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

Étiquette : intelligence artificielle (Page 1 of 2)

Les transformateurs expliqués : comprendre le modèle derrière GPT-3, BERT et T5

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.

Vous connaissez cette expression, Quand on a un marteau, tout ressemble à un clou ? Eh bien, dans l’apprentissage automatique, il semble que nous ayons vraiment découvert un marteau magique pour lequel tout est, en fait, un clou, et ils s’appellent Transformers. 

Ce billet est plutôt complexe, je suis à ta dispo sur les réseaux sociaux pour répondre aux questions.
Bonne lecture !

Continue reading

Qu’est-ce que le chatGPT et comment ça marche ? Pour un enfant de 5 ans !

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.

Si vous lisez ceci, il y a de fortes chances que vous soyez curieux de savoir ce qu’est Chat GPT (Generative Pre-trained Transformer) et comment cela fonctionne. Peut-être êtes-vous un parent à la recherche d’un moyen d’aider votre enfant de 5 ans à découvrir la technologie et la communication.

Continue reading

Un laboratoire chinois défie Google et OpenAI avec une nouvelle IA

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.

Dans la course pour construire les technologies qui peuvent alimenter la prochaine vague de révolution de l’IA, un laboratoire chinois vient de renverser OpenAI et Google. OpenAI est un laboratoire de recherche américain qui a déjà quelques records à leur actif. J’aime beaucoup me renseigner sur le domaine de l’IA pour déterminer quel sera le futur de ce domaine.

Continue reading

Superintelligence

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.
superintelligence

Ce mois de mai est particulier en termes de lecture car j’accumule plusieurs livres en même temps.

J’ai enfin terminé le livre de Nick Bostrom, je l’avais commencé en fin d’année 2018. Je me suis arrêté et j’ai repris plusieurs fois. Mais la complexité du livre a fait que j’ai mis beaucoup plus de temps à le lire que n’importe quel autre ouvrage. Je vais parler du livre à ma manière avec les infos les plus concrètes (et que j’ai retenues), mais sache que le bouquin est compliqué, plus d’une fois j’ai senti mon cerveau vouloir partir par tous les orifices de ma tête tellement il en avait marre de ne pas comprendre les concepts exposés !

Une petite fable sur la superintelligence en préambule

Cette fable résume fidèlement son ouvrage. En résumé, c’est l’histoire de petits moineaux qui en ont marre de leur vie. La vie est dure et ils s’en plaignent. L’un d’eux propose une solution, adoptons un hibou ! Il est plus fort que nous et il pourra surveiller le chat du voisin et fabriquer nos nids. L’idée est bonne et approuvée par tout le reste du groupe sauf par le vieux ronchon. Le vieux ronchon dit « nous allons droit à notre perte. Nous devons apprendre à apprivoiser le hibou avant d’en ramener un ici ». Oui mais cela semble encore plus compliqué qu’aller chercher un œuf de hibou de l’amener ici, dit le leader. Une fois le petit hibou naitra on pourra l’élever et on verra à ce moment-là.

Le vieux moineau ronchon proteste que ce n’est pas la meilleure façon, mais les moineaux sont déjà tous partis en quête d’un oeuf. Deux ou trois moineaux restaient au nid. Ensemble, ils ont commencé à essayer de déterminer comment apprivoiser ou domestiquer les hiboux. Ils se sont vite rendu compte que le vieux avait raison : c’était un défi extrêmement difficile, surtout en l’absence d’un hibou sur lequel s’entraîner ! Néanmoins, ils ont agi comme ils pouvaient, craignant constamment que le troupeau ne revienne avec un œuf de chouette avant de trouver une solution.

Ce qui est beau dans cette fable, c’est qu’elle n’a pas de fin ! Elle se termine comme ça et l’auteur dédicace son livre au moineau ronchon ! Je vois une belle métaphore avec une IA superintelligente, nous faisons tout pour la trouver mais nous n’avons pas moyen de s’entraîner à l’apprivoiser avant !

En page 16, le contexte est posé

superintelligence-citation1

Comment augmenter notre intelligence face à l’intelligence artificielle ?

Certains chercheurs sont obsédés par la course à l’intelligence. Certains pensent que l’IA va devenir plus intelligente que nous (superintelligente) alors ils se lancent dans une course effrénée pour augmenter l’intelligence de l’homme. En s’augmentant on gagne du temps sur la prochaine IA surperintelligente.

