L’intelligence artificielle 7



Menu :

Apple et Google en tête de course à l’intelligence artificielle
eBay lance une IA pour vous aider à trouver des produits

Comment l’IA se met au service de l’expérience utilisateur
L’américain SAS va investir 1 milliard de dollars en Afrique

L’intelligence artificielle a un sérieux problème de diversité
Faut-il remplacer nos assureurs par des robots ?
IA : l’Union européenne présente sa plateforme collaborative
IA : les défis de l’apprentissage profond

IA : 5 Tendances Qui Vont Révolutionner 2019
Des puces alimentées par l’intelligence artificielle
L’Internet des objets et l’intelligence artificielle
L’apprentissage automatique
L’essor de la reconnaissance faciale
La montée de l’automatisation
Conclusion

Les 10 rôles pour l’intelligence artificielle dans l’éducation
Introduction
L’intelligence artificielle peut automatiser les activités de base
Le logiciel éducatif peut être adapté aux besoins des élèves
Les cours des enseignants peuvent être améliorés
Les élèves peuvent obtenir une aide supplémentaire de tuteurs IA
Les programmes contrôlés par l’IA peuvent donner des commentaires utiles
L’IA modifie la façon dont nous interagissons avec l’information
L’IA pourrait changer le rôle des enseignants
L’apprentissage par essais et erreurs peut être moins stressant grâce à l’IA
Les données utilisées par l’IA
L’IA peut changer les élèves

Des chercheurs animent des photos de visages grâce à l’IA
Une IA capable de reproduire une voix à la perfection



Apple et Google en tête de course à l’intelligence artificielle

Depuis de nombreuses années, le Big Five de la tech tente de conquérir le marché de l’intelligence artificielle. En effet, selon notre décompte basé notamment sur les données de CB Insights et du Statista Digital Market Outlook, depuis 2010, près d’une soixantaine de start-ups travaillant sur l’intelligence artificielle ont été rachetées par les GAFAM afin de garder leur position de précurseurs dans le domaine. Avec 16 start-ups IA rachetées depuis 2010 – dont la française Regained en 2017 – Apple arrive en tête de ce palmarès, suivi de très près par Google qui en totalise 15 à ce jour. La firme à la pomme est passé devant Google au premier trimestre 2019 avec les acquisitions de Pullstring et Laserlike, des start-ups qui lui permettront d’améliorer son assistant virtuel Siri qui accuse un retard par rapport à ceux développés par ses concurrents.

En 2018, Microsoft a également fait ses emplettes dans l’intelligence artificielle avec pas moins de 5 acquisitions, dont GitHub et Xoxco en fin d’année 2018. À ce jour, Microsoft dépasse donc de justesse Amazon (9 rachats depuis 2010) dans la course effrénée à l’intelligence artificielle.

Publié sur fr.weforum.org

Le 11 avril 2019 par Tristan Gaudiaut



eBay lance une IA pour vous aider à trouver des produits

L’entreprise américaine fait passer la recherche du produit idéal à un niveau au-dessus !

Voilà une innovation qui pourrait changer considérablement votre expérience d’acheteur. eBay utilise désormais l’intelligence artificielle sur son application iOS et Android pour vous aider à trouver les produits similaires dans son catalogue. Le géant du e-commerce a introduit un bouton « ressemble à ceci », qui s’affiche sous le produit et vous permet de déclencher cette nouveauté par une simple pression sur votre smartphone. Une fonctionnalité exclusivement disponible aux États-Unis, au Royaume-Uni, en Australie et en Allemagne à l’heure actuelle.

La fonctionnalité ultime pour trouver l’article parfait ?

Le procédé développé par eBay s’appuie sur la vision par ordinateur, une branche de l’intelligence artificielle qui permet d’apprendre à une machine à authentifier et comprendre des images. Cette nouvelle fonctionnalité semble avoir vraiment un fort potentiel pour vous aider à trouver le produit idéal. Cette robe bleue est magnifique, mais il lui manque un petit quelque chose ? Hop, en un clic sous sa fiche, toutes les alternatives susceptibles de vous plaire s’afficheront. Vous adorez cette tapisserie, mais elle est un peu trop chère ? En quelques secondes, les produits du même style plus accessibles seront sous vos yeux. Il ne serait pas étonnant que cette nouvelle fonctionnalité débarque sur un grand nombre de plateforme de e-commerce à l’avenir, car elle permet en plus de trouver facilement des alternatives à un article en rupture de stock.

La nouveauté d’eBay laisse transparaître les progrès faits dans l’utilisation de l’intelligence artificielle à des fins de reconnaissance d’objets. Avant eBay, c’est Google qui s’était fait remarquer en annonçant que son application Google Lens était désormais capable d’identifier plus d’un milliard de produits.

Pour rappel, cet outil vous permet de retrouver un objet, ou même un animal sur le moteur de recherche en l’analysant par le biais de l’appareil photo de votre smartphone. Pratique pour en apprendre plus sur cette plante qui vous intrigue dans le Jardin botanique.

Publié sur Siècle Digital le 29 mars 2019 par Mathias Lapierre



Comment l’IA se met au service de l’expérience utilisateur

Le machine learning devient un outil de personnalisation des contenus web et des parcours client. Les acteurs de l’A/B testing et de la recommandation s’engouffrent sur ce créneau.

