Exposé
Je suis docteur en traitement d’images. J’apprends avec un ordinateur à regarder automatiquement la télé. L’analyse de l’image couvre plusieurs aspects :
• La restauration de l’image
• La compression de l’image i.e la réduction d’infos transmises sans perte de sens,
• L’interprétation de l’image
• La détection d’images équivalentes…
La première question à se poser est : Comment traduire informatiquement les critères de ressemblance des images. ? C’est une question mathématique ; On rentre alors dans le problème de classification des images i.e de produire une étiquette décrivant le contenu de l’image puis dans celui de la production d’une légende qui est une description plus détaillée de l’image, puis celui de générer des images…
La chaîne de traitement peut-être plus ou moins « profonde ».
Dans le « deep learning », les analyses informatiques des images ne sont pas totalement incluses dans le programme informatique initial. ICe dernier va fixer lui-même âr apprentissage tous les coefficients de la table de mixage : on fixe donc un cadre mais pas tous les paramètres. On aboutit ainsi à une machine plus performante capable de trouver les bons paramètres par apprentissage selon une logique :
Essai – erreur – correction
Les machines vont ainsi s’améliorer au cours de l’entrainement. Il faut beaucoup d’images pour rendre le processus efficace. Une fois la machine entraînée, elle saura faire une généralisation toute seule. C’est un bon exemple d’intelligence artificielle, qui se prolongera vers des problèmes de perception plus complexes. L’accroissement de la capacité d’adaptation du système va de pair avec plus d’autonomie. La nature de l’IA évolue avec le temps (exemple de l’« avion sans pilote du XIXème au XXème siècle : la voiture automatique a subi un traitement « deep learning » contrairement à l’avion sans pilote.
Où en sont les machines intelligentes ? On trouve des machines très performantes sur des tâches bien ciblées, bien précisées au départ. On ne va pas beaucoup plus loin aujourd’hui si l’on veut plus d’autonomie ou de polyvalence.
Il y a une certaine équivalence entre le fonctionnement de notre inconscient et le deep learning, le cerveau « conscient » s’apparentant plus au raisonnement. Même type de débat en linguistique entre syntaxe et apprentissage
Globalement nous sommes en retard par rapport à de grands pays comme les USA, la Chine, la Russie ou le Canada.
L’IA n’est pas exactement le big data mais le deep learning implique de traiter une masse énorme de données. Il faut de très grosses bases de données annotées plus une capacité de calcul énorme.
Dans le domaine des jeux videos on a délaissé les grosses machines pour utiliser un très grand nombre de petit processeurs GPI qui ne coûtent rien et qui travaillent en parallèle.
Le secteur médical-santé va être touché en profondeur…l’automobile et le véhicule autonome.
Les chat box (dialogue avec une « poupée » virtuelle) ont donné lieu à beaucoup d’antisémitisme, de xénophobie. La dernière personne qui parle a une position privilégiée. Microsoft y a renoncé.
Le carburant de l’IA ce sont les données.
Débat
Q1. L’usage qu’on peut entrevoir de la reconnaissance faciale en Chine est terrifiant. C’est Big Brother !
Quid des poupées robots dont les émotions s’adaptent à celles de leur interlocuteur ? Comment réagir à ce genre d’évolution ?
R. C’est le modèle chinois qu’on n’est pas obligé de suivre. Les chinois espionnent les chinois. Cela ne date pas d’aujourd’hui et n’existe pas qu’en Chine.
Une soixantaine d’expressions du visages liées à des émotions peuvent être reconnues (Affective consulting)
Q2. Qui oriente la recherche ? Combien de temps prend l’apprentissage de la machine ? Qui analyse les biais possibles dans son usage ? Comment traiter des problèmes éthiques dès le début de la recherche ?
R. Une fois la machine entraînée (deep learning) son adaptation peut être très rapide, quasiment en temps réel.
Orientation de la recherche ? En règle générale elle est libre et c’est ce qui permet des sauts majeurs. Mais l’État ou l’UE ont mis en place des dispositifs d’incitation plus ou moins focalisés. Il y a des missions d’appréciation (ex. Villani). Il y a des lacunes. On paie les chercheurs au lance-pierre ! Les choses ne bougent pas beaucoup pendant que la Start-up chinoise fait des bonds en avant.
S’agissant d’éthique, il y a des commissions au sein des grands organismes. Des alliances dédiées au numérique se sont constituées.
Q3. Deux exemples d’usages bénéfiques des robots : Ceux qui discutent avec les enfants pour les préparer à une opération. Dans les maisons de retraite, les robots peuvent entrer en dialogue avec les les résidents qui ensuite discutent entre eux. C’est positif et marche à cause de l’expression des émotions.
Q4. La voiture autonome va-t-elle pouvoir s’adapter à notre culture ? Impacts sur l’emploi ?
R. C’est le vrai danger. En peinture, on aime découvrir de nouveaux « pinceaux ».
Q5. Différence entre intelligence humaniste et intelligence artificielle ? IA et météo, cela est-il bon ? Quid si un jour on décidait d’arrêter les flux de données ?
R. En météo ? beaucoup de modèles ont été mis au point sans IA. On réfléchit au remplacement du traitement des équations différentielles par des algorithmes de deep learning. Cela marchera-t-il ? Voir !
IA et IH ? La machine est performante et imbattable au GO. Le problème est différent lorsqu’il s’agit de substituer un substrat biologique à un substrat aléatoire. Pour certaines particularités, l’IA est incarnée et située dans un milieu.
Les réseaux sociaux sont utiles mais votre CB et votre smarthone sont tout autant de l’aintelligence artificielle.
IA et investissement ? l’IA n’est pas à opposer à la notion d’écologie. On peut optimiser l’agriculture grâce à des capteurs bien placés. Google avec un peu d’IA peut économiser 45% de l’énergie nécessaire à son système.
Avec l’IA forte, la vraie question est celle des changement dans l’organisation et le contenu du travail. Le problème arrive. Les PME auront besoin d’être fortement aidées dans la transition et pôur ormer les gens au changement.
Le plus probable est que l’on assiste à des déplacements. Le changement a déjà eu lieu dans la Recherche. Les machines de reconnaissance des formes nous ont mis au chômage en 2012. Le phénomène a été violent et beaucoup n’ont pas réussi à passer le cap.
S. On dit que c‘est dans les pays où il y a le plus de robots qu’on a le moins de chômage.
Q6. Comment voyez-vous l’éducation de demain ? y a-t-il des domaines complémentaires de l’IA (peinture,, musique…)
R. C’est la thèse de Laurent Alexandre. On ne peut aller contre l’IA mais il faut saisir tout ce qu’elle ne peut aborder. Il faut éduquer aux dangers que présentent les machines à base d’IA.
Gérard Piketty
Commentaires récents