Qu’est-ce que l’Intelligence Artificielle Responsable ?

L’intelligence artificielle (IA) a révolutionné notre façon de vivre. Parallèlement à l’influence croissante des algorithmes sur l’organisation des entreprises, ces nouvelles technologies ont un impact sur nos décisions personnelles concernant nos déplacements, ce que nous achetons, ce que nous lisons ou la musique que nous écoutons.

Compte tenu de la prévalence de l’IA en tant que technologie de plus en plus puissante, il est important que nous lui fassions confiance en tant que source de bien pour notre société. Cependant, la question des préjugés et de la discrimination inhérents présents dans les données intégrées à l’IA a été amplement documentée.

spécialistes de École de commerce de Warwick (WBS) ont travaillé pour trouver la source d’un tel biais et comment le minimiser. L’objectif est de construire une technologie d’IA fiable, éthique et équitable, et qui puisse bénéficier à la société dans son ensemble. C’est l’IA responsable.

Mais qu’est-ce que l’intelligence artificielle responsable exactement ?

BusinessBecause s’est entretenu avec deux experts WBS dans le domaine de l’IA : Ram Gopalprofesseur de systèmes d’information et de gestion, et Shweta Singhmaître de conférences en systèmes d’information et de gestion.


27c4c9e86f3e1abfa4db9950554f225248ee5e14.png

Ram Gopal (à gauche) et Shweta Singh (à droite)


Comment définissez-vous l’IA ?

L’intelligence artificielle est le développement de systèmes informatiques qui exécutent des tâches qui nécessitent normalement l’intelligence humaine, telles que la parole, la reconnaissance faciale ou la prise de décision.

“L’IA concerne essentiellement des systèmes capables de recréer l’intelligence humaine”, explique Ram.

L’intelligence artificielle a parcouru un long chemin depuis que son terme a été inventé en 1956. Elle façonne le avenir du travail à bien des égards, de la création de nouveaux emplois à l’introduction d’autres robots sur le lieu de travail.

“Nous avons maintenant atteint un point où ces technologies non seulement reproduisent l’intelligence humaine, mais peuvent également faire preuve de créativité”, explique Ram. Par exemple, Ai-Da, la première artiste robotique au monde, peut dessiner et peindre en utilisant des caméras dans ses yeux, des algorithmes et ses bras robotiques.

Avec le potentiel apparemment illimité de la technologie et son impact croissant sur notre vie quotidienne, il est important d’atténuer les risques associés à l’IA afin de bénéficier des avantages que la technologie apporte.


520525930d665569820ef85e2f35a25d91d12abb.png


Quels sont les risques associés à l’IA ?

Shweta pense que pour être efficace, l’IA doit posséder quatre caractéristiques fondamentales :

– doit être juste

– Ethique

– Transparent

– Et libre de préjugés et de discrimination

Elle dit que lorsque l’IA a cherché à reproduire l’intelligence humaine, elle a naturellement reflété et amplifié les préjugés et la discrimination déjà présents dans notre monde.

“L’IA apprend de toutes les données que nous fournissons, qu’il s’agisse de données textuelles, d’images, de vidéos ou d’activités sur les réseaux sociaux”, ajoute Ram.

« Les risques sont autant un avantage qu’un inconvénient. En tant qu’êtres humains, nous ne savons peut-être pas dans quelle mesure nous discriminions ou étions victimes de discrimination, ce qui découle de nos préjugés subconscients », explique Shweta. “Mais cela offre également une opportunité de résoudre le problème et de surmonter ces défis dans la technologie et la société de l’IA.”

Le concept d’IA responsable existe pour trouver des approches pour surmonter ces défis.


Qu’est-ce que l’IA responsable ?

Les organisations du monde entier commencent à reconnaître la responsabilité qu’elles ont d’atténuer les risques de l’IA dans la société.

Un exemple, dit Shweta, est Microsoft, qui a annoncé qu’il arrêterait la production de plusieurs outils d’analyse faciale basés sur l’IA par crainte qu’ils ne soient ouverts à des abus.

“Ce que vous commencez à voir, ce sont des revers dans différents domaines liés à l’IA”, ajoute Ram. “Cela pourrait conduire à davantage de réglementation, de législation et imposer aux organisations utilisant l’IA, ce qui peut saper les individus, d’être plus responsables.”

Shweta, ainsi que d’autres experts de la Warwick Business School, trouvent des moyens d’essayer de rendre l’IA plus fiable, sans préjugés ni discrimination. Ils espèrent construire une couche supplémentaire d’intelligence artificielle qui s’ajoutera aux modèles actuels pour renforcer la confiance sous la forme d’une solution technologique.

La nouvelle couche de responsabilité ajoutée comprend la conception d’une IA capable de détecter les contenus préjudiciables, y compris la cyberintimidation ou les discours de haine.