Une IA permettant de générer l’expérience digitale optimale en fonction du client ou du prospect. Une IA qui permet de maximiser la probabilité de transformation et de passage à l’acte d’achat. Cette vision, qui ferait de l’intelligence artificielle le Graal des directions marketing et commerciales, commence à se profiler. Les acteurs de l’A/B testing et du marketing prédictif, au premier rang desquels les Français AB Tasty, ContentSquare et Kameleoon, avancent leurs pions sur ce terrain. Tout comme les éditeurs de moteurs de recommandation.

L’article complet : Comment l’IA se met au service de l’expérience utilisateur

Publié sur le Journal du Net le 29 mars 2019 par Antoine Crochet-Damais



L’américain SAS va investir 1 milliard de dollars en Afrique

A l’occasion de son premier roadshow en Afrique ce mercredi 17 avril, le géant américain SAS a annoncé un investissement de 1 milliard de dollars dans l’intelligence artificielle. Cette enveloppe constitue essentiellement un investissement dans les ressources humaines et dans l’accès des opérateurs africains aux technologies du leader de l’analytique

Article complet : SAS va investir 1 milliard de dollars en Afrique

Publié sur La tribune par Sylvain Vidzraku
Le 18 avril 2019.


L’intelligence artificielle a un sérieux problème de diversité

Et si l’IA s’ouvrait un peu plus aux femmes et aux minorités ? Des chercheurs alertent sur l’urgence d’une réaction.

Trop d’hommes blancs dans l’intelligence artificielle !

Le monde de la nouvelle technologie souffre de vrais problèmes liés à la diversité. Ce n’est pas la première fois que le sujet est abordé. Google, le géant américain a ainsi du mal à garder ses employés issus des minorités. La reconnaissance faciale a aussi été pointée du doigt en raison du problème de diversité et les difficultés à reconnaître les personnes de couleur et les femmes. C’est désormais l’intelligence artificielle qui fait face au même problème

Concrètement, des chercheurs du AI Now Institute, considèrent que l’on approche du point de bascule. A cause d’un nombre trop important d’hommes blancs dans ce champ de travail, la technologie semble condamnée à reproduire les mêmes problèmes que la société actuelle.


Des conséquences déjà identifiées

Cela signifie concrètement les langages de haine dans les chatbots, les biais raciaux dans la reconnaissance faciale… Des problèmes déjà identifiés mais qui sont amenés à s’accentuer si rien n’est fait selon les chercheurs.

L’étude a prouvé que 80% des professeurs dans le domaine de l’intelligence artificielle, sont des hommes. Dans les grandes entreprises de la Silicon Valley, le taux de personnes de couleur oscille entre 2,5 et 4%. Autant de données qui incitent les chercheurs à tirer la sonnette d’alarme pour que le secteur admette la gravité de situation et s’adapte à la situation en prenant les mesures nécessaires. Pire encore, selon leur rapport, chaque jour qui passe rend la possibilité de remédier à la situation un peu plus difficile. Or, Google qui ferme son board éthique sur l’intelligence artificielle une semaine après son ouverture n’envoie pas vraiment un message positif

Et si vous avez besoin d’un petit rappel, les principes pour une intelligence artificielle bienveillante ont déjà été identifiés… Et si on faisait désormais un petit effort pour les mettre en application dans tous les domaines ?

Article source : L’IA a un sérieux problème de diversité
Publié sur Presse Citron le 18 avril 2019 par Emmanuel Ghesquier



Faut-il remplacer nos assureurs par des robots ?

Les mutuelles misent de plus en plus sur l’intelligence artificielle pour améliorer leurs services, mais les machines ont aussi leurs limites.

FinTech, FoodTech, LegalTech : la digitalisation des secteurs de l’économie charrie son lot de fantasmes et chaque écosystème dispose désormais de son abréviation « tech » anglo-saxonne. L’assurance n’y échappe pas et, dans un secteur si complexe, on peut se féliciter que les nouvelles technologies et les robots viennent automatiser certaines tâches. L’année passée, les grandes entreprises ont ainsi investi 2,3 milliards de dollars dans les InsurTech.

Pour autant, l’assurance est étroitement liée à notre vie quotidienne voire, dans un registre plus intime encore, à notre santé, à travers les mutuelles ou complémentaires santé. Alors est-il non seulement possible mais aussi raisonnable de s’en remettre aux nouvelles technologies pour identifier les produits d’assurance qui répondent le mieux à nos besoins ? Je ne le crois pas.

L’algorithme ne remplace pas l’humain

Dans leur volonté d’assurer un service aussi personnalisé et fiable que possible, les InsurTech développent des algorithmes sophistiqués qui remplacent progressivement certaines tâches humaines. Ceux-ci présentent l’avantage de ne pas être soumis aux préjugés ou aux pressions psychologiques et ont permis d’importants progrès. Le marketing, la comparaison d’assurance, l’expérience client et la lutte contre la fraude sont autant de domaines où l’introduction de robots ou de techniques d’intelligence artificielle ont permis aux assureurs et aux courtiers de faire leur travail beaucoup plus efficacement qu’auparavant.

Pour autant, dans le secteur des mutuelles sans doute encore plus qu’ailleurs, l’algorithme ne remplace pas le conseiller humain. Si, chez certains courtiers, les conseillers experts passent en moyenne plus d’une heure au téléphone avec chaque client avant de déterminer avec lui l’offre qui lui correspond le mieux, c’est parce que les robots ne peuvent pas réaliser ce travail d’accompagnement

A lire également :
Les Échos : Les cinq métiers les plus menacés par l’intelligence artificielle.