Figure 1

Les interfaces cerveau-machine (ICM)

Mais augmenter les capacités de notre cerveau n’est pas vraiment possible car il sait traiter beaucoup d’information cependant c’est l’usage qu’il en fait qui est important. Nous pouvons lire 18 livres en 1 jour, notre cerveau arrivera à encaisser les informations mais sera-t-il la « digérer » pour en faire usage par la suite, pas vraiment. Alors il est important de pouvoir augmenter notre QI mais il n’est pas possible d’augmenter les capacités de notre cerveau. Certain bandeau ou implant pourrait augmenter notre « bande passante » et ainsi augmenter le traitement de l’information.

En augmentant l’efficacité du traitement de l’information nous pourrons agréger de l’information mais aussi la diffuser en l’intégrant dans d’autre processus. Cela sera possible uniquement lorsque nous aurons une connaissance poussée de notre cerveau.

Devenir superintelligent par sélection génomique

Nick Bostrom en est convaincu, on arrivera à une superintelligence (SI), et essayer d’améliorer notre cerveau par les ICM n’est pas envisageable. En effet, il y a de gros progrès mais il semble mineur par rapport au résultat que nous voulons atteindre.

Le temps nous manquera

Améliorer notre cerveau, par sélection génomique, l’eugénisme pourrait augmenter l’intelligence par sélection embryonnaire, mais il y a tout de même un facteur temps à prendre en compte. Pour lui, le temps nous manquera, même si nous procédions de la sorte, l’IA arrivera à un tel niveau avant même que les deuxièmes voire troisièmes génération d’humain au cerveau augmentée soit plus intelligent que l’IA (il parle d’une échelle à 2050 – ce qui explique « figure 1 » plus-haut).

Cependant, il admet qu’avec plus de gens intelligent la société évoluera beaucoup plus rapidement et dans un avenir meilleur. Pour autant, même s’il y a une probabilité non nulle que l’inverse peut se produire aussi, trop de personne intelligente dans une société peut mener à sa perte. Cela donne une idée de scénario antagoniste à Idiocraty !

Nick Bostrom est persuadé, nous nous dirigeons vers une SI. Cependant nous ne savons pas quand, elle arrivera vite, tellement vite qu’au moment où le point de singularité sera franchi, les évènements vont s’enchaîner très rapidement. Soit mener la perte de l’espèce humaine, soit un esclavagisme passif, soit elle nous aidera à régler nos problèmes.

Mes points de divergences

En page 169, l’auteur nous parle d’apocalypse. Il faut partir du constat (oui il nous laisse plus le choix à partir de maintenant) qu’une IA générale est possible (ce qui est toujours dur à concevoir pour moi).

Nick Bostrom parle de mutinerie de l’IA. Personnellement, c’est de l’anthropomorphisme à plein tube, alors que quelques paragraphes avant il disait qu’il ne faut pas faire d’anthropomorphisme !

En effet, la mutinerie suggère que l’IA a autant d’ego qu’un humain et autant de perfidie. Même si elle est capable de nous tromper comment pourrait-elle subvenir à ses besoins ? Elle prend le contrôle du monde et nous mourons tous… C’est grossier comme argument.

Les humains comme les chevaux

superintelligence-citation2

Singleton

Pour étayer sa thèse, l’auteur parle de singleton. Bon je te sors la définition wikipédia mais cela ne va pas trop nous aider :

« En génie logiciel, le singleton est un patron de conception dont l’objectif est de restreindre l’instanciation d’une classe à un seul objet. Il est utilisé lorsqu’on a besoin exactement d’un objet pour coordonner des opérations dans un système. « 

wikipédia

En d’autres termes, un singleton peut être une société gérée par une IA générale. Elle s’occuperai de la production des services, de tout ce que les humains auraient besoin.

Un nouvel ordre mondial

Je reprends une partie de son texte : « Parmi ses pouvoirs figurent la capacité d’empêcher toute menace (interne ou externe) à sa propre existence et à sa suprématie, et la capacité d’exercer un contrôle effectif sur les principales caractéristiques de son domaine (y compris la fiscalité et la répartition territoriale) »

Un système simple mais compliqué

Il y a une partie (celle que je préfère) où l’IA est vu comme un outil pour nous aider et dans un certain nombre d’année on peut imaginer que le singleton nous aide dans la politique. Il pourrait contenir en son sein une énorme variété d’agents (IA) indépendants poursuivant chacun des objectifs différents. En quelques sortes des ministres mais cette fois, le service n’est pas représenté par un humain mais une IA ultra qualifiée de son ministère, comme dans un État démocratique libéral. Cependant, je cite « Les objectifs et les actions du singleton pourraient être décidés par ses habitants ou leurs représentants élus. » Du coup je perds le fil encore une fois, si les ministres sont des agents, alors les représentants élus, sont aussi des IA… ?

