L’INTELLIGENCE ARTIFICIELLE

De toutes les discussions avec des entrepreneurs et startups, le sujet de l’intelligence artificielle (IA) et de ses risques sur notre civilisation est le thème d’actualité. Tout le monde a ce sujet sur le bout des lèvres, c’est à la mode ! L’IA est le nouveau « buzzword » devant l’IOT (Internet des Objets), le Big Data, la réalité augmentée, l’imprimante 3D….. L’intelligence artificielle concrétise l’ambition de pouvoir créer des machines qui peuvent penser, apprendre et créer des solutions à des problèmes de façon similaire à ce que ferait le cerveau humain. C’est donc l’ensemble de théories et de techniques, à forte complexité logique ou algorithmique, mises en œuvre en vue de réaliser ces machines capables de simuler l’intelligence. Souvent classée dans le groupe des sciences cognitives, elle fait appel à la neurobiologie (particulièrement aux réseaux neuronaux), à la logique mathématique, à l’informatique et « dévore du Big Data ». A) Quelles sont ces théories et techniques ? 1) Les algorithmes : Ensemble de règles qui définissent une séquence d’opérations. Ce sont des séries d’instructions qui indiquent à un ordinateur comment il est censé résoudre un problème ou atteindre un certain objectif.

L’apprentissage automatique (machine learning) ou apprentissage statistique. L’apprentissage automatique procède généralement en 3 étapes : un algorithme est d’abord formé sur un jeu de données et de résultats connus; l’ordinateur intègre ensuite des milliers d’exemples et dernière étape, il doit résoudre le même problème avec de nouvelles données inconnues. L’ordinateur va donc filtrer les données, affiner l’algorithme de départ voire ré-écrire son propre algorithme en fonction des relations statistiques qu’il découvre entre les anciennes et les nouvelles données. Les algorithmes apprennent par l’entrainement et s’améliore avec l’expérience. Un bon exemple est celui du filtre anti-spam de notre boîte mail. L’algorithme peut d’abord être entraîné à reconnaître les millions d’emails qui ont été catégorisés comme étant des spams ou non des spams. Ce processus génère de lui-même une application capable d’identifier automatiquement les courriers indésirables et s’améliore et s’adapte en permanence à mesure que d’autres exemples sont disponibles. Même principe pour les recommandations d’achats d’Amazon, de films de Netflix, de partenaires sur les sites de rencontres….. ou estimer si une transaction sur une carte de crédit est frauduleuse….etc 3) L’apprentissage profond (deep learning) est un ensemble de méthodes d’apprentissage automatique tentant de modéliser des données avec un haut niveau d’abstraction et de complexité. On parle alors souvent de réseau neuronal artificiel.

Un réseau neuronal artificiel s’inspire du fonctionnement des neurones biologiques. Un tel réseau permet à la machine d’apprendre par elle-même à reconnaître, trier et analyser les éléments qui lui sont soumis, qui ressemblent à d’autres qui lui ont été présentés et explicités par le passé. Exactement comme il suffit de dire à un enfant « c’est une chaise » pour qu’il reconnaisse ensuite toutes les autres chaises grâce à des éléments communs qu’il assimile de façon inconsciente, tels que les quatre pieds et le dossier de la chaise. En effet, le cerveau humain traite souvent les informations, non pas avec des règles exhaustives, mais par la pratique et la rétroaction. L’enfant qui apprend le monde autour de lui, voit une chaise, fait une prédiction (une chaise !) et reçoit un commentaire («oui!»), et fait donc son apprentissage par l’entrainement. Le Deep Learning utilise la même approche. Plutôt que d’indiquer pas à pas comment parvenir au résultat recherché grâce à un algorithme (comme dans l’apprentissage automatique), on fournit simplement des données à ces réseaux qui, suivant un processus d’apprentissage, comparent leur résultat à celui recherché pour tenter ensuite de s’en rapprocher au mieux.

La machine construit elle-même son algorithme ! La machine virtuelle est donc composée de milliers d’unités (les neurones) qui effectuent chacune de petits calculs simples et sont reliées entre elles. Elles reçoivent une entrée (pour continuer notre exemple, une image d’une chaise); l’analyse; prend une décision à ce sujet et est informé si sa détermination est correcte. Les connexions entre les neurones sont ajustées, pondérées par l’algorithme en fonction du résultat. Et par conséquent cela va changer ses prévisions futures. Les résultats de la première couche de neurones vont servir d’entrée au calcul des autres (ce fonctionnement par « couches » – jusqu’à 20 couches avec une complexité grandissante – est ce qui rend ce type d’apprentissage « profond ») Initialement, le réseau sera erroné plusieurs fois. Mais comme nous alimentons en millions d’exemples, les connexions entre les neurones seront réglées de sorte que le réseau neuronal finira par prendre des décisions correctes dans presque toutes les occasions. Cette approche connexionniste est l’intelligence de la fourmilière : chaque unité est rudimentaire, mais collectivement, elle atteint une capacité très supérieure à la somme des capacités individuelles de ses membres. La documentation complète d’un algorithme d’I.A. de type Deep Learning ferait des milliards de milliards de milliards de pages … Obsolète quelques instants plus tard ! Ces techniques ont permis des progrès importants et rapides dans les domaines notamment de la reconnaissance faciale, de la reconnaissance vocale, de la vision par ordinateur, du traitement automatisé du langage (Siri ou Google now). Les chercheurs de Facebook ont développé un système composé de 9 niveaux de neurones artificiels qui peut déterminer correctement, 97.25% du temps si 2 photographies représentent la même personne même si les conditions d’éclairage ou l’angle de vue varient.