IA : l’Union européenne présente sa plateforme collaborative au fort accent français

Le dernier projet européen autour de l’intelligence artificielle, IA4EU, a été présenté à l’occasion de la première Nuit Européenne de l’intelligence artificielle organisé ce jeudi à Paris. Mené par différents acteurs français, il vise la création d’une plateforme collaborative à destination des chercheurs et entreprises européennes.

« Il faut que nous nous distinguions, non seulement par nos régulations, mais aussi par notre culture« , plaide le député Cédric Villani au sujet de l’intelligence artificielle, en ouverture de la première Nuit Européenne de l’IA, organisée à Paris. Le « monsieur IA » de LREM est venu soutenir la future plateforme IA4EU (l’intelligence artificielle pour l’Union européenne), qui sera lancée cet été d’après Patrick GAtellier, manager R&G chez Thales et coordinateur du projet. Elle aura pour objectif de promouvoir une vision européenne de l’IA, axée sur l’éthique, et proposera un accompagnement aux projets de recherche et à la quête de financement des entreprises du secteur. La plateforme contiendra un moteur de recherche dédié à l’IA, un espace pour mettre à disposition des jeux de données, et des ressources pour tester algorithmes et autres prototypes. Si les grandes lignes du projet sont tracées, les détails ne sont pas encore réglés.

La France plus que jamais locomotive de l’IA européen

79 partenaires publics et privés, issus de 21 pays (sur les 28 membres de l’UE) participent à ce projet doté de 20 millions d’euros sur trois ans financés par la Commission européenne. Au-delà de cette diversité, c’est bien la France qui tire IA4EU. Thalès coordonne le projet tandis que la fédération professionnelle du numérique France Digitale en est le principal organisateur.

L’éditeur Qwant sera en charge de créer le moteur de recherche de la plateforme, et le géant français OVH l’hébergera sur son cloud. Cerise sur le gâteau, IA4EU a noué son premier partenariat de promotion de l’intelligence artificielle avec… la région Île-de-France.

L’article complet : L’ Union Européenne pressente sa plateforme collaborative en IA
Publié sur La Tribune le 19 avril 2019 par François Manens.



IA : les défis de l’apprentissage profond

La montée en puissance des réseaux de neurones artificiels – réseaux neuronaux – et leur intégration dans les machines et robots marque le top départ du deep learning et de ses réussites, échecs et questionnements.

Il est très probable que plus jamais un humain ne pourra battre la machine au jeu de go. Ce jeu de conquête territoriale est d’une incroyable complexité et ses combinaisons dépassent le nombre d’atomes dans l’univers. La machine ne peut donc pas uniquement s’appuyer sur sa puissance de calcul – comme ce fut longtemps le cas aux jeux d’échecs ou de shogi, par exemple – pour balayer mécaniquement toutes les actions possibles et surclasser le cerveau humain. Il lui faut développer des stratégies et donc apprendre à apprendre : on parle alors d’« apprentissage profond » (deep learning).

L’apprentissage profond peut être assimilé à un type d’intelligence artificielle. C’est un sous-ensemble – ou une évolution – de ce qui est nommé plus généralement « l’apprentissage automatique » (machine learning) et qui concerne l’identification, l’analyse et le renforcement des capacités d’apprentissage de la machine avec ou sans l’aide des humains

Du machine learning au reinforcing learning

Quand l’humain affronte la machine dans le cadre d’un jeu de stratégie (et non pas de hasard), la première de ces machines infernales est en droite ligne avec les travaux d’Alan Turing et sa learning machine des années 1950. Il s’agit d’être capable d’apprentissage et surtout de s’améliorer sans intervention humaine pour pouvoir battre un joueur de bon niveau.
Ainsi, le 11 mai 1997, Deep Blue est la première machine capable de battre le champion d’échec de l’époque, Garry Kasparov, dans le cadre d’une partie d’échecs humain/machine légendaire.

Cette machine avait en sa faveur les capacités de connaître les règles, de posséder des milliers de parties en mémoire et de disposer d’algorithmes de calculs et de prédictions très puissants.

La stratégie de Deep Blue avant de déplacer une pièce était :

  1. de balayer un nombre gigantesque de coups possibles jouables en de telles situations à ce moment-là de la partie ;
  2. de comparer avec sa banque de données de parties préalablement enregistrées ;
  3. de choisir le coup ayant le plus de chances de la mener à la victoire (c’est-à-dire celui où le compétiteur l’ayant déployé a finalement gagné la partie).

Cet apprentissage de la machine est néanmoins encore de type machine learning mais pour affronter les grands maîtres du jeu de go, les réseaux neuronaux sont en embuscades !

En 2016, l’apprentissage de type deep learning s’imposa au travers de l’expérience AlphaGo-Lee développée par DeepMind, une filiale d’Alphabet, la maison-mère de Google. Cette machine est en effet la première à avoir battu un grand maître du jeu de go en la personne du sud-coréen Lee Sedol. Mais même si elle était déjà basée sur deux réseaux neuronaux (l’un pour décider quoi jouer et l’autre pour évaluer les conséquences de cette décision), elle a toutefois eu besoin préalablement des humains, et de leurs parties enregistrées et ingérées, pour devenir elle-même inaccessible aux compétiteurs humains.

