore mieux, je souhaiterais viser les « millennials » et dont leur anniversaire sera le mois prochain. Ainsi je pourrais faire une annonce du type :

« Offre toi le nouveau JEUVIDEO X42 qui sort le 18 Octobre. Viens le récupérer en magasin pour ton anniversaire ! »

La base du marketing publicitaire

Le principe du marketing : donner le bon message, au bon moment à la bonne personne. Avec Facebook c’est dans le mille ! La géolocalisation, la tranche d’âge, le fait de posséder une console de jeux et le fait que c’est l’anniversaire le mois prochain me permet de cibler précisément mes clients potentiels. La publicité prendra alors en compte au moins l’un de ces critères pour toucher les bonnes personnes. Grâce à l‘intelligence artificielle et via les big data, la précision est de plus en plus chirurgicale. L’avènement des assistants intelligents permettront de prédire nos envies.

Ce n’est pas de la science-fiction, aujourd’hui il est possible de payer pour la publicité ultra-ciblée. Autres avantages du marketing digital, le calcule du ROAS. C’est-à-dire le retour sur investissement publicitaire. L’annonceur sait au centime près pour quoi il a été dépensé et quel action il a eu en retour. Contrairement aux méthodes de marketing traditionnel où les annonceurs paient des sommes pharaoniques en affichage urbain/TV pour un retour moins mesurable. Si le thème « comment un annonceur peut savoir combien il dépense et quel résultat il obtient » t’intéresse, clique sur mon assistant virtuel en bas à gauche de cette page et viens me le dire 🙂

Comment savoir, ce que sait Facebook sur moi

En effet, il n’y a rien d’obscure, tu peux contrôler toi-même les infos que tu mets à disposition pour Facebook. Ainsi, tu peux aussi renoncer et interdire l’accès à certaines informations. Pour se faire, je te mets en printscreen mon compte personnel et je te montre pas à pas comment voir ces « étiquettes » expliquées ci-dessus.

Cliques sur la flèche et sélectionne tout en bas « Paramètres »

ciblage Facebook est précis grace à toi-1

Ensuite sur la gauche, cliques sur « Publicités »

ciblage Facebook est précis grace à toi-2

En ensuite sur « Vos Informations » et « Vos Catégories »

ciblage Facebook est précis grace à toi-3

Je te laisse naviguer sur les renseignements que donne Facebook. Tu peux aussi télécharger l’historique de tout ce que tu as donné comme information à Facebook depuis que tu as crée ton compte. J’avais mis le mode opératoire dans ce billet.

 

 

Pourquoi l’IA arrive à son âge d’or aujourd’hui?

Entrepreneur, blogger, marketer, écrivain, les anglos-saxons disent que je suis un « slasher ». Je suis aussi un geek compulsif qui se soigne grâce à sa dose de Twitter et Youtube matin et soir.

La recherche en IA a commencé dans les années 1950. Après de faux espoirs répétés, l’IA est aujourd’hui à son point d’inflexion. L’efficacité de l’IA a été transformé ces dernières années en raison du développement de nouveaux algorithmes. Il a fallut rassembler un certains nombres d’ingrédient pour que l’IA soit efficace. En effet, nous profitons d’une plus grande disponibilité des données afin de la « nourrir » (big data). Couplé d’un meilleur matériel pour la créer et les services basés sur le cloud pour catalyser leur adoption par les développeurs. Voyons ensemble ces cinq points :

1. Algorithmes améliorés

Le Deep Learning n’est pas nouveau. Spécifiquement, le premier réseau multi-couche neuronal efficace a été publié en 1965. L’évolution des algorithmes en Deep Learning ont transformé tous les résultats au cours de la dernière décennie !
Notre capacité à reconnaître des objets dans les images a été transformé (figure 9). Via le développement des réseaux de neurones convolutifs – convolutional neural networks (CNN). Un design inspiré par le cortex visuel des animaux. En effet, chaque couche dans le réseau neuronal agit comme un filtre pour la présence d’un motif spécifique. En 2015, le système de vision par ordinateur basé sur le CNN, Microsoft a identifié des objets dans des images plus efficacement (95,1% précision) que les humains (94,9% de précision). «À notre connaissance, » ils ont écrit, «notre résultat est le premier à dépasser les performances au niveau humain. » Applications plus larges des CNNs comprennent la reconnaissance vidéo et de la parole.

reconnaissance IA du langage humain
Les progrès dans la parole et la reconnaissance d’écriture, quant à lui, s’améliore rapidement (Figure 10) après la création de réseaux de neurones récurrents – recurrent neural networks (RNN). Les RNNs ont des liens de rétroaction qui permettent aux données de circuler dans une boucle. A la différence des réseaux neuronaux classiques qui « avalent les informations » seulement. Un nouveau type puissant de RNN est la «longue mémoire à court terme» (modèle LSTM).