Une autre façon dont l’IA peut être plus responsable, dit Ram, est de s’assurer que les données que vous entrez dans le système sont plus représentatives et équilibrées, y compris en incluant les voix des minorités et des femmes défavorisées.

“Les préjugés présents dans la société sont amplifiés par l’IA”, déclare Shweta. “Ce que l’IA responsable fera, lorsqu’elle atteindra ses dernières étapes, c’est inaugurer une société qui pourrait être plus proche de l’absence de préjugés. Une société qui prospère sur l’égalité, la justice, la transparence – et sans discrimination.

Au fil du temps, le duo affirme que l’intelligence artificielle deviendra plus fiable et responsable. Un nombre croissant de réglementations et de lois sont mises en œuvre pour réglementer l’utilisation de l’IA et atténuer les risques qui y sont associés.

“Al touche toutes nos vies dans presque toutes les activités, et maintenant nous voyons des réactions des législateurs pour atténuer les risques posés par l’IA”, déclare Ram.

if(typeof fbq === ‘undefined’) {
!function(f,b,e,v,n,t,s)
{if(f.fbq)return;n=f.fbq=function(){n.callMethod?
n.callMethod.apply(n,arguments):n.queue.push(arguments)};
if(!f._fbq)f._fbq=n;n.push=n;n.loaded=!0;n.version=’2.0′;
n.queue=[];t=b.createElement(e);t.async=!0;
t.src=v;s=b.getElementsByTagName(e)[0];
s.parentNode.insertBefore(t,s)}(window, document,’script’,
‘https://connect.facebook.net/en_US/fbevents.js’);
fbq(‘init’, ‘160549502031452’);
fbq(‘track’, ‘PageView’);
}
else {
fbq(‘track’, ‘PageView’);
}

New York propose des règles pour clarifier la prochaine loi sur l’intelligence artificielle pour les employeurs

3 octobre 2022

Cliquez pour PDF

Enfin, une bonne nouvelle pour les employeurs utilisant des outils automatisés de décision en matière d’emploi (“AEDT”) à New York : le Département de la protection des consommateurs et des travailleurs (“DCWP”) règles proposées dans le but de lever de nombreuses ambiguïtés dans la loi sur l’intelligence artificielle (“IA”) de la ville de New York, qui entrera en vigueur le 1er janvier 2023.[1]

La loi de la ville de New York empêchera les employeurs d’utiliser l’AEDT dans les décisions d’embauche et de promotion à moins qu’il n’ait fait l’objet d’un audit partiel par un “auditeur indépendant” pas plus d’un an avant son utilisation.[2] La loi impose également certaines exigences d’affichage et de notification pour les candidats et les employés.

Comme détaillé ci-dessous, les règles DCWP proposées sont actuellement à l’étude et pourraient soulever plus de questions que de réponses, car l’incertitude concernant les exigences persiste. Les commentaires peuvent être soumis au DCWP et une audience publique aura lieu le 24 octobre 2022 pour déterminer si tout ou partie des règles seront formellement adoptées. Vous trouverez ci-dessous un bref résumé des règles proposées.

Clarifier les définitions : Plusieurs termes clés qui ne sont pas définis dans la loi elle-même seront définis si les règles proposées sont adoptées.

Par exemple, les règles proposées définissent un « auditeur indépendant » comme « une personne ou un groupe non impliqué dans l’utilisation ou le développement d’un AEDT qui est responsable de la réalisation d’un audit partiel d’un tel AEDT ». Alors que la définition proposée indique qu’un fournisseur qui a développé l’AEDT peut ne pas être un auditeur suffisamment “indépendant” (selon les faits et les circonstances), les règles proposées fournissent un exemple d’un fournisseur fournissant des données autorisées pour un audit partiel. Il reste à voir s’il y aura des éclaircissements supplémentaires sur les fournisseurs qui peuvent effectuer l’audit de partialité requis.

Les règles proposées définissent le “candidat à un emploi” comme “une personne qui a postulé à un poste spécifique en soumettant les informations et/ou éléments requis dans le format requis par l’employeur ou l’agence pour l’emploi”. Ainsi, les règles proposées précisent que les candidats potentiels qui n’ont pas encore postulé à un poste vacant ne seraient pas couverts par la nouvelle loi.

La loi sur l’IA elle-même définit un AEDT comme “tout processus informatique, dérivé de l’apprentissage automatique, de la modélisation statistique, de l’analyse de données ou de l’intelligence artificielle, qui émet un résultat simplifié, y compris un score, une note ou une recommandation, qui est utilisé pour aider ou remplacer substantiellement la prise de décision discrétionnaire pour prendre des décisions d’emploi qui affectent les individus ». Les règles proposées précisent que l’expression « pour faciliter ou remplacer de manière substantielle la prise de décision discrétionnaire » signifie que l’outil couvert (a) dépend « uniquement d’un résultat simplifié », (b) utilise « un résultat simplifié comme un ensemble de critères en ce sens que la sortie est pondérée plus que tout autre critère de l’ensemble » ou (c) utilise « une sortie simplifiée pour remplacer ou modifier les conclusions dérivées d’autres facteurs, y compris la prise de décision humaine ».