Un singleton, une superintelligence conspirationniste

Et la dernière partie (que je n’adhère pas), le singleton est une superintelligence, donc elle est aussi capable d’exécuter des tâches sans que l’Homme puisse s’en apercevoir.

En tout cas, il fait le florilège d’un singleton méchant, neutre, et bon. Sans pour autant, écrire 10 pages pour mentionner qu’il est très difficile pour nous, humain, de définir correctement ces 3 notions.

Pour conclure, comme une superintelligence peut aussi agir d’une manière invisible nous pouvons affirmer qu’une probabilité non nulle que nous vivons déjà dans un singleton. Et nous faisons la course à des agents préhistoriques, où l’IA joue déjà avec nous tel un chat avec une souris au bord de l’agonie.

Source

Les différents types de réseaux de neurones : réseau de neurones artificiels

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.

Nous allons voir dans les prochains articles, trois types de réseaux. Les réseaux de neurones artificiels sont efficaces pour faire des prédictions et apprendre tout seul (je vais l’expliquer plus bas). Les réseaux convolutions sont efficaces pour la reconnaissance d’image. Les réseaux de carte auto-adaptative (SOM) sont efficaces dans la visualisation des data.

Continue reading

La guerre des intelligences

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.

Ce mois-ci j’ai terminé ce livre (ou en format poche) qui est le plus passionnant de 2017 (je l’ai reçu en novembre). Dr Alexandre fait le travail très difficile de prospective, d’imaginer ce que sera la vie en 2080. Cela parait loin mais ma fille a 18 mois aujourd’hui, elle aura donc 64 ans en 2080. C’est renversant et intéressant de s’imaginer ce que la vie sera. Le thème principal est l’inertie impulsée par les nouvelles technologies en confrontant la vision des grands platerformistes (GAFAMI / BATX) versus celle des politiciens. En d’autres termes c’est le combat du nouveau monde contre l’ancien monde.

Laurent Alexandre est connu pour ses punchlines acides sur des domaines tels que l’éducation, l’attitude des politiques face à l’IA et les pouvoirs de plus en plus démiurgiques des GAFA.

Ce livre est une mine d’information, je ne sais pas par quoi commencer pour le décrire. Chaque page apporte son flot d’informations et de contestations.

A qui est destiné ce livre

Cet ouvrage pose des questions intéressantes et a une vocation de vulgariser les technologies actuelles. Nous sommes confrontés à un tsunami numérique et l’auteur apporte une vision claire ainsi que des questionnements pour qui veut s’instruire sur le sujet.

La guerres des intelligences est déclarée

Les intelligences de la Silicon Valley versus les intelligences des politiques Européens

Autant ces questions sont d’une importance capitale pour les politiques. L’auteur demande aux politiques de se bouger car les choses avancent très vite. Et les questions fulminent, sommes toutes très intéressantes.

Google pense à 1000 ans alors que les politiciens pensent à 5 ans.

Par exemple, aurons-nous le droit de ne pas obéir à l’IA ? (page 292) Surtout si celle-ci sera meilleure que l’Homme. En effet dans l’un de mes derniers écrits, j’émets l’idée que l’IA est devenue le stéthoscope du XXIe siècle. Si une IA est plus performante que nos médecins, mais que nous voulons quand même que ce soit un médecin qui nous diagnostic, aurions-nous le droit de ce choix ? Si l’IA est vue comme la ceinture de sécurité la réponse est évidemment non.

Des nouveaux métiers d’avenir

Cela pourrait impliquer de nouveau métier tel suggéré par l’auteur. Éthicien de l’intelligence serait un métier du futur, il aurait pour tâche de trouver la responsabilité d’une action apporter par l’Homme alors que la machine est plus performante. Comme cité précédemment, laisserions-nous des médecins pratiquer leur discipline alors que l’IA aura un taux de performance plus élevé ? Ou devra-t-on conduire et potentiellement tuer des gens sur la route et se mettre également en danger (voir mon expérience depuis mon balcon). Alors que la conduite autonome permettra une fluidité de circulation optimale et une sécurité accrue ? Et en substrat voilà bien le fond de son oeuvre littéraire : le conflit de l’Intelligence cérébrale versus l’Intelligence Artificielle.