Plus récemment encore est apparu l’apprentissage de type « reinforcing learning » (ou tabula rasa) via AlphaGo-Zero toujours développée par DeepMind. Cette machine est adossée à un seul réseau neuronal et peut s’affranchir des parties et supervisions humaines. Il s’agit simplement d’informer la machine sur les règles du jeu de go puis de la laisser apprendre toute seule à partir d’une page blanche !

Ce qui est impressionnant dans cette expérimentation c’est que AlphaGo-Zero a spectaculairement battu AlphaGo-Lee par 100 victoires à zéro après seulement trois journées d’apprentissage renforcé. La technique est logique, il va s’agir de faire jouer les machines entre elles pour les forcer à se nourrir de leur propre puissance de calcul et de leur propre stratégie d’apprentissage.

Lire également : Alphago zero learning scratch

Ainsi, il semble clair que le cerveau humain singé par la machine (réseaux neuronaux) et dépassé par ses capacités de calculs et d’analyse (algorithmique) ne pourra plus jamais la battre… du moins si la machine comprend et assimile clairement les règles du jeu !

À ce propos, il est intéressant de noter l’échec récent de Deep Mind dans le cadre d’un contrôle de mathématique (algèbre) assez basique. Cet échec révèle la difficulté actuelle, pour une IA aussi puissante soit-elle, de comprendre des questions qui articulent simultanément des symboles, du texte et des fonctions telles que : « quelle est la somme de 1+1+1+1+1+1+1 ? ».

Du deep learning et des réseaux neuronaux

La montée en puissance des réseaux de neurones artificiels – réseaux neuronaux – et leur intégration dans les machines et robots marque le top départ du deep learning et de ses réussites, échecs et questionnements.

Les réseaux de neurones artificiels sont largement inspirés par les réseaux de neurones du cerveau humain et plus il y aura de neurones artificiels en activité et plus le réseau – structuré par couches superposées (30 couches pour Google Photo) – sera profond. Toutefois, à la place d’un signal électrique voyageant de neurone en neurone pour les exciter ou les inhiber, le réseau va affecter une certaine pondération aux neurones et ainsi il va leur donner plus ou moins d’importance dans la décision finale en fin de processus. Généralement les premières couches se concentrent sur les principales caractéristiques, les couches intermédiaires sur les spécifications et les dernières couchent sur les détails.

Chaque couche de couleur représente ici un niveau d’information de plus en plus nécessaire à la caractérisation, sans trop d’ambiguïté, de l’objet cible (en vert) et chaque neurone artificiel d’une couche est affecté d’une pondération qui va s’affiner peu à peu (de 0 à 100 par exemple) via les expérimentations pour évaluer l’importance du détail dans le processus de caractérisation final de l’objet.

Si, par exemple, il s’agit de reconnaître un piéton et de le différencier d’un cycliste – dans le cas de capteurs embarqués sur une voiture autonome en mouvement – l’algorithme doit pouvoir décider et se positionner rapidement. Il doit proposer au robot conducteur du véhicule une réponse parmi les trois suivantes : « oui » (c’est un piéton) ou « non » (ce n’est pas un piéton) ou encore « ni oui ni non » (je ne sais pas s’il s’agit d’un piéton). Pour ce faire, l’algorithme peut s’appuyer sur un réseau de neurones artificiels lui-même adossé sur des millions d’images de piétons en situation (debout, accroupi, de face, de dos, de profil, isolés, en groupe, sous la pluie, le soleil, etc.) qu’il va mélanger avec d’autres images en vrac qui ne représentent surtout pas des piétons afin de s’obliger à les comparer et de choisir in fine ce qui – selon lui – caractérise un piéton.

Un exposé plus technique sur Developpez.com :
Intelligence artificielle et réseaux de neurones

Le réseau va ensuite sur-pondérer ces caractéristiques clés et affecter ces pondérations. Ce qui est intéressant, c’est que ces caractéristiques peuvent ne pas avoir été envisagées par les humains. La couche finale du réseau de neurones va décider de ce qui relève de ce que l’humain appelle un piéton et de ce qui n’en relève pas ! Dans le premier cas, en comparant avec la base de données des piétons validés par les humains, le réseau va savoir si il s’est trompé ou pas. Si c’est un succès, le réseau va conserver l’information (ici l’image) et l’utilisera pour ses décisions futures ; si c’est un échec, le réseau va corriger les pondérations erronées affectées aux neurones afin d’apprendre à ne plus se tromper. Dans le second cas, qui est plus complexe en termes de calculs, le réseau va procéder de même pour corriger ce qu’il croyait ne pas être un piéton et qui se révèle au final en être un (un patineur, un « trottinetiste », un cycliste marchant à côté de son vélo…).

Si l’intervention humaine est indispensable notamment en amont en informant la machine de ce qu’est l’image type d’un piéton ou bien en aval en corrigeant la machine après sa décision erronée alors nous pouvons parler d’apprentissage supervisé (supervised learning). Mais si l’intervention humaine est inexistante alors il s’agit de faire confiance aux réseaux de neurones qui doivent apprendre par eux-mêmes ce qui est (ou pas) important dans la caractérisation de l’image (ou de la cible donnée) sans se baser sur des données étiquetées et dès lors il s’agit d’apprentissage non supervisé (unsupervised learning).