Audit de biais : Les règles proposées précisent également les exigences d’un audit de partialité, qui comprend le calcul du taux de sélection et du taux d’impact pour chaque catégorie EEO-1 dans le rapport d’information de l’employeur de la Commission pour l’égalité des chances en matière d’emploi (c’est à direrace, ethnie et sexe).

Les calculs établis dans les règles proposées sont généralement conformes aux lignes directrices uniformes de l’EEOC sur les procédures de sélection du personnel. Notamment, les règles proposées expliquent que le taux de sélection est “le taux auquel les individus d’une catégorie sont sélectionnés pour avancer dans le processus d’embauche ou recevoir une notation par une AEDT” par rapport au nombre total d’individus de la catégorie qui ont postulé. à un poste ou ont été considérés pour une promotion. Quant au taux d’impact, il est défini comme « soit (1) le taux de sélection d’une catégorie divisé par le taux de sélection de la catégorie la plus sélectionnée, soit (2) le score moyen de tous les individus d’une catégorie divisé par le score moyen des individus d’une catégorie ». la catégorie la plus élevée.

Les règles proposées fournissent des exemples d’audits biaisés qui indiquent que ces audits doivent mener une analyse intersectionnelle des catégories protégées (par exemple, en examinant le taux d’impact pour la race et le sexe combinés), ainsi qu’en analysant chaque catégorie indépendamment. Les règles proposées ne traitent pas des situations où les données peuvent être incomplètes pour certaines catégories. Les règles proposées ne traitent pas non plus des circonstances où l’ensemble de données est trop petit pour donner lieu à un taux d’impact statistiquement significatif.

En ce qui concerne la publication des résultats de l’audit de partialité, les règles proposées exigeraient que le poste soit “mis à la disposition du public dans la section carrières ou emplois de son site Web de manière claire et visible” et inclue la date de l’audit, la date de diffusion du les frais d’outil et de sélection et les frais d’impact pour toutes les catégories.

Remarquer: La loi de la ville de New York exige que les employeurs fournissent aux personnes résidant à New York au moins 10 jours ouvrables avant d’utiliser l’AEDT, la possibilité de postuler à un processus de sélection ou d’adaptation alternatif, les qualifications ou les caractéristiques du travail que l’AEDT utilise en relation avec l’évaluation, la politique de rétention de l’employeur, ainsi que le type et la source des données recueillies pour l’AEDT. Les règles proposées décrivent plusieurs façons différentes par lesquelles, si elles sont approuvées, les employeurs peuvent aviser les candidats et les employés.

En ce qui concerne l’exigence légale d’avis sur l’utilisation d’un OEDT, les instructions sur la façon de postuler à un autre processus de sélection ou à un accommodement, et les qualifications et caractéristiques d’emploi utilisées par l’OEDT, les règles proposées permettraient aux employeurs d’informer les employeurs candidats (a) “dans la section Carrières ou Emplois” du site Web d’un employeur, (b) “dans une offre d’emploi” ou (c) “par courrier ou par e-mail aux États-Unis” au moins 10 jours ouvrés avant d’utiliser l’OEDT Par des employésLes employeurs peuvent fournir cet avis « dans une politique ou une procédure écrite » au moins 10 jours ouvrables avant l’utilisation ou par le biais des mécanismes décrits aux points (b) et (c) ci-dessus.

Selon les règles proposées, un employeur se conformerait à l’exigence de la loi concernant les avis concernant le type de données recueillies, la source des données et la politique de conservation des données en publiant ces informations « dans la section Carrières ou Emplois » de son site Web ou en fournissant par écrit “par courrier ou par e-mail aux États-Unis” dans les 30 jours suivant la réception d’une demande de fourniture de ces informations.

* * *

Les législatures et les organismes de réglementation ont continué à se concentrer sur l’utilisation de l’OEDT par les employeurs.[3] Plus récemment, le 13 septembre 2022, l’EEOC a co-organisé un événement avec l’OFCCP intitulé Décodé : la technologie peut-elle favoriser un recrutement et une embauche équitables ?. Pendant le un événement, la présidente de l’EEOC, Charlotte A. Burrows, et la directrice de l’OFCCP, Jenny R. Yang, ont souligné la nécessité pour les employeurs de réfléchir attentivement aux facteurs que l’AEDT évalue, notamment si ces facteurs sont adaptés aux compétences et aux capacités requises par le travail spécifique et s’assurer que l’EMCDDA n’ont pas d’impact différent selon les catégories protégées. Ainsi, les employeurs qui ont déjà mis en œuvre ou pourraient mettre en œuvre l’AEDT sur le lieu de travail devraient tenir compte de l’impact de ces développements législatifs et réglementaires pour assurer la conformité aux lois à venir et un contrôle réglementaire renforcé.