Le bateau de Thésée

D’après la légende grecque, rapportée par Plutarque, Thésée serait parti d’Athènes combattre le Minotaure. À son retour, vainqueur, son bateau fut préservé par les Athéniens : ils retiraient les planches usées et les remplaçaient — de sorte que le bateau resplendissait encore des siècles plus tard — jusqu’au point où il ne restait plus aucune planche d’origine.

Alors, deux points de vue s’opposèrent : les uns disaient que ce bateau était le même, les autres que l’entretien en avait fait un tout autre bateau. Le problème est de savoir si le changement de matière implique un changement d’identité, ou si l’identité serait conservée par la forme/fonction, ou encore d’une autre façon ?

En philosophie, pour les fonctionnalistes, la fonction est le plus important. Le bateau appartient à Thésée car la fonction est toujours la même. Idem pour notre cerveau, la fonction n’est pas forcément biologique, une autre forme peut créer l’intelligence. Qu’en est-il pour notre conscience ?

synapse
Réseau de neurone biologique

cerveau virtuel
Réseau de neurone artificiel

Ainsi sur la gauche tu vois mieux le « bateau construit pièce par pièce« . Pour les fonctionnalistes, peu importe la matière, que ça soit en silicium ou en matière grise la fonction reste la même.

L’école existera-t-elle dans 15 ans ?

Le rôle et la forme de l’école doit se métamorphoser dès aujourd’hui

M. Alexandre évoque surtout le rôle et la forme de l’école du futur. Cette mutation doit commencer maintenant. D’une part, parce que d’autres pays ont déjà commencé cette démarche prolongeant de fait notre retard. D’autre part car la technologie (notamment NBIC) donne une panoplie de techniques d’amélioration en tout point (eugénisme, neuro-augmentation etc.).

Nous apprenons également le rôle génétique et épigénétique de l’intelligence (page 113) et qu’aucune nouvelle méthode n’est employée dans les écoles. L’école a très peu changée depuis le XXe siècle. Je rejoins son point de vue ici et . Par conséquent, l’école n’est pas du tout adaptée à nos jeunes cerveaux.

Nous allons devenir les esclaves de l’IA

Nous découvrons avec stupéfaction que si l’IA forte adviendra (et M. Alexandre l’affirme) l’IA ne coopérera pas. Il appuie cet argument par la théorie des jeux, le jeu de Nash, plus précisément. Alors qui voudra de la vraie vie ? En parallèle j’ai écris un billet sur la classe inutile, ces personnes qui ne seront pas aptes à travailler, car inemployables. Mais peut-être trouveront-ils une vie plus trépidante dans une simulation ? Comme cette catégorie, tout le monde voudra vivre dans une autre « univers ». Une réalité virtuelle plus plaisante que la vraie vie. Ce scénario est proche de celui de Matrix, où les cerveaux sont branchés dans un programme.

Androrithme

Au lieu de parler de confrontation « algorithme » versus « cerveau biologique », nous parlions d’androrithme. En effet, nous sommes actuellement dans la coopération car nous utilisons l’IA pour nous aider. Il faut bien l’admettre elle nous rend bien service !

L’auteur affirme que la conscience artificielle n’est qu’une duplication de notre cerveau. Je suis contre l’auteur sur ce point. Selon moi l’IA ne sera jamais pourvue d’une conscience artificielle. De plus, l’avènement de la conscience artificielle n’est pas synonyme de singularité.

Pour conclure, même si l’auteur est souvent décrié, je lui accorde le bénéfice de pouvoir poser des questions sociétales de grandes importances. J’ai par ailleurs déjà affirmer dans mes écrits (et là) la rudesse et l’incapacité de l’école à changer. Je l’expérimente à chacune de mes interventions dans les universités. Savoir capter l’attention est très importante car c’est le facteur commun avec le temps pour apprendre (cf. l’équation Idriss Aberkane). Les professeurs se doivent d’innover, trouver des nouveaux processus pour capter l’attention. L’inertie, la force des plateformistes change la société et les enfants savent s’adapter. La technologie nous ouvre la porte au fonctionnement du cerveau. Mixons tout cela pour que les élèves d’aujourd’hui, qui vivent dans la transréalité, soient les plus heureux dans le monde de 2080.