Des conséquences et des applications du deep learning

Le deep learning a bien sûr de nombreuses applications en recherche et au quotidien. La reconnaissance d’image en général et la reconnaissance faciale en particulier en est devenue un vaste terrain d’application. Facebook ne se prive pas de le mobiliser pour identifier automatiquement vos amis sur les photos que vous déposez. Les autorités chinoises le mobilisent aussi via ces millions de caméras utilisant une reconnaissance faciale (et bientôt du corps entier) développée notamment par Watrix pour déployer son programme de crédit social. Apple est également friand de cette technologie, notamment pour sa reconnaissance faciale Face ID intégrée à l’iPhone X.

Google est aussi utilisateur du deep learning et de ce type d’intelligence artificielle via des applications comme Google Traduction ou des applications liées au dessin comme Google Canvas/Google Drawing ou liées au shopping comme Google Shopping Actions. Amazon n’est bien sûr pas en reste et déploie une telle technologie soit en B2C au travers de nombreuses applications de sa plate forme e-commerce, soit en B2B au travers de sa filiale centrée sur le cloud computing Amazon Web Services. AWS propose en effet des environnements pré-configurés qui permettent à ses clients de créer online des applications d’apprentissage profond sur Ubuntu, Amazon Linux ou encore Windows2016 (AMI de base/AMI conda)

Les terrains d’applications sont bien sûr innombrables. Même si les intelligences artificielles restent décevantes lorsqu’elles sont confrontées à l’humour, l’amour, l’ironie voire à l’art et à la création artistique, elles investissent l’intelligence et le renseignement militaire, la santé, la recherche, les transports, l’agroalimentaire, l’économie, le management et la finance et bien sûr des terrains sensibles comme la politique, le journalisme et l’éducation.

Donner un sens au deep learning ?

En fin de compte, les applications sont innombrables et peuvent/doivent rester au service de l’humanité.

Elles sont liées à notre propre connaissance de notre cerveau et de ses réseaux neuronaux que nous pourrons ensuite dupliquer sur les réseaux de neurones artificiels en remplaçant les impulsions électriques par des pondérations chiffrées. Le deep learning n’est de facto contraint que par trois écueils.
Le premier est celui lié à l’énergie et à l’épuisement des ressources nécessaires à son bon fonctionnement (cf. le rapport Villani du 8 mars 2018), sachant que les ordinateurs sont de plus en plus puissants, que les données sont de plus en plus massives et que les algorithmes neuronaux sont de plus en plus riches.
Le second est celui lié aux capacités financières, cognitives et réglementaires de la recherche en IA.
Le troisième – et le plus délicat – est lié aux questions éthiques et morales sachant que, sur le fond, le deep learning permet à terme à la machine de décider seule et de s’affranchir du « go » humain (cas du débat sur les drones et robots tueurs). L’idée serait alors de travailler sur des algorithmes capables d’évaluer eux-mêmes la fiabilité intrinsèque de leur prévision, des outils qui seraient donc capables d’humilité

Article publié sur Contrepoints le 27 avril 2019 :
Les défis de l’apprentissage profond
Par Marc Bidan, Professeur des Universités – Management des systèmes d’information – Polytech Nantes



IA : 5 Tendances Qui Vont Révolutionner 2019

Une myriade d’industries se verra affectée par la montée de l’intelligence artificielle à l’échelle internationale, à commencer par les géants technologiques qui investissent déjà d’énormes sommes dans la recherche de l’automatisation.

L’an dernier, l’implémentation des intelligences artificielles a considérablement augmenté au sein de nombreuses plates-formes, outils et applications dans le monde entier. L’impact sur les secteurs de la santé, de l’éducation et d’autres secteurs a été considérable, de plus en plus de gens optant pour des solutions électroniques basées sur l’intelligence artificielle et l’apprentissage automatique. L’industrie automobile s’est également lancée avec des voitures 100% autonomes, ainsi que le secteur agricole qui se tourne vers des robots intelligents pour arrêter la pulvérisation d’insecticide sur les cultures. La liste est encore longue.

Alors que les géants de l’industrie technologique, dont Google, Facebook et Amazon, investissent des milliards d’euros dans la recherche sur l’intelligence artificielle et l’apprentissage automatique, cinq tendances se profilent déjà sur ce front en 2019.

Des puces alimentées par l’intelligence artificielle

Les principaux fabricants de puces, dont Intel, Nvidia, AMD et ARM, ont pour objectif de produire des puces implémentant l’intelligence artificielle afin d’accélérer leurs opérations. Une application d’IA dépend beaucoup des processeurs car elle a besoin d’une vitesse significative. Il est assez difficile pour les CPU (actuelles) de gérer de telles applications lorsque les processus impliquent la reconnaissance faciale et l’identification d’objets qui nécessitent des calculs mathématiques complexes en parallèle. Les progrès en matière de performances des puces d’IA seront la solution à ce problème car elles seront conçues pour compléter les applications impliquant le NLP ou encore la reconnaissance vocale.

L’Internet des objets et l’intelligence artificielle

L’Internet des objets (IdO) a récemment bousculé positivement de nombreuses industries, et il est en train de fusionner avec l’intelligence artificielle pour augmenter son utilité dans notre quotidien. L’IdO industriel est le premier à être intégré à l’IA pour la détection des problèmes dans les machines, la détection précoce des problèmes et l’analyse des situations afin de mieux prévenir. Les réseaux neuronaux profonds joueront un rôle clé dans l’amélioration des opérations industrielles. De la même façon, la conduite autonome sera témoin d’une utilisation massive de l’IA et résoudra des problèmes quotidiens tels que les embouteillages.

