Actualités

Par Carl Weinschenk | IT Business Edge

Intelligence artificielle (IA) est en fait un groupe de technologies liées entre elles. Elle est complexe et, pour beaucoup, un peu effrayante. Elle est également énorme et se développe rapidement.

Cette taille est évidente à la fois dans les projections de valeur et dans le large éventail d'industries qui utilisent ces technologies. En février, Markets and Markets évalue le marché de l'IA en 2017 à $16,06 milliards d'euros. Ce chiffre devrait atteindre $190,61 milliards d'euros en 2025. Cela représente un taux de croissance annuel composé (TCAC) de 36,61 %. Le large éventail d'industries est tout aussi impressionnant. Selon le cabinet, l'IA sera utilisée dans les secteurs des soins de santé, de la fabrication, de l'automobile, de l'agriculture, de la vente au détail, de la sécurité, des ressources humaines, du marketing, du droit et des technologies financières.

L'essentiel est que l'IA existe aujourd'hui. Par exemple, les suggestions faites par le moteur de recherche d'un service de streaming ou les publicités sélectionnées par un site web pour être affichées sur l'ordinateur d'un individu reflètent de plus en plus précisément ses goûts. Il s'agit là d'une utilisation de l'IA. Plus précisément, il s'agit d'un exemple d'apprentissage automatique, qui est l'un des éléments constitutifs de l'IA.

Apprentissage automatique se combine avec au moins deux autres technologies pour former l'IA. Le traitement du langage naturel, comme son nom l'indique, est la science de la compréhension des communications verbales. Ce traitement ira au-delà du décodage des mots et inclura les nuances et les émotions. Par exemple, quelqu'un qui répond "Oui, c'est vrai" à une question peut être facétieux (surtout s'il s'agit d'un adolescent) ou penser réellement qu'il s'agit d'une réponse affirmative. Un moteur PNL du futur serait capable de trancher entre ces deux possibilités.

La seconde est la vision par ordinateur, qui va au-delà de la capacité à déchiffrer des images ou des vidéos. Par exemple, un humain n'a généralement pas de difficulté à identifier l'image d'une personne, même si des années ont passé, que son visage a vieilli et que sa coiffure a changé ou disparu. C'est un défi pour la vision par ordinateur, cependant, a déclaré Kimberly Nevala, directrice de la stratégie d'entreprise de l'Agence européenne pour la sécurité et la santé au travail (ESA). SAS.

Le rôle de l'apprentissage automatique

Le puzzle de l'IA comporte donc trois pièces principales. Elles peuvent être combinées différemment pour atteindre les objectifs souhaités. Un cas d'utilisation spécifique peut nécessiter l'ajout d'autres éléments à ce noyau.

L'apprentissage automatique est l'élément le plus brillant de l'IA et peut-être l'élément qui effraie les gens. "L'apprentissage automatique est à la fois un nom et un verbe", a déclaré Michael Wu, docteur en sciences et stratège en chef de l'IA chez PROSune entreprise qui utilise Notre et d'autres outils pour proposer une tarification dynamique à ses clients. "En tant que verbe, l'apprentissage automatique est le processus de transformation des données en modèles. [Il peut aider à prédire l'avenir et à faire beaucoup de choses différentes."

En règle générale, un ordinateur fonctionne sur la base des instructions qui lui sont données par les humains. Cela devient de plus en plus inefficace au fur et à mesure que les tâches qu'il doit accomplir deviennent plus complexes, que les hypothèses initiales sur lesquelles ces instructions étaient basées changent et que les objectifs mêmes de l'organisation évoluent. Dans les scénarios d'apprentissage automatique, le système d'IA prend en compte les données qu'il recueille et ajuste sa mission en cours de route.

Voici un exemple de la manière dont ces éléments peuvent fonctionner de concert : Supposons qu'une plateforme d'IA soit utilisée pour fournir des informations au représentant du centre d'appel d'un opérateur de télévision par câble en fonction des questions posées par le client. À l'avenir, l'élément NLP de la plateforme d'IA sera capable d'évaluer l'état émotionnel de la personne qui appelle le centre de contact en fonction de sa voix : est-elle agacée ? Susceptible de se désabonner ? Ou, à l'inverse, est-ce le bon moment pour essayer de lui vendre plus cher ? Sur cette base, les outils optimaux sont fournis à l'employé du centre de contact. À long terme, l'élément d'apprentissage automatique de la plateforme d'IA utilisera cette expérience pour mieux adapter les conseils et les documents qu'il fournira à l'agent du centre de contact à l'avenir.

Un autre exemple est plus axé sur l'apprentissage automatique. Un véhicule ne peut circuler que dans quatre directions de base : avant, arrière, gauche et droite. Il est impossible de programmer un véhicule autonome (AV) sur la manière de réagir dans chaque cas ("S'il y a un chien sur la droite, déplace-toi sur la gauche", etc.) La vision par ordinateur permet au véhicule autonome d'identifier les obstacles et de déclencher la réaction appropriée. L'élément d'apprentissage automatique stockera ces connaissances ("S'il y a un chien sur la droite, déplacez-vous vers la gauche"). "Il existe d'énormes problèmes combinatoires", a déclaré M. Nevala. "Les actions sont bien définies, mais la manière de les utiliser est compliquée. C'est là que l'apprentissage automatique entre en jeu. Il permet [au véhicule] d'apprendre par l'expérience".

Les deux ML

Il y a deux types d'apprentissage automatique, supervisé et non superviséVince Jeffs, directeur principal de la stratégie des produits à l'Agence européenne pour la sécurité et la santé au travail (ESA), a déclaré à ce sujet. Pegasystems. Il a indiqué que la majorité des méthodes d'apprentissage automatique utilisées sont supervisées.

L'apprentissage automatique supervisé se produit dans les cas où l'ordinateur reçoit des données et fait un choix binaire (un oui ou un non). Si la machine reçoit davantage d'informations - ou "formation" - jusqu'à ce qu'elle obtienne la bonne réponse, elle a ensuite la capacité de prendre les bonnes décisions dans des situations similaires.

L'apprentissage non supervisé, comme son nom l'indique, fournit à la plateforme d'IA une grande quantité de données et la laisse essentiellement déterminer ce qu'elle doit en faire. "Elle essaie de donner un sens à son monde en classant les choses dans des catégories", a expliqué M. Jeffs. "Il s'agit d'une approche dans laquelle nous ne lui donnons pas d'instructions. Nous ne "guidons pas le témoin", en quelque sorte.

L'apprentissage automatique est un processus sans fin. Supposons, par exemple, qu'un algorithme d'apprentissage automatique et la plateforme d'IA à laquelle il est associé suggèrent qu'une entreprise comptant trois employés dans le service d'expédition devrait en embaucher deux de plus. Les données qui en découlent sont évaluées en permanence. La conclusion peut changer au fil du temps et de nouvelles données entrent dans le système. Il peut s'avérer, par exemple, que cinq personnes sont trop nombreuses et que l'une d'entre elles devrait être réaffectée. Ou que cinq n'est pas suffisant parce que l'ajout de deux personnes supplémentaires a généré tellement de nouvelles affaires qu'une sixième est maintenant nécessaire. En définitive, il s'agit d'un processus continu.