C’est pourquoi, avec des connexions et des cellules de mémoire supplémentaires, les RNNs « se souviennent » des données. Celles qu’ils ont vu des milliers d’étapes auparavant et vont les utiliser pour informer leurs interprétations de ce qui suit. En somme, précieux pour la reconnaissance vocale où l’interprétation du mot suivant sera informé par les mots qui l’ont précédé. Depuis 2012, Google a utilisé les modèles LSTMs pour alimenter le système de reconnaissance vocale dans Android. En novembre 2016, les ingénieurs de Microsoft ont indiqué que leur système avait atteint un taux d’erreur de parole de 5,9%. Un chiffre à peu près égal à celui des capacités humaines pour la première fois dans l’histoire.
Niveau langage humain par IA atteint des records

2. Matériel spécialisé

Les GPUs sont des circuits électroniques spécialisés qui réduisent le temps requis pour former les réseaux de neurones utilisés pour le Deep Learning.
Les GPU modernes ont été développés à l’origine à la fin des années 1990 pour accélérer les jeux 3D et des applications de création 3D. En effet, faire un zoom dans un logiciel 3D utilise un processus mathématique appelé « calcul matriciel répété ». Les microprocesseurs avec des architectures en série, ce sont les processeurs qui alimentent les ordinateurs d’aujourd’hui. Ils sont peu adaptés à la tâche. C’est pourquoi, les GPU ont été développé avec des architectures massivement parallèles (la Nvidia M40 a 3072 cœurs) pour effectuer efficacement des calculs matriciels .

Une formation d’un réseau neuronal fait usage intensif des calculs matriciels. Par conséquent, les GPUs qui sont utiles pour les jeux 3D. Ces GPUs se retrouvent très bien adaptés pour accélérer le Deep Learning. Néanmoins leur effet a été considérable; un GPU simple peut offrir un gain de temps cinq fois plus rapide pour l’entraînement d’un réseau de neurones. Tandis que les gains de dix fois ou beaucoup plus sont possibles sur des problèmes plus importants ! Lorsqu’il est combiné avec des kits de développement en DL, les améliorations de la vitesse d’entrainement peuvent être encore plus grande (Figure 11).GPU augmente par 60 la vitesse IA

3. De nombreuses données

Tout d’abord, les réseaux de neurones utilisés pour le Deep Learning nécessitent généralement de grands ensembles de données. De quelques milliers d’exemples à plusieurs millions. Heureusement, la création de données et la disponibilité a augmenté de façon exponentielle. Aujourd’hui, alors que nous entrons dans la «troisième vague» des données, l’humanité produit 2,2 exaoctets (2300 millions de gigaoctets) de données chaque jour ; 90% de toutes les données du monde a été créé au cours des 24 derniers mois.

D’une part, la «première vague» de la création de données, qui a commencé dans les années 1980. Les ordinateurs de bureau connectés à Internet ont généré des documents et de données transactionnelles. D’autre part, une «deuxième vague» des données a suivi. En effet, l’explosion des médias non structurées (e-mails, photos, musique et vidéos), des données Web et méta-données résultant des smartphones. Aujourd’hui, nous entrons dans le «troisième vague» des données. Dans laquel des capteurs de machines déployés dans l’industrie et dans la maison créent un suivi supplémentaires et des travaux analytiques.

Dernièrement, nous, l’espèce humaine, nous avons transféré 100 Go de données par jour en 1992, d’ici 2020, nous transférerons 61 000 Go (ou 61 To) par seconde de data (Figure 12).Le trafic internet augmente logarithmement

Au-delà de l’augmentation de la disponibilité des données générales, les ressources de données spécialisées ont catalysé des progrès dans le DL. Par exemple, le site ImageNet est une base de données librement disponible de plus de 10 millions d’images renseignées à la main. Sa présence a soutenu le développement rapide de la classification d’objet par les algorithmes en Deep Learning.

4. Les services Cloud

L’utilisation des ML par les développeurs est catalysée par la fourniture d’une machine dont l’infrastructure est dans le cloud.