L’apprentissage automatique

L’apprentissage automatique sera également un terme à retenir dans les mois à venir car il va révolutionner l’analyse d’entreprise. Les problèmes complexes seront résolus sans formation manuelle des machines à travers le processus typique des modèles de formation.

Au lieu de s’enliser dans ces processus de formation, les analystes pourront se concentrer sur les questions essentielles.

L’essor de la reconnaissance faciale

Bien que la reconnaissance faciale ait connu un retournement de situation l’an dernier à cause de la violation des données personnelles par Facebook, la tendance est tout de même à la hausse. La reconnaissance faciale est une application d’intelligence artificielle, et sa lisibilité et sa précision s’améliorent considérablement grâce à de nombreuses recherches dans le domaine. Cela aidera les agences de sécurité à identifier les éléments dissidents de la société et aidera les entreprises à fournir des services plus personnalisés à leurs clients. (NDLR : attention à l’utilisation de cette technique – le gouvernement Chinois)

La montée de l’automatisation

C’est l’une des grandes questions que tout le monde se pose : l’intelligence artificielle remplacera-t-elle les travailleurs ? La réponse est pour l’instant incertaine. Il est évident que l’utilisation de l’intelligence artificielle augmentera l’automatisation dans un certain nombre d’industries à l’échelle mondiale. Par exemple, Amazon a déjà commencé à utiliser des robots dans ses opérations car ils travaillent plus vite et avec plus de précision. Avec la montée de l’automatisation, les processus n’impliqueront plus autant d’erreurs humaines et cela améliorera les services fournis par les entreprises. Les recherches, menées par les humains, sont toutefois encore nécessaires. Ainsi, la montée de l’intelligence artificielle entraîne avec elle l’automatisation dans notre vie quotidienne, mais cela exige plus de chercheurs pour apporter des solutions aux problèmes qui en résulteront. Alors que l’intelligence artificielle s’imposera sur le marché du travail peu qualifié, la demande d’emplois à haute qualification augmentera au diapason.

Conclusion

En résumé, l’utilisation de l’intelligence artificielle continue d’augmenter de façon spectaculaire grâce à son intégration à l’IdO et à l’apprentissage automatique, et à mesure que les géants de l’industrie technologique stimulent leurs efforts de recherche dans le domaine. Avec ces cinq tendances à anticiper, l’intelligence artificielle est prête à étendre sa portée et affectera grandement diverses industries et entreprises à l’échelle internationale, tout en élevant l’humanité à un tout nouveau niveau de productivité.

Article source :
IA : 5 Tendances Qui Vont Révolutionner 2019
Publié sur Forbes.fr le 4 mai 2019

Lire également sur CNEWS : Les 10 choses que l’intelligence artificielle fait mieux que l’homme
Publié le 14 mai 2019 par Nicolas Cailleaud
Points abordés :

  1. Établir un diagnostic médical
  2. Prendre une photo
  3. Jouer aux échecs, au Go ou au poker
  4. Parler plusieurs langues
  5. Copier un tableau de maître
  6. Stocker de la mémoire
  7. Faire un créneau
  8. Devenir trader à la bourse
  9. Protéger les vignes et les forêts
  10. Reconnaître un style musical


Les 10 rôles pour l’intelligence artificielle dans l’éducation

NDLR : Nous abordons maintenant le point de relation entre Intelligence artificielle et éducation.

Pendant des décennies, les auteurs de science-fiction, les cinéastes futuristes ont tenté de prévoir les étonnants (et parfois catastrophiques) changements qui apparaîtront avec l’avènement de l’intelligence artificielle. Et pourtant celle-ci est devenue omniprésente dans de nombreux domaines de notre vie quotidienne : les capteurs intelligents qui nous aident à prendre des photos parfaites, les fonctions de stationnement automatique dans les voitures, les assistants personnels…

On n’a pas encore créé de robots qui agissent par eux-mêmes comme dans l’Odyssée de l’espace ou Star Wars, mais un certain nombre d’applications change notre vie de tous les jours. Un domaine où l’intelligence artificielle est prête à faire de grands changements, c’est dans l’éducation. Pas encore de robots humanoïdes pour remplacer les enseignants, mais de nombreuses expériences et des outils redéfinissent l’avenir de l’éducation. Mais, certains sont déjà présents tels Awabot ou Nao.

De nombreux projets se servant de l’intelligence artificielle pour aider les étudiants sont déjà présents dans le monde de l’éducation. Voici quelques-unes des façons dont ces outils, et ceux qui les suivront, vont façonner et définir l’expérience éducative de l’avenir.

L’intelligence artificielle peut automatiser les activités de base dans l’éducation comme les évaluations

Au collège, les évaluations imposent au personnel enseignant un travail fastidieux. Ceux-ci constatent que les évaluations prennent beaucoup de temps, un temps qui pourrait être utilisé pour interagir avec les élèves, préparer leur classe ou compléter leur formation.