_________________________

[1] Département de la protection des consommateurs et des travailleurs de New York, Avis d’audience publique et possibilité de commenter les règles proposées, https://rules.cityofnewyork.us/wp-content/uploads/2022/09/DCWP-NOH-AEDTs-1.pdf.

[2] Pour plus de détails, voir Gibson Dunn’s New York adopte une loi restreignant l’utilisation de l’intelligence artificielle dans les décisions d’emploi.

[3] Pour plus de détails, voir Gibson Dunn’s Suivre l’EEOC : conseils sur l’intelligence artificielle et action d’application et Danielle Moss, Harris Mufson et Emily Lamm, Le mélange des lois sur l’IA des États place des obstacles à la conformité des employeursLoi 360 (30 mars 2022), disponible en https://www.gibsondunn.com/wp-content/uploads/2022/03/Moss-Mufson-Lamm-Medley-Of-State-AI-Laws-Pose-Employer-Compliance-Hurdles-Law360-Employment-Authority- 30-03-2022.pdf.


Les avocats suivants de Gibson Dunn ont aidé à préparer cette mise à jour client : Harris Mufson, Danielle Moss et Emily Maxim Lamm.

Les avocats de Gibson Dunn sont disponibles pour vous aider à résoudre toute question que vous pourriez avoir concernant ces développements. Pour en savoir plus sur ces questions, contactez l’avocat Gibson Dunn avec lequel vous travaillez habituellement, tout membre du cabinet travail et emploi groupe de pratique, ou ce qui suit :

Harris M. Mufson – New York (+1 212-351-3805, [email protected])

Danielle J. Moss – New York (+1 212-351-6338, [email protected])

Jason C. Schwartz – Coprésident, Working and Employment Group, Washington, DC
(+1 202-955-8242, [email protected])

Katherine VA Smith – Coprésident, Groupe du travail et de l’emploi, Los Angeles
(+1 213-229-7107, [email protected])

© 2022 Gibson, Dunn & Crutcher LLP

Publicité des avocats : les documents inclus ont été préparés à des fins d’information générale uniquement et ne sont pas destinés à fournir des conseils juridiques.

Comment le Rwanda utilise l’intelligence artificielle pour améliorer la santé | Banque africaine de développement

rwandas-viebeg-1500.jpg

Les ruptures de stock de médicaments et les pénuries de matériel médical dans les établissements de santé au Rwanda appartiennent désormais au passé, grâce à une innovation qui s’attaque aux restrictions d’approvisionnement.

Viebeg Technologies, une société de technologie de la santé soutenue par du capital-risque, contribue à élargir l’accès à des soins de santé abordables en Afrique centrale et orientale en aidant les établissements de santé à s’approvisionner en fournitures en temps réel. Il utilise l’intelligence artificielle (IA) pour gérer les processus de la chaîne d’approvisionnement (de l’expédition à l’entreposage, la distribution et la gestion des stocks) afin de garantir que les établissements de santé disposent de fournitures médicales précises en stock.

Le Rwanda Innovation Fund, partiellement financé par la Banque africaine de développement, a investi dans la plateforme logistique basée sur les données de Viebeg.

Tobias Reiter, co-fondateur et PDG de Viebeg Technologies, explique que la plateforme d’approvisionnement médical basée sur l’IA de la société relie directement les prestataires de soins de santé aux fabricants. Cela supprime les courtiers et les intermédiaires de la chaîne de valeur, générant jusqu’à 40 % d’économies pour les clients.

« Nous avons constaté que de nombreux établissements médicaux ne disposaient pas des fournitures adéquates ; et signale également que toutes les cinq minutes en Afrique, des personnes meurent de maladies qui auraient pu être évitées si nous avions les bonnes fournitures médicales », a noté Reiter.

La société, créée en 2018, travaille avec de nombreux établissements de santé au Rwanda, où deux millions de personnes ont été traitées avec des produits Viebeg, selon Alex Musyoka, son co-fondateur et directeur commercial. Il fait déjà des percées dans d’autres parties de l’Afrique de l’Est, notamment au Kenya, au Burundi et au Congo, et dessert plus de 500 installations. L’entreprise prévoit de s’étendre à travers l’Afrique, dit Musyoka.

De nombreux établissements de santé au Rwanda louent Viebeg car ils peuvent désormais trouver des produits essentiels pour leurs domaines spécifiques à des prix abordables. Un exemple est la clinique spécialisée du Kivu, créée par le Dr. Amol Kulkarni, l’un des trois seuls chirurgiens maxillo-faciaux au Rwanda.

L’équipement moderne est extrêmement important pour les spécialistes qui traitent les malformations et les blessures de la bouche, des dents et des mâchoires, mais il n’est souvent pas accessible en Afrique.