Google, Amazon, Microsoft et IBM offrent tous une infrastructure basée sur le cloud. Pour conséquence de réduire le coût et la difficulté de développer les capacités des ML.

En outre, ils offrent une gamme en plein essor des services de Machine Learning en Cloud (de reconnaissance d’image à la traduction de la langue) que les développeurs peuvent utiliser directement dans leurs propres applications. Google Machine Learning propose des services faciles d’accès pour :

  • vision (identification des objets, la détection du contenu explicite, la détection de visage à l’analyse des sentiments);
  • la parole (reconnaissance de la parole et lecture des textes);
  • analyse de texte (reconnaissance de l’entité, l’analyse des sentiments, la détection de la langue et de la traduction); et
  • la recherche d’emploi (définition des compétences et correspondance à l’ancienneté).

Microsoft Cognitive Services comprend plus de 21 services dans les domaines de la vision, de la parole, la langue, la connaissance et la recherche.

5. Les intérêts et l’esprit d’entreprise

Effectivement, de la part du public l’intérêt pour l’IA a augmenté six fois au cours des cinq dernières années. Nous notons une encore plus grande augmentation du nombre de placements dans des sociétés IA par les sociétés d’investissement (Figure 14). En effet, nous sommes entrés dans un cercle vertueux. Dans lequel les progrès dans le Deep Learning est d’attirer l’investissement, l’entrepreneuriat et la sensibilisation. Ce dernier, à son tour, catalysent de nouveaux progrès (figure 13).Intérêt 6 fois plus important pour l'IAInvestissement 7 fois plus élevé IA

Que se passe-t-il ensuite ?

Enfin, les avantages de la ML et du DL seront nombreux et importants. Beaucoup seront visibles, des véhicules autonomes à de nouvelles méthodes d’interaction homme-machine. Beaucoup seront moins apparentes, mais permettront de créer des processus efficaces aux services des consommateurs.
C’est ainsi pour tout changement de paradigme, parfois des attentes gonflés dépassera le potentiel à court terme. Nous nous attendons à une période de désillusion au sujet de l’IA à un moment donné. Véritablement, elle sera suivie par une reconnaissance plus longue et durable de sa valeur. Ainsi, comme la ML est utilisée pour améliorer et réinventer les systèmes existants.

Cet article fait suite également à « Nous sommes en train de vivre une quatrième révolution industrielle« 

Futur du Deep Learning ? Le Reinforcement Learning !

Entrepreneur, blogger, marketer, écrivain, les anglos-saxons disent que je suis un « slasher ». Je suis aussi un geek compulsif qui se soigne grâce à sa dose de Twitter et Youtube matin et soir.

Le sujet est complexe, si tu veux du pragmatique, je te conseille de lire le dernier paragraphe. Bonne lecture 🙂

Le cerveau humain vs Reinforcement Learning

Les humains sont excellents dans la résolution d’une grande variété de problèmes, en plus leur cerveau consomme peu d’énergie. L’objectif chez DeepMind est de créer des agents artificiels qui peuvent atteindre un niveau de performance similaire.

Comme un être humain, leurs agents apprennent eux-mêmes pour parvenir à des stratégies efficaces qui mènent aux plus grandes récompenses à long terme. Ce paradigme de l’apprentissage par essais et d’erreurs, est connu comme l’apprentissage par renforcement (Reinforcement Learning).

En outre, comme un être humain, ces agents construisent et apprennent de leurs connaissances directement à partir de matières brutes. Telles que la vision et sans fonctionnalités d’ingénierie codée préalablement à la main ou du domaine heuristique. Cet objectif est atteint par l’apprentissage en profondeur (Deep Learning j’en parle ici) des réseaux de neurones.

Au DeepMind, ils ont mis au point la combinaison de ces approches – le deep reinforcement learning (DRL) – pour créer les premiers agents artificiels à atteindre une performance de niveau humain dans de nombreux domaines jugés difficiles.

L’IA doit faire des erreurs pour apprendre

Les agents doivent continuellement faire des jugements de valeur de manière à sélectionner les bonnes actions des plus mauvaises. Cette connaissance est représentée par un Q-réseau qui estime la récompense totale qu’un agent peut espérer recevoir après avoir pris une action particulière.