Même si l’IA ne remplace pas réellement le classement humain, il s’en rapproche. Tous les exercices à choix multiple peuvent bénéficier d’un classement automatique. Certaines applications permettent même de créer des questions à choix multiples qui se corrigent automatiquement, comme Socrative et eClicker. D’autres part, des plateformes d’apprentissage comme DidactiMoodleKhan Academy et Netmaths offrent des questions auto correctives ou des outils pour en créer.

Le logiciel éducatif peut être adapté aux besoins des élèves

De la maternelle aux études supérieures, l’un des principaux moyens de l’intelligence artificielle aura un impact à travers l’application de niveaux en vue d’un apprentissage individualisé. Le nombre de programmes d’apprentissage, de jeux et de logiciels se multiplie. Ceux-ci mettent l’accent sur certains sujets, répètent les éléments qui n’ont pas été maîtrisés par les élèves et qui peuvent les aider à progresser selon leur propre rythme. Ce type d’éducation personnalisé pourrait être une solution pour aider les élèves de différents niveaux à travailler dans une même classe. L’aide et le soutien pourraient être facilités et individualisés.

Les cours des enseignants peuvent être améliorés

Les enseignants n’ont pas toujours conscience des lacunes que peuvent comporter leurs cours ou leurs matériels pédagogiques, et qui laissent les élèves dans une situation de confusion et d’incompréhension. L’intelligence artificielle offre un moyen de révéler ce problème. Par exemple, quand un grand nombre d’élèves donnent une mauvaise réponse à un devoir, le système avertit le professeur et propose aux élèves un message personnalisé avec des conseils pour trouver la bonne réponse. Ce type de système permet de combler les lacunes constatées dans les explications et de confirmer que tous les élèves sont en train de construire la même base conceptuelle. Il n’est plus nécessaire d’attendre la correction du professeur, la rétroaction est immédiate.

Les élèves peuvent obtenir une aide supplémentaire de tuteurs IA

Bien qu’il soit à l’évidence encore impossible de remplacer totalement les tuteurs humains, l’avenir permettra à de plus en plus d’élèves d’obtenir l’aide de tuteurs qui ne fonctionnent qu’avec des 0 et des 1. Certains programmes de tutorat basé sur l’intelligence artificielle existent déjà et peuvent aider les élèves à travers les mathématiques de base, l’écriture et d’autres sujets.

Les programmes contrôlés par l’IA peuvent donner aux élèves et aux enseignants des commentaires utiles

L’IA peut non seulement aider les enseignants à élaborer des cours qui sont adaptés aux besoins de leurs élèves, mais elle peut également fournir des informations sur la réussite de la formation en cours. Ainsi certains enseignements en ligne utilisent l’IA. Ces types de systèmes d’IA permettent aux élèves d’obtenir le soutien dont ils ont besoin et aux professeurs de trouver les domaines qui leur permettront d’améliorer leur enseignement.

L’IA modifie la façon dont nous interagissons avec l’information

Nous avons tous remarqué que les systèmes d’IA interfèrent sur l’information que nous voyons. Google adapte les résultats des utilisateurs en fonction de leur localisation. Amazon fait des suggestions en fonction des achats précédents. Siri s’adapte à vos besoins et commandes. Presque toutes les publicités sur le Web sont orientées vers vos intérêts et vos préférences d’achat.

Ces types de systèmes intelligents jouent un grand rôle dans le dépistage de la manière dont nous interagissons avec les informations dans nos vies personnelles et professionnelles ; ils pourraient de la même manière simplement changer la façon dont nous trouvons et utilisons l’information dans les écoles et les universités.

L’IA pourrait changer le rôle des enseignants

L’enseignant aura toujours un rôle, mais ce rôle peut changer en raison des nouvelles technologies et prendre la forme de systèmes informatiques intelligents. L’IA peut prendre en charge les évaluations et les tests, elle peut aider les élèves à améliorer leur apprentissage, et devenir un substitut pour le tutorat.

Les enseignants peuvent compléter les leçons grâce à l’intelligence artificielle pour les élèves qui éprouvent des difficultés. Les systèmes d’enseignement en ligne y participent également.

L’apprentissage par essais et erreurs peut être moins stressant grâce à l’IA

La méthode des essais et erreurs constitue une part essentielle des apprentissages, mais pour de nombreux élèves les risques d’échouer, ou même d’être incapable de trouver la réponse, peuvent être traumatisants. Un système informatique intelligent, conçu pour aider les élèves à apprendre, est une façon beaucoup moins stressante de traiter les essais et erreurs. L’IA est la forme parfaite pour soutenir ce type d’apprentissage.

Les données utilisées par l’IA peuvent changer la façon dont les écoles peuvent enseigner et aider les élèves

La collecte de données intelligentes, alimentées par des systèmes informatiques intelligents, change la façon dont les enseignants interagissent avec les étudiants potentiels et actuels. L’IA contribue à aider les élèves à choisir les meilleures formations et qui leur correspondent. Le système d’exploration des données joue un rôle important dans l’enseignement supérieur. Des initiatives sont en cours dans certaines écoles pour offrir aux élèves une formation IA-guidée afin de faciliter la transition entre le collège et le lycée ou entre le lycée et l’enseignement supérieur.

Ainsi le processus de sélection de l’université peut se retrouver un peu comme Amazon ou Netflix, avec un système qui recommande les meilleures écoles et des programmes qui correspondent aux aspirations des étudiants.