L’avènement de la conscience artificielle n’est pas liée de la singularité

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.

Pour fabriquer une IA consciente il faut trois éléments. Une machine qui réagit à son environnement, comme une lampe à détection de mouvement. Ensuite qu’elle soit capable de prendre des décisions – quand tu fais une recherche sur Google, l’IA prend la décision de te présenter ces résultats. Et enfin qu’elle soit capable de se voir elle-même en train d’agir et se poser des questions sur ses agissements. Ce sont des aspects bien commun de nos jours et contrairement à ce que l’on pourrait croire, il est plutôt facile d’en créer une. Mais alors, pourquoi nous n’en voyons pas ? Je vais te l’expliquer mais avant tout il faut faire un tour dans l’inconscient des humains.

La théorie de l’esprit

Pour comprendre la conscience humaine, il faut plonger profondément dans l’étude de la théorie de l’esprit.
La théorie de l’esprit est la tentative par un cerveau de déterminer le contenu d’un autre cerveau. Par exemple, Amandine se demande ce que pense Bruno du monde dans lequel nous vivons tous. Amandine crée des théories sur l’état actuel de l’esprit de Bruno.

Elle fait cela pour deviner ce que Bruno pourrait faire ensuite. Il est vrai d’un côté, aucun pouvoir ne pourrait être plus grand pour un animal social comme nous, les humains, d’anticiper le comportement des autres. Pendant des milliers et des milliers d’années, nous avons vécu à proximité des uns des autres. À mesure que nos comportements et nos pensées devenaient de plus en plus complexes, il devenait crucial pour chaque membre de la tribu d’avoir une idée de ce que pensaient les autres membres et des actions qu’ils pourraient accomplir. La théorie de l’esprit, c’est de l’espionnage intellectuel ! Et nous sommes plutôt doués, mais avec des limites critiques que nous aborderons plus tard.

Notre cerveau est comme un ordinateur ?

Dès lors qu’un système s’auto-observe et essai de faire de prédiction sur ce qu’il voit (de manière la plus approximative possible) est tout à fait envisageable. Alors pourquoi nous ne le faisons pas ?
On aime penser que notre cerveau est comme un ordinateur. Avec une RAM (mémoire court terme), un disque dur (mémoire long terme), un système de refroidissement et alimentation (vaisseaux sanguins) etc. Mais c’est très loin d’être le cas. Un ordinateur est construit avec toutes les pièces de son époque. Le cerveau pas du tout, certaine zone du cerveau sont beaucoup plus vieille que d’autre. De plus, la mémoire n’est pas unifiée dans une seule partie.

D’autre part, notre cerveau bouge, change, adapte les aires (cela se nomme la plasticité cérébrale). Notre cerveau ressemble plus à une ville comme Rome, toute sinueuse, où l’ancien se mélange avec le moderne. D’ailleurs toutes les zones ne communiquent pas ensemble. Un exemple frappant, si tu as eu le mal de mer. Une partie du cerveau comprend qu’il y a une différence entre les informations de l’oreille interne et de ce que tu voies. Le cerveau se met en alerte “empoisonnement tout le monde sort d’ici”, et tu vomis tout ce qui est possible pour éliminer le poison. Sauf que consciemment, tu sais que tu n’as pas ingurgité de poison…

Un humain n’est pas une machine ?

Nous venons de voir que les humains ont des comportements différents avec des similitudes. D’une part, les humains se regroupent par similitude car l’union fait la force. Dans la nature, vivre en communauté est plus facile que vivre seul. D’ailleurs le test de Ash prouve que nous préférons nous conformer au groupe; même si le groupe à faux, plutôt que d’être seul contre le groupe. Et puis nous avons des comportements constamment contradictoire ! Pourquoi voulons-nous nous habiller et aller danser ? Parce que c’est drôle ! Et nos amis seront là ! Pourquoi voulons-nous continuer à manger quand nous sommes repus ? Parce que c’est délicieux ! Et nous avons fait mille pas supplémentaires aujourd’hui !
Ces questions sur nos propres comportements n’en finissent jamais. Et les réponses sont presque toujours fausses.