Il y a deux ans, ils ont crée avec succès l’algorithme sur l’apprentissage par renforcement profond (Deep Reinforcement Learning). L’idée principale était d’utiliser des réseaux de neurones profonds pour représenter le Q-réseau, et de former ce Q-réseau pour prédire la récompense totale. Les précédentes tentatives pour combiner RL avec les réseaux neuronaux ont largement échoué en raison de l’apprentissage instable.

Pour répondre à ces instabilités, les Q-réseaux profonds (DQN) stocke toutes les expériences de l’agent. Puis au hasard, il pioche des échantillons et rejoue ses expériences pour fournir des données de formation diverses et décorrélés. Ils ont appliqué le DQN dans l’apprentissage des jeux sur la console Atari 2600.

A chaque pas, l’agent observe les pixels bruts sur l’écran, un signal de récompense correspondant au score de jeu, et sélectionne une direction du joystick. Dans l’article de Nature, ils ont formé des agents DQN différents pour 50 jeux différents Atari, sans aucune connaissance préalable des règles du jeu.

Comparison of the DQN agent with the best reinforcement learning methods in the literature. Comparaison of the DQN agent with the best reinforcement learning methods in the literature.

Étonnamment, DQN atteint des performances de niveau humain dans près de la moitié des 50 matchs auxquels il a été appliqué; bien au-delà de toute méthode précédente. Le code source DQN et émulateur Atari 2600 sont librement accessibles à tous ceux qui souhaitent expérimenter eux-mêmes.

Toujours plus performant

Ils ont par la suite amélioré l’algorithme DQN à bien des égards ; stabiliser davantage les apprentissage dynamique ; hiérarchiser les  expériences relus ; normalisation, agrégation et remise à l’ échelle des sorties. La combinaison de plusieurs de ces améliorations conduit à une progression de 300% du score moyen pour les jeux Atari; des performances de niveau humain ont été réalisé dans presque tous les jeux Atari.

Les ingénieurs peuvent même former un réseau neuronal unique pour en apprendre davantage sur plusieurs jeux Atari. Deep Mind a également construit un système en open source, connu sous le nom Gorila, qui utilise la plate-forme Google Cloud pour accélérer le temps de formation ; ce système a été appliqué dans la recommandation dans les systèmes de Google.

Le Reinforcement Learning asynchrone

Cependant, Q-réseaux profonds ne sont qu’un moyen de résoudre le problème de RL profonde. Ils ont récemment introduit une méthode encore plus pratique et efficace basée sur un RL asynchrone. Cette approche exploite les capacités de multit-reading de CPU standard.

L’idée est d’exécuter de nombreux exemples à leur agent en parallèle, mais en utilisant un modèle partagé. Cela fournit une alternative viable à l’expérience de rediffusion.

Leur algorithme acteur-critique asynchrone, A3C , combine un DQN avec un réseau pour la sélection des actions. Il obtient des résultats state-of-the-art, en utilisant une fraction du temps de formation des DQN et une fraction de la consommation des ressources de Gorila.

En construisant de nouvelles approches de la motivation intrinsèque et la planification dans le temps abstrait , ils ont également obtenu des résultats exceptionnels dans les jeux les plus notoirement sur les jeux difficiles Atari, tels que la vengeance de Montezuma.

Asynchronous RL effectue également bien dans ces domaines et, lorsqu’il est complété par une stratégie de contrôle hiérarchique, peut résoudre des problèmes difficiles sans aucune connaissance préalable.

Alors que les jeux Atari démontrent un large degré de diversité, ils sont limités à la 2D. Google a récemment introduit Labyrinth : une navigation 3D plus difficile avec des environnements de résolution d’énigmes. Encore une fois, l’agent observe des entrées à base de pixels dans son champ de vision, et doit comprendre la carte pour découvrir et exploiter des récompenses.

Étonnamment, l’algorithme de A3C réalise des performances au niveau humain, sur de nombreuses tâches de labyrinthe. Une autre approche basée sur la mémoire épisodique a également fait ses preuves. Labyrinth sera également publié en open source dans les prochains mois.

Des applications de tous les jours ?

Ils ont également développé un certain nombre de méthodes de RL profond pour les problèmes de contrôle en continu telles que la manipulation robotique et la locomotion (automobile). Leur algorithme Deterministic Policy Gradient Algorithmss (DPG) fournit un analogue aux DQN. Et surtout chez Google et Facebook, le RL es utilisé pour créer des nouvelles IA !

Concrètement, une voiture autonome apprend à conduire sans que nous l’avons programmé pour cela. Le réseau de neurone créer alors des « expériences » qu’il conserve et transmet aux autres voitures. Ainsi chaque voiture dans le monde possède les mêmes expériences simultanément. D’ailleurs Intel a fait conduire ses voitures autonomes sur le jeu GTA V.

Le jeu de Go est le plus difficile des jeux classiques. Malgré des décennies d’efforts, les méthodes antérieures avaient seulement atteint des performances de niveau amateur. Deep Mind a développé un algorithme de RL profond qui apprend à la fois un réseau de valeur (qui prédit le gagnant) et un réseau de politique (qui sélectionne les actions) à travers des jeux. AlphaGo, programme ses réseaux neuronaux profonds avec une recherche « state-of-the-art ».

Finalement en Octobre 2015, AlphaGo est devenu le premier programme à vaincre un joueur humain professionnel . En Mars 2016, AlphaGo défait Lee Sedol (le joueur le plus fort de la dernière décennie avec 18 titres mondiaux) par 4 jeux à 1, dans un match qui a été regardé par environ 200 millions de téléspectateurs.

Par ailleurs, ils ont également développé un jeu theorique par approches RL profonde , aboutissant à un joueur super-humain de poker en heads-up au No Limit Texas Hold’em.

De Atari à Labyrinthe, de l’automobile par la manipulation au poker et même le jeu de Go, les agents d’apprentissage de renforcement profond ont démontré des progrès remarquables sur une grande variété de tâches difficiles. Leur objectif est de continuer à améliorer les capacités de ces agents, et de les utiliser pour avoir un impact positif sur la société, dans des applications importantes telles que les soins et la santé.

Robot au service des Ressources Humaines

Entrepreneur, blogger, marketer, écrivain, les anglos-saxons disent que je suis un « slasher ». Je suis aussi un geek compulsif qui se soigne grâce à sa dose de Twitter et Youtube matin et soir.

Le robot qui voit si tu mens

Un brevet de 82 pages intitulé « Interactive Fact Checking System » vient en effet d’être déposé par LinkedIn. Comme son nom l’indique, il s’agit d’une vérification instantanée d’informations. Le système est capable de « vérifier l’exactitude des informations » en les comparants à d’autres informations trouvées sur Internet. Ensuite, une indication est donnée à l’utilisateur : en d’autres termes, si tu mens, LinkedIn pourra t’avertir. Le système pourra également interagir avec toi pour éviter les faux positifs et affiner la pertinence des alertes. Et le réseau social a prévu tout type de sources et de process pour vérifier les données : moteurs de recherche, messagerie, réseaux sociaux, reconnaissance vocale, faciale, biométrique, traduction de sources étrangères, etc.
Il sera aussi capable de vérifier les informations que tu donnes sur une entreprise. Ainsi, si tu indiques travailler pour « l’entreprise la plus rentable de son secteur » par exemple, le réseau social sera capable de vérifier cette information.

Continue reading

Prédiction par les données : big data

Entrepreneur, blogger, marketer, écrivain, les anglos-saxons disent que je suis un « slasher ». Je suis aussi un geek compulsif qui se soigne grâce à sa dose de Twitter et Youtube matin et soir.

La prédiction par les données : big data

J’avais parlé précédemment du monde du digital natif, le mobile est la chose la plus personnelle que nous possédons et pourtant c’est l’objet le plus perméable en ce qui concerne nos données.
Je parlais de l’ère de la prédiction, chose véritable grâce aux smartphones, prend pour exemple ceci :

Si on utilise la donnée de géolocalisation pour déterminer les habitudes. Cette data nous la croisons avec les données de accéléromètre. Ce mix de data nous permet de comprendre quel déplacement nous utilisons. La personne est en taxi, bus, vélo ou à pied. On ajoute à cela on ajout le langage contextuel. Par conséquent si tu as rendez-vous avec Olivier, la prédiction saura si c’est le Olivier de telle entreprise et non Olivier ton meilleur ami. L’assistant pourra déterminer l’adresse du rendez-vous (si elle venait à manquer). C’est en croisant toutes ces données + les données environnementales météo, trafic routier etc.

L’assistant sera capable de prédire un comportement comme évoqué ci-dessus ; un rendez-vous professionnel et que tu te déplaces en taxi pour aller voir Olivier qui travaille dans telle entreprise.

Continue reading

© 2023 Ludo LOUIS

Theme by Anders NorenUp ↑