Dr. Amol a déclaré que Viebeg avait aidé sa clinique à acquérir une machine d’orthopantomographie (une radiographie dentaire panoramique de la mâchoire supérieure et inférieure), augmentant ainsi sa capacité de pointe. Il a ajouté : « Dans quatre mois, la clinique aura payé intégralement la nouvelle machine OPG. Nous sommes considérés comme l’une des cliniques les mieux équipées au Rwanda. Viebeg m’a aidé à établir ma clinique et je suis maintenant confiant d’avoir Viebeg comme partenaire pour la maintenir.

De même, le centre chirurgical Ejo Heza à Kigali avait besoin d’un nouvel appareil d’anesthésie car l’ancien était tombé en panne. Mais ils n’avaient pas l’argent pour en acheter un nouveau. « Comme Viebeg propose des conditions de paiement spéciales pour les produits, Ejo Heza est devenu client de Viebeg et a acquis le nouvel équipement en trois semaines. Cela a permis à nos installations de continuer à sauver des vies », déclare le Dr. Dominique Savio Mugenzi, chirurgien orthopédique et directeur général d’Ejo Heza.

“Grâce au service de Viebeg, nous achetons désormais nos fournitures et équipements médicaux via la plateforme, ce qui a entraîné une réduction significative des coûts d’approvisionnement et des ruptures de stock de fournitures médicales”, ajoute Mugenzi.

Mukando Cesarie est un patient qui a fait l’expérience de la puissance d’un établissement de santé bien équipé, rendu possible par l’innovation Viebeg. « J’étais très malade, mais avec les machines gynécologiques ici, les médecins ont enfin pu diagnostiquer le problème. Je vais maintenant mieux après quatre séances de chirurgie. Je suis reconnaissante pour ces services », a-t-elle déclaré et s’est dite satisfaite de l’attention qu’elle a reçue à l’hôpital Best Care de Kigali en juillet 2022. Auparavant, elle avait subi une intervention chirurgicale de 10 heures dans un hôpital local, mais son état s’est aggravé à cause de l’établissement. .. ne disposait pas du matériel nécessaire pour le diagnostiquer avec précision.

Le chiffre d’affaires annuel de Viebeg est passé de 80 000 USD à 180 000 USD six mois après le financement du Rwanda Innovation Fund, ce qui représente une croissance de 125 %. Musyoka prévoit que la valeur atteindra 2,5 millions de dollars d’ici la fin de 2022.

En plus d’améliorer les revenus, le financement a permis à l’entreprise, entre autres, de former ses employés, d’accéder à un fonds de roulement et d’employer plus de travailleurs.

La Banque africaine de développement a investi 30 millions de dollars dans le Fonds d’innovation du Rwanda. L’appui de la Banque est conforme au Plan national pour l’infrastructure de l’information et de la communication (NICI) III, qui souligne l’importance des TIC dans l’amélioration de la prestation de services aux citoyens.

Le médecin. Abdu Mukhtar, directeur du développement industriel et commercial à la Banque, a déclaré : « L’innovation numérique peut transformer des secteurs, mais elle nécessite des investissements. Viebeg est un exemple fantastique de ce qui peut être réalisé avec le bon mélange d’innovation, d’entrepreneuriat et de soutien financier. Il est révélateur que le Rwanda Innovation Fund, initié par le gouvernement rwandais et financé en partie par la Banque africaine de développement, ait été un catalyseur dans le développement de Viebeg. L’investissement local dans une entreprise locale a apporté des résultats locaux transformateurs. C’est un modèle de partenariat qui peut bien fonctionner sur d’autres marchés.

Un nouveau livre annonce une nouvelle ère dans le domaine de la santé avec l’intelligence artificielle qui transforme déjà l’expérience du patient

Comment l'IA peut démocratiser les soins de santé

L’IA ne remplacera pas les médecins, mais les médecins qui utilisent l’IA remplaceront ceux qui ne l’utilisent pas.

MIAMI, 18 octobre 2022 /PRNewswire/ — Le nouveau livre « How AI Can Democratize Healthcare » de Miguel Ferro et Robin Farmanfarmaian plonge à la pointe de la technologie, déplaçant les soins de la clinique à l’endroit où se trouve le patient, y compris son domicile, son bureau ou même sur la route. Les logiciels prédictifs, la technologie vocale IA et la thérapie numérique ne sont que quelques-unes des innovations détaillées dans ce nouveau titre provocateur qui façonnera aujourd’hui l’avenir de demain.

Que les gens soient malades ou en bonne santé, les logiciels basés sur l’IA peuvent surveiller les conditions dans un environnement réel et peuvent être une présence quotidienne dans la vie de quelqu’un, offrant des interventions personnalisées exactement lorsque cela est nécessaire. Le coût supplémentaire de la fourniture d’un logiciel d’IA pour chaque personne supplémentaire est négligeable, il évolue donc rapidement et n’a pas de frontières géographiques, ce qui rend l’adoption mondiale presque sans effort.