L’égo fait la conscience de soi

Nos suppositions sur les motivations des autres sont beaucoup plus précises que les suppositions que nous faisons sur les nôtres. Ce champ de force est notre ego, et il nous donne une opinion exagérée de nous-mêmes. En effet, nous nous accordons un esprit plus élevé pour nos actions et une illusion de dangerosité lorsqu’un autre est meilleur que nous (ensuite vient la fascination et l’envie de s’améliorer). C’est d’ici que vient ce biais « les machines voudront nous tuer ».

Les explications incorrectes que nous présentons sur nos propres comportements visent à nous protéger. Elles sont souvent follement créatives, ou mêmes absurdes. Les réponses comme «amusant» et «délicieux» sont des réponses qui font référence à un module de bonheur, sans aucune curiosité quant aux avantages sous-jacents de ce mécanisme de récompense.

La vérité est que nous continuons à manger quand nous sommes repus parce que nous avons évolué dans un monde de pénurie calorique. Nous dansons pour attirer les copains et les copines à faire des copies de nous-mêmes (se reproduire). Parce que les modules de reproduction ont guidé ce comportement et nous sommes la descendance de ces premiers modules (c’est donc une affaire qui marche).

Alors cette machine existe-elle vraiment ?

Avec tous aspects précédents, si nous devions faire une analogie la plus précise d’une machine existante, alors je dirais : la voiture autonome connectée.

En effet, les voitures autonomes ont la capacité de voir et d’entendre pour se mouvoir sans heurter les obstacles. Elles ont donc une perception de leur environnement. Les voitures Tesla éduquent les  conducteurs pour l’utilisation de l’autopilot. La voiture conduit toute seule pendant un certain nombre de mètres et elle indique qu’il faut remettre les mains sur le volant. Plus le conducteur est réactif, plus la distance de conduite autonome sera longue. Il existe bel et bien une sorte de langage entre la machine et l’humain. Elles ont donc une perception langagière comportementaliste.

En voiture Simone

Maintenant, la conscience des autres. Si toutes les voitures étaient connectées, alors elles pourraient également communiquer entres-elles. Cette Nissan bleue va à l’épicerie parce qu’elle a faim. Et cette camionnette rouge va dans une station d’essence parce qu’elle a besoin de carburant. Cette voiture est en état d’ébriété. Celui-là ne peut pas très bien voir à cause de son phare cassé.

La bibliothèque de perceptions commence simplement avec les concepts du premier ordre, mais se transforme ensuite en idées de deuxième et troisième ordre. Est-ce que cette Ford jaune voit la Citroën grise venir vers elle ? Il s’est légèrement décalé, alors oui, c’est le cas. Est-ce que cette camionnette pense que la berline conduit trop agressivement ? Elle laisse plus de distance que les autres voitures, alors oui.
Notre machine va inventer des histoires sur ce qu’elle fait. Elle essaiera de relier ces histoires aux autres et ce sera souvent faux.

Est-ce vraiment souhaitable ? Nous avons créé des robots et des machines dans l’unique but qu’ils soient experts. Qu’ils traitent les informations sans erreur et de manière standardisée. C’est bien le paradoxe, nous fonctionnons totalement à l’opposé !

Rendre humain la machine, le piège anthropomorphique

Ce qui a vraiment fait apparaître Watson comme humain, c’est quand il a fait des gaffes. Comme une réponse finale de Jeopardy dans la catégorie « American Cities » où Watson a répondu une ville canadienne.
Il vaut la peine de noter ici que les robots nous semblent plus humains quand ils échouent.

Notre égo nous fait rire et nous fait peur

Il faut avouer que nous avons un certain plaisir quand nous regardons les vidéos des robots de Boston Dynamics. Notamment quand le robot soulève la boite et le gars tape sur la boite avec son bâton pour la faire tomber. Et maintenant quand nous voyons ce même robot faire un salto arrière (donc meilleur que nous) on se dit qu’il va nous écrabouiller… encore l’égo qui parle (relis le paragraphe, ci-dessus, de l’égo fait la conscience de soi) !

Les constructeurs automobiles sont en train de construire des véhicules qui ne seront jamais conscients. C’est parce qu’ils sont trop biens construits ! Notre projet consiste à rendre une machine ignorante de ses motivations tout en fournissant un dialogue de ces motivations. Une meilleure idée serait de construire une machine qui sait ce que font les autres voitures. Pas de devinettes.