L’IA peut changer : où les élèves apprennent, qui leur enseigne, comment ils acquièrent les compétences de base

Des changements très importants arriveront dans les décennies à venir, car l’IA a le potentiel de changer radicalement à peu près tout ce qui semble acquis au niveau de l’éducation.

Avec l’utilisation des systèmes d’IA, les logiciels et le soutien, les élèves peuvent apprendre n’importe où dans le monde et à tout moment. L’IA peut remplacer dans certains cas les enseignants (pour le meilleur et pour le pire).

Le résultat ?

Dans quelques décennies, nous pourrions avoir un regard bien différent sur l’éducation.



Des chercheurs animent des photos de visages grâce à l’IA

Peut-on imaginer animer un visage sur la base d’une simple photo ?
Si cela n’est pas encore tout à fait possible, des chercheurs russes ont initié le processus en utilisant seulement quelques clichés.

Il y a quelques mois, un site web impressionnait le monde entier en affichant de faux visages plus vrais que nature. Une prouesse permise grâce aux progrès de l’intelligence artificielle et une (très) grosse base de données pour l’alimenter. Aujourd’hui, des chercheurs du Samsung AI Center de Moscou affirment que l’on peut aller bien plus loin et donner vie à des visages en se basant sur une simple prise de vue. Du moins quand la technologie de type Deepfake est poussée à l’extrême car, dans l’idéal, le système développé par les spécialistes fonctionne sur la base de plusieurs clichés bien choisis.

Les chercheurs en question se nomment Egor Zakharov, Aliaksandra Shysheya, Egor Burkov et Victor Lempitsky. Le groupe vient de publier le détail de ses travaux et y a ajouté une longue démonstration en vidéo afin de montrer ce qu’il est possible de faire avec cette technologie. Les résultats, s’ils ne sont pas parfaits, s’avèrent tout de même assez bluffants et prometteurs. On peut par exemple imaginer les facilités de développement pour les studios de jeux vidéo désirant animer les visages de nombreux personnages. De la même manière, le monde du cinéma pourrait également se montrer très intéressé par le résultat de ces recherches.

À condition bien sûr d’arriver à quelque chose d’indétectable pour l’œil humain, ce qui ne semble pas encore être tout à fait le cas. Mais il est tout de même difficile de ne pas s’émerveiller devant les animations des visages d’Albert Einstein, Salvador Dali, Marilyn Monroe, et surtout Mona Lisa. Reste que si tout cela est épatant, cela peut également être vu d’un œil plus pessimiste et sous le prisme des manipulations médiatiques et autres fake news. Un parallèle peut ainsi être effectué avec la récente fausse vidéo de Barack Obama en train d’insulter l’actuel Président américain Donald Trump. Plus que jamais, la question de nos capacités à distinguer le vrai du faux semble être l’un des enjeux majeurs des années à venir. 

Publié sur Les Numériques
Le 23 mai 2019
Par Michel Beck



Une IA capable de reproduire une voix à la perfection

L’humanisation des intelligences artificielles et autres robots passe une étape importante. Exit les voix robotisées, place aux voix « humaines ».

Jusqu’à présent, la distinction des voix de synthèse n’était pas très compliquée puisqu’elles ne ressemblaient pas du tout à celle d’un être humain. Un côté très robotique, saccadée qui pourrait bien disparaître grâce aux avancées technologiques. Une équipe de chercheurs vient d’ailleurs de démontrer qu’il était tout à fait possible pour une intelligence artificielle de s’exprimer avec une voix parfaitement humaine. Plus encore, l’intelligence artificielle est capable de copier la voix de quelqu’un.

L’entreprise Dessa a réalisé une petite démonstration en faisant parler un androïde avec la voix de l’ancien commentateur MMA, Joe Rogan. Le choix des chercheurs s’est arrêté sur ce personnage public, car depuis plusieurs années, il enregistre des podcasts. Les chercheurs avaient donc une base de données de 1.300 enregistrements de The Joe Rogan Experience pour tenter de reproduire la voix du podcasteur avec une intelligence artificielle.

Celle-ci a réussi à générer une imitation très crédible. L’entreprise Dessa a publié une vidéo montrant combien son intelligence artificielle, RealTalk, reproduit parfaitement la voix, l’intonation et les mimiques de Joe Rogan : 

This video is a fake

Comme toute avancée technologique, reproduire parfaitement une voix d’un humain pourrait amener à des dérives dangereuses et néfastes. Les chercheurs de Dessa soulignent d’ailleurs les risques qu’une telle intelligence artificielle représente, à savoir l’usurpation d’identité ou la diffusion de fake news renforcée par l’idée qu’il s’agit d’une personne importante.

Mais les ingénieurs de Dessa soulignent également que cette technologie pourrait également permettre d’améliorer la technologie existante. On pense évidemment aux assistants personnels, mais ce genre de technologie pourrait également être très utile dans le cadre du doublage au cinéma ou à la télévision.

Contactée par The Verge, Dessa a indiqué qu’elle ne partagerait pas l’ensemble de ses travaux, afin d’éviter que ces recherches ne soient utilisées à des fins malveillantes. De son côté, l’homme qui a permis malgré lui de développer l’intelligence artificielle, Joe Rogan, trouve l’expérience et cette technologie terrifiante.

Lien vers le Blog Dessa : real-talk-speech-synthesis

Article publié sur Geeko
Le 23 mai 2019
Par Jennifer Mertens




Fin de cette étude.

Merci pour votre lecture



Retour