De nouvelles façons d’améliorer les résultats pour les patients sont en forte demande et les principaux acteurs de la santé innovent pour apporter des améliorations indispensables. Les progrès de l’IA dans les biomarqueurs vocaux, la surveillance à distance des patients, la thérapeutique numérique, la reconnaissance vocale, les outils d’aide à la décision, la réalité virtuelle et les soins prédictifs convergent pour créer l’informatique de santé ambiante : l’assistant de santé omniprésent qui surveille, analyse et fournit les bonnes interventions au patient. bonne personne au bon moment.

En termes simples, l’IA révolutionne le Où, Quand, Quoi et Comment les gens accèdent aux soins de santé. Les systèmes hérités dotés de professionnels de la santé formés et de cliniques physiques sont une ressource limitée et coûteuse. L’emplacement étant retiré de l’équation, déplacer les soins au point du patient augmente l’accès et l’accessibilité, démocratisant ainsi les soins de santé. De plus, le coût supplémentaire négligeable pour fournir un logiciel basé sur l’IA par personne rend l’IA infiniment évolutive et abordable.

À propos des auteurs:

Entrepreneur en technologies de la santé et auteur Miguel Ferro est le fondateur et PDG Merrick Venturesune MiamiEntreprise de PE basée sur l’IA et la démocratisation de la santé. Michael a construit plusieurs entreprises qu’il a rendues publiques ou acquises par plus de 1 milliard de dollars, y compris Merge Healthcare et Click Commerce. Avec la Fondation Michael et Jacqueline Ferro, il a fait don de millions, dont 2 millions de dollars à Northwestern pour l’entrepreneuriat et 1 million de dollars pour le Alliance de recherche sur le mélanome (ARM). Ferro a remporté plus de 15 prix, dont les 100 Higher Rollers de Forbes Tech, l’entrepreneur technologique de l’année d’Ernst & Young, et a été nominé pour un Emmy Award pour un documentaire exceptionnel.

Conférencier professionnel et entrepreneur Robin Farmanfarmaian a donné plus de 180 conférences dans 15 pays sur les technologies de la santé. En tant qu’entrepreneure, elle a travaillé avec plus de 20 sociétés pharmaceutiques, d’appareils et d’IA axées sur les principales maladies, notamment l’oncologie, la neurologie, le diabète et plus encore. Un diagnostic erroné à l’adolescence a entraîné 43 hospitalisations, six interventions chirurgicales majeures et plusieurs organes retirés. À 26 ans, Robin a licencié son équipe de soins de santé et a pris le contrôle de sa santé, notamment en prenant des opioïdes à forte dose. Elle a reconstruit son équipe de soins, a été diagnostiquée correctement et est entrée en rémission du jour au lendemain avec le bon médicament. “How AI Can Democratize Healthcare” est un livre qui fait suite au livre de Robin de 2015, “The Patient as CEO: How Tech Empowers the Healthcare Consumer”.

Premiers éloges pour “Comment l’IA peut démocratiser la santé”

“L’intelligence artificielle transformera très rapidement la médecine, ainsi que les caméras omniprésentes et toutes sortes de capteurs. Si vous voulez comprendre cette perturbation de notre santé, Michael et Robin vous expliqueront comment cela vous affectera et impactera positivement des milliards de vies.”
Ray Kurzweilinventeur, auteur et futuriste

“Comment l’IA peut démocratiser la santé” par Miguel Ferro et Robin Farmanfarmaian est facile à lire et contient d’excellents exemples de startups d’IA dans le domaine de la santé. Nous sommes dans la première phase de l’IA dans les soins de santé, et ce livre pointe vers un avenir très excitant. Félicitations pour ce super livre !”
John E. Kelly IIIPhD, IBM EVP – Retraité

“Il existe une complexité écrasante à l’intersection de l’intelligence artificielle, de la technologie médicale, des facteurs humains et du contexte réglementaire. Il y a presque trop de nouveaux produits, services et entreprises de santé à trier. Heureusement, la façon dont l’IA peut démocratiser les soins de santé nous donne l’ancien type de intelligence d’amélioration, une prose claire qui rend notre avenir collectif compréhensible et optimiste. Une lecture incontournable pour les citoyens, les investisseurs et les décideurs.
— Bing Gordon, associé général et directeur de produit, Kleiner Perkins

LA SOURCE Robin Farmanfarmaian

Utiliser l’IA pour surmonter les perturbations majeures de la chaîne d’approvisionnement

Utiliser l'IA pour surmonter les perturbations majeures de la chaîne d'approvisionnement

Illustration : © L’IdO pour tous

Le chaos grandissant dans les ports sans fin en vue a semé la panique dans le monde des affaires. C’est devenu un problème majeur et le monde est confronté à une perturbation majeure de la chaîne d’approvisionnement. Le fait de ne pas livrer les produits à temps crée le chaos pour les clients et les fabricants. En raison de la perturbation de la chaîne d’approvisionnement, les entreprises sont souvent confrontées à des denrées périssables qui se détériorent, à une demande réduite et à des clients qui ne reviennent pas. La question de la chaîne d’approvisionnement ne se limite pas à une seule industrie, mais englobe presque toutes les industries. Voyons comment l’intelligence artificielle peut être utilisée pour commencer à résoudre ces problèmes de chaîne d’approvisionnement.

derrière l’interruption

Serait-ce le manque de camionneurs ? Non, nous ne pouvons rien blâmer pour la panne. Des problèmes tels que le manque de technologie de pointe, la disponibilité de données en temps réel et l’hésitation à adopter de nouvelles technologies contribuent à ce problème.