Le savoir est la nouvelle richesse

Cela signifie accès au GPS, aux messages du smartphone, aux e-mails de l’ordinateur personnel. Mais aussi l’accès à tous les autres véhicules et toutes les données des capteurs de la ville. La Nissan dit à la Ford qu’elle va au centre commercial. Chaque voiture sait ce que chaque voiture fait. Il n’y a pas de collision.

Sur l’autoroute, des voitures aux destinations similaires se regroupent, des pare-chocs magnétiques se relient, en file indienne et réduisant de moitié l’utilisation énergétique collective de chaque voiture. Les machines fonctionnent de concert. Elles affichent tous les traits de l’omnipotence véhiculaire. Elles savent tout ce qu’elles ont besoin de savoir, et avec de nouvelles données, elles changent d’avis instantanément. Pas de parti pris. D’ailleurs, si une entreprise dit pouvoir guérir n’importe quelle maladie dans l’unique condition de te pister, même biologiquement, serais-tu prêt à l’accepter ?

L’IA sera au service de l’Homme

L’avenir le plus probable selon moi, c’est l’expansion et l’amélioration de nos propres algorithmes. Nous avons une longue histoire sur la condition humaine et de l’Homme contre l’Homme. Malgré ce que les nouvelles locales essaient de te vendre, le monde devient plus sûr tous les jours pour la grande majorité de l’humanité. Où l’éthique s’améliore. Nos sphères d’empathie sont en expansion. Sans besoin de créer une conscience artificielle.

La singularité

Pour conclure, selon moi nous vivons déjà la singularité. La machine est déjà plus performante que l’Homme dans bien des tâches. Les IA leur manque le « sens commun », c’est-à-dire la capacité à trouver une solution dans n’importe quelle situation. L’Homme a la prodigieuse capacité d’apprendre dans de nouvelle situation. Je ne sais pas faire un mur avec des briques et du ciment pourtant sur le fait accompli, j’essaierais, je vais surement me tromper et être très lent mais je suis « capable » de le faire. Est-ce grâce à ma conscience ? Pourtant je ne suis pas conscient de tout ce que je sais !

Enfin, une conscience a déjà été simulée, je te conseille de lire les recherches du professeur Alain Cardon sur la conception d’une conscience artificielle. N’en démords pas moins qu’il a détruit ses travaux dans l’attente d’un comité d’éthique mondial sur les réglementations et les usages de l’IA.

Nous pouvons également considérer notre propre cerveau comme une machine. Il est impossible de prouver le contraire. Exemple : comme un ordinateur dont on ne voit pas la masse de calcul à chaque instant, notre programme nous empêcherai de voir comment notre cerveau fonctionne !

 

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

Comment le Machine Learning aide les neuroscientifiques à hacker notre code neuronal

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.

Comment le Machine Learning aide les neuroscientifiques à hacker notre code neuronal

Un grand défi en neuroscience est de comprendre comment le cerveau encode l’information. Les réseaux de neurones se révèlent être des crackers de code géniaux.

Notre cerveau code ses informations

Chaque fois que vous déplacez votre main ou votre doigt ou votre globe oculaire, le cerveau envoie un signal aux muscles pertinents contenant l’information qui rend ce mouvement possible. Cette information est encodée d’une manière spéciale qui permet la transmission par les neurones et ensuite d’être appliquée correctement par les muscles concernés.
Exactement, comment ce code fonctionne ? C’est un mystère. Depuis longtemps, les neuroscientifiques sont en mesure d’enregistrer ces signaux lorsqu’ils traversent les neurones. Mais les comprendre est beaucoup plus difficile. Il existe différents algorithmes qui peuvent décoder certains de ces signaux, mais leurs performances sont inégales.

Une technique permet de lire le code du cerveau

Aujourd’hui, Joshua Glaser à Northwestern University à Chicago et quelques copains disent qu’ils ont développé une telle technique en utilisant la nouvelle technologie du ML (Machine Learning). Ils disent que leur décodeur dépasse considérablement les approches existantes. En effet, il est tellement efficace que l’équipe affirme qu’elle devrait devenir la méthode standard pour analyser les signaux neuronaux à l’avenir.

Partons dans le cerveau

L’information se déplace le long des fibres nerveuses sous la forme de pointes de tension (électrique). Les neuroscientifiques pensent que le schéma des pointes code les données sur les stimuli externes, tels que le toucher, la vue et le son. De même, le cerveau encode l’information sur les mouvements musculaires d’une manière similaire.

