L’ABC de l’IA, des algorithmes et de l’apprentissage automatique (réémission)

Cet épisode a été diffusé à l’origine le 20 juillet 2022.

Les programmes informatiques avancés influencent et peuvent même dicter des parties importantes de nos vies. Pensez aux services de streaming, aux cotes de crédit, aux logiciels de reconnaissance faciale.

Et à mesure que cette technologie devient plus sophistiquée et complète, il est important de comprendre une terminologie de base.

En cette fête du Travail, nous revisitons un épisode où nous avons exploré les termes « algorithme », « machine learning » et « intelligence artificielle ». Il y a des chevauchements, mais ce ne sont pas les mêmes choses.

Nous avons fait appel à des experts pour nous aider à mieux comprendre ces concepts, en commençant par une définition de base d’« algorithme ». Ce qui suit est une transcription éditée de l’épisode.

Melanie Mitchell, professeur Davis de complexité à l’Institut Santa Fe, a proposé une explication simple d’un algorithme informatique.

“Un algorithme est un ensemble d’étapes pour résoudre un problème ou atteindre un objectif”, a-t-elle déclaré.

La prochaine étape est l’apprentissage automatique, qui utilise des algorithmes.

“Au lieu qu’une seule personne programme les règles, le système lui-même a appris”, a déclaré Mitchell.

Par exemple, un logiciel de reconnaissance vocale, qui utilise des données pour apprendre quels sons se combinent pour devenir des mots et des phrases. Et ce type d’apprentissage automatique est un élément clé de l’intelligence artificielle.

“L’intelligence artificielle est essentiellement la capacité des ordinateurs à imiter les fonctions cognitives humaines”, a déclaré Anjana Susarla, qui enseigne l’IA responsable au Broad College of Business de la Michigan State University.

Elle a dit que nous devrions considérer « AI » comme un terme générique.

“L’IA est beaucoup plus large, de grande envergure, par rapport au simple apprentissage automatique ou aux algorithmes”, a déclaré Susarla.

C’est pourquoi vous pourriez entendre “IA” comme une vague description d’un certain nombre de choses qui montrent un certain niveau d'”intelligence”. Du logiciel qui passe au crible les photos sur votre téléphone pour trier celles avec des chats aux robots spéléologues avancés qui explorent les grottes.

Voici une autre façon de penser aux différences entre ces outils : la cuisine.

Bethany Edmunds, professeur et directrice des programmes informatiques à la Northeastern University, compare cela à la cuisine.

Elle dit qu’un algorithme est essentiellement une recette – des instructions étape par étape sur la façon de préparer quelque chose pour résoudre le problème de “avoir faim”.

Si vous adoptiez l’approche de l’apprentissage automatique, vous montreriez à un ordinateur les ingrédients dont vous disposez et ce que vous voulez pour le résultat final. Disons un gâteau.

“Alors peut-être qu’il a fallu toutes les combinaisons de toutes sortes d’aliments et les mettre tous ensemble pour essayer de reproduire le gâteau qui a été fourni pour cela”, a-t-elle déclaré.

L’IA transférerait tout le problème de la faim au programme informatique, déterminant voire achetant des ingrédients, choisissant une recette ou en créant une nouvelle. Tout comme un humain le ferait.

Alors pourquoi ces distinctions sont-elles importantes ? Eh bien, d’une part, ces outils produisent parfois des résultats biaisés.

“Il est vraiment important de pouvoir articuler quelles sont ces préoccupations”, a déclaré Edmunds. “Ainsi, vous pouvez vraiment disséquer où se trouve le problème et comment nous allons le résoudre.”

Parce que les algorithmes, l’apprentissage automatique et l’IA sont pratiquement intégrés dans nos vies en ce moment.

École d’ingénierie de l’Université de Columbia il y a une autre explication de l’intelligence artificielle et de l’apprentissage automatique, et énumère d’autres outils que l’apprentissage automatique qui peuvent faire partie de l’IA. Tels que l’apprentissage en profondeur, les réseaux de neurones, la vision par ordinateur et le traitement du langage naturel.

Au Massachusetts Institute of Technology, ils soulignent que l’apprentissage automatique et l’IA sont souvent utilisés de manière interchangeable, car de nos jours, la plupart des IA incluent une certaine quantité d’apprentissage automatique. UNE Pièce de la MIT Sloan School of Management il entre également dans les différentes sous-catégories de l’apprentissage automatique. Supervisé, non supervisé et renforcement, comme les essais et erreurs avec le type de « récompenses » numériques. Par exemple, apprendre à un véhicule autonome à conduire en indiquant au système quand il a pris la bonne décision – ne pas écraser un piéton, par exemple.

Cette pièce souligne également une enquête 2020 de Deloittequi a révélé que 67 % des entreprises utilisaient déjà l’apprentissage automatique et 97 % prévoyaient de l’utiliser à l’avenir.

IBM avoir un tableau utile pour expliquer la relation entre l’IA, l’apprentissage automatique, les réseaux de neurones et l’apprentissage en profondeur, en les présentant comme des poupées russes avec la grande catégorie de l’IA comme la plus grande.

Et enfin, avec tant d’entreprises utilisant ces outils, le La Federal Trade Commission a un blog présentant certains des risques pour les consommateurs associés à l’IA et les attentes de l’agence quant à la manière dont les entreprises devraient la déployer.

Leave a Comment

Your email address will not be published.