La raison derrière les défis émergents dans chaîne d’approvisionnement est que les systèmes actuels d’inventaire et de planification fonctionnent sur des délais fixes et la prévision de la demande, tandis que le monde réel fonctionne sur des délais dynamiques. Cela se traduit par une prise de décision et une planification médiocres de la part des responsables des achats et des cadres financiers, provoquant des embouteillages dans les ports. Les dirigeants doivent suspendre les initiatives de planification et gérer vigoureusement leurs expéditions pour corriger cela.

Chaque fois qu’il y a un changement de mode de transport lors du transport de marchandises, de longues files d’attente surgissent, ce qui ajoute au problème. Bien qu’il puisse sembler qu’un nouveau mode de transport puisse réduire la congestion, ce n’est pas une solution réelle et pratique. Par conséquent, les goulots d’étranglement ne peuvent prospérer sans un investissement substantiel pour réparer les limitations de l’infrastructure portuaire.

Planifier les expéditions avec précision

Les détaillants ont besoin d’une visibilité des stocks en temps réel dans leurs activités pour planifier avec plus de précision. Les informations sur le plan d’arrimage sont souvent partagées avec les terminaux et les entreprises de logistique tierces qui sortent de la porte en tant que chaîne de valeur. Il augmente l’efficacité du processus premier entré, premier sorti. L’intelligence artificielle peut aider la chaîne d’approvisionnement à déterminer à l’avance les changements de transport ou les itinéraires afin d’assurer une livraison rapide et parfaite des articles critiques.

Bien que la mise en œuvre de l’IA soit nouvelle dans la gestion de la chaîne d’approvisionnement, les premiers utilisateurs de cette technologie en profitent déjà. Selon McKinsey & Co., les entreprises qui ont adopté la gestion de la chaîne d’approvisionnement basée sur l’IA ont vu leurs coûts logistiques s’améliorer de 15 % et leurs niveaux de stocks de 35 %. À mesure que la technologie de l’IA se développe, de plus en plus d’entreprises y sont attirées pour générer d’immenses avantages à partir de son potentiel. Par conséquent, l’IA sur les marchés de la logistique et de la chaîne d’approvisionnement devrait se développer à un taux de croissance annuel composé d’environ 42,9 % entre 2017 et 2023.

Cas d’utilisation de l’IA dans la chaîne d’approvisionnement

Avec la popularité croissante de l’IA, il y a de fortes chances qu’elle puisse améliorer et rendre le processus de la chaîne d’approvisionnement transparent. Examinons quelques cas d’utilisation critiques :

N° 1 : Prévision d’expédition

Les clients s’attendent à recevoir les produits commandés sous quelques jours. Cependant, les données du Forum économique mondial révèlent que les délais de livraison aux États-Unis et en Europe continueront d’augmenter. De plus, l’environnement actuel nous montre que des délais plus longs continueront de faire partie de l’avenir. En effet, au milieu de circonstances imprévues comme une catastrophe naturelle ou des intempéries, les clients attendent des entreprises qu’elles disposent d’une réserve pour ces situations et livrent leurs commandes à temps. L’IA peut aider les entreprises à prévoir les baisses complètes et à identifier à l’avance, en utilisant les données passées pour savoir comment les fournisseurs remplissent les commandes. Il permet aux entreprises de fixer des délais de changement de mode de transport pour les clients qui créent les marges bénéficiaires les plus importantes. De plus, l’IA offre également une visibilité complète des matériaux sur l’ensemble de la chaîne de valeur, ce qui facilite la recherche et l’élimination immédiate des goulots d’étranglement.

#2 : Prioriser les clients à coût élevé

Garner prédit que 75 % des entreprises cesseront de servir les clients défavorisés d’ici 2025. Cependant, certaines entreprises pourraient ne pas être en mesure de se détacher des clients chers. Ces produits d’appel ne devraient pas figurer sur vos listes de priorités. La détection de ces clients peut sembler un défi de taille pour les entreprises. Avec les algorithmes de tri, intelligence artificielle peut automatiquement identifier les clients à grande échelle qui ne sont pas assez bons pour gagner des parts de marché et épuiser la capacité valorisée. De plus, l’IA peut trouver de nouvelles opportunités d’amélioration et découvrir comment ces opportunités influenceront les résultats.