Comprendre ce code est un objectif important. Il permet aux neuroscientifiques de mieux comprendre l’information qui est envoyée et traitée par le cerveau. Il aide également à expliquer comment le cerveau contrôle les muscles.

Les neuroscientifiques aimeraient avoir de meilleures interfaces cerveau-machine. Les buts sont multiples (contrôler les fauteuils roulants, les prothèses et les jeux vidéo). «Le décodage est un outil essentiel pour comprendre comment les signaux neuronaux se rapportent au monde extérieur», disent Glaser et Co.

La méthode utilise le ML avec peu de données

Leur méthode est simple. Les neuroscientifiques ont formé des singes macaques. En effet, l’exercice est de déplacer un curseur vers une cible sur un écran. Pour cela les macaques utilisent une sorte de souris d’ordinateur. Dans chaque test, le curseur et la cible apparaissent sur un écran à des endroits aléatoires. Alors le singe doit déplacer le curseur horizontalement et verticalement pour atteindre le but.

Après avoir formé les animaux, Glaser et Co ont enregistré l’activité de dizaines de neurones dans les parties de leur cerveau qui contrôlent le mouvement : le cortex moteur primaire, le cortex prémoteur dorsal et le cortex somatosensoriel primaire. Les enregistrements ont duré environ 20 minutes.

Le travail d’un algorithme de décodage consiste à déterminer la distance horizontale et verticale que le singe déplace le curseur dans chaque test, en utilisant uniquement les données neuronales. Les algorithmes conventionnels fonctionnent en utilisant une technique statistique connue sous le nom de régression linéaire. Cela implique d’estimer une courbe qui correspond aux données, puis de réduire l’erreur qui lui est associée. Il est largement utilisé dans le décodage neuronal dans des techniques telles que les filtres de Kalman et les cascades de Wiener.

Plusieurs techniques mises à contribution

Les neuroscientifiques ont comparé ces techniques à une variété d’approches d’apprentissage mécanique basées sur des réseaux de neurones. Il s’agissait d’un réseau de mémoire à long terme, d’un réseau neuronal récurrent et d’un réseau de neurones feedforward. Tout cela provient des ensembles de données annotés, et plus l’ensemble de données est grand, plus ils apprennent.

Les résultats sont convaincants. Glaser et Co disent que les techniques de ML ont considérablement surpassé les analyses conventionnelles. « Par exemple, pour l’ensemble des trois domaines du cerveau, un décodeur du réseau de mémoire à long terme a expliqué plus de 40% de la variance inexpliquée d’un filtre Wiener », disent-ils.

« Ces résultats suggèrent que les techniques modernes de ML devraient devenir la méthodologie standard pour le décodage neuronal ».

À certains égards, il n’est pas surprenant que les techniques de ML soient bien meilleures. Les réseaux de neurones ont été à l’origine inspirés par l’architecture du cerveau. C’est pourquoi, le fait qu’ils peuvent mieux modeler leur fonctionnement est attendu.

Des résultats qui doivent être re-analysés

L’inconvénient des réseaux de neurones est qu’ils ont généralement besoin de grandes quantités de données d’entraînement. Mais les neuroscientifiques ont délibérément réduit la quantité de données. Ainsi, ils ont constaté que les réseaux neuronaux étaient encore supérieurs aux techniques classiques.

C’est probablement parce que l’équipe a utilisé des réseaux plus petits. « Nos réseaux ont de l’ordre de 100 000 paramètres. Alors que les réseaux communs pour la classification des images peuvent avoir sur l’ordre de 100 millions de paramètres », disent-ils.

Le travail ouvre la voie à d’autres pour s’appuyer sur cette analyse. Glaser et Co ont mis leur code à la disposition de la communauté afin que les ensembles de données neurales existants puissent être réanalysés de la même manière.

La machine est créée sur la base d’un réseau humain

Il y a beaucoup à faire. Peut-être la tâche la plus importante sera de trouver un moyen de procéder au décodage neuronal en temps réel. Tous les travaux de Glaser et Co ont été effectués hors ligne après l’enregistrement des enregistrements. Mais il serait évidemment utile de pouvoir apprendre à la volée et de prévoir le mouvement tel qu’il se produit.

C’est une approche puissante qui a un potentiel important. Ce serait une surprise si la même chose n’était pas le cas du décodage neuronal.

Source

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« 

« Older posts

© 2023 Ludo LOUIS

Theme by Anders NorenUp ↑