Sans connaître la demande des consommateurs, les entreprises courent souvent le risque de vendre des produits qui ne sont pas très demandés, ce qui coûte des millions de dollars en pertes. Les prévisions basées sur l’IA peuvent aider les entreprises à détecter les changements de la demande le plus rapidement possible, leur permettant d’optimiser les produits pour les meilleures marges bénéficiaires.

#3 : Augmenter les marges bénéficiaires

La gestion de la chaîne d’approvisionnement basée sur l’IA permet de réduire de 65 % les pertes de ventes causées par les produits en rupture de stock. Du côté des ventes, l’IA peut aider l’équipe commerciale à identifier les opportunités de vente incitative et de vente croisée pour les grands comptes. Les entreprises savent souvent beaucoup moins à qui vendre. Cependant, l’équipe de vente collecte en permanence des données car la plupart des tâches de vente se déroulent de manière numérique. L’IA peut utiliser ces informations pour soutenir les équipes qui vendent plus efficacement.

#4 : Expédition plus rapide

Dans une enquête menée par Convey, 28,6% des consommateurs ont déclaré qu’ils aimaient passer une commande auprès d’entreprises capables de livrer les produits le plus rapidement possible ou dans la semaine suivant la commande. Il s’agit d’une très petite fenêtre de temps, ce qui signifie qu’une expédition plus rapide est importante si les entreprises veulent attirer des clients. Dans ce cas, l’IA peut également trouver des expéditeurs qui ralentissent la chaîne d’approvisionnement. Une fois détectées, les entreprises peuvent supprimer les joueurs qui ne peuvent pas suivre et les remplacer par des plus efficaces. De même, les fournisseurs peuvent également utiliser l’IA pour créer des simulations basées sur les goulots d’étranglement et les perturbations. Une fois que l’IA identifie que la partie spécifique de la chaîne d’approvisionnement est goulot d’étranglement, elle peut prédire quand les entreprises peuvent s’attendre à une pénurie en fonction des niveaux de stock des stocks ou des délais de livraison prolongés.

Quand résoudrons-nous l’interruption ?

Cela peut prendre des années pour résoudre la grande perturbation de la chaîne d’approvisionnement. Si les entreprises veulent livrer leurs produits en douceur, elles doivent modifier leur plan. L’adoption de la technologie de l’intelligence artificielle fournira aux entreprises les informations essentielles nécessaires pour relever les défis actuels de la chaîne d’approvisionnement.

(function(d, s, id) {
var js, fjs = d.getElementsByTagName(s)[0];
if (d.getElementById(id)) return;
js = d.createElement(s); js.id = id;
js.src = “//connect.facebook.net/en_GB/sdk.js#xfbml=1&version=v2.8”;
fjs.parentNode.insertBefore(js, fjs);
}(document, ‘script’, ‘facebook-jssdk’));

jQuery(()=>{const o=jQuery(‘#sidebar’)
const t=jQuery(window)
if(!o[0]){return}
function isScrolledIntoView(el){if(typeof jQuery===’function’&&el instanceof jQuery){el=el[0]}else if(typeof jQuery===’function’){el=jQuery(el)[0]}
if(!el){return!1}
const rect=el.getBoundingClientRect();return(rect.top>=0&&rect.left>=0&&rect.bottom<=(window.innerHeight||document.documentElement.clientHeight)&&rect.right{jQuery(‘#sidebar’).css(‘left’,`${( t.width() – jQuery( ‘.td-pb-row’ ).width() ) / 2 – 60}px`)
if(isScrolledIntoView(‘.td-footer-wrapper’)||(jQuery(‘#sidebar’).offset().top+jQuery(‘#sidebar’).height()>jQuery(‘.td-sidebar-guide’).offset().top)){o.hide()}else{o.show()}});t.resize(()=>{jQuery(‘#sidebar’).css(‘left’,`${( t.width() – jQuery( ‘.td-pb-row’ ).width() ) / 2 – 60}px`)
if(isScrolledIntoView(‘.td-footer-wrapper’)||(jQuery(‘#sidebar’).offset().top+jQuery(‘#sidebar’).height()>jQuery(‘.td-sidebar-guide’).offset().top)){o.hide()}else{o.show()}});jQuery(document).ready(()=>{jQuery(‘#sidebar’).css(‘position’,’fixed’)
jQuery(‘#sidebar’).css(‘left’,`${( t.width() – jQuery( ‘.td-pb-row’ ).width() ) / 2 – 60}px`)
if(isScrolledIntoView(‘.td-footer-wrapper’)||(jQuery(‘#sidebar’).offset().top+jQuery(‘#sidebar’).height()>jQuery(‘.td-sidebar-guide’).offset().top)){o.hide()}else{o.show()}})})

Meta AI annonce le lancement de « Grand Teton » : la plate-forme matérielle d’intelligence artificielle (IA) de nouvelle génération à grande échelle

Le matériel et les logiciels open source ont été indispensables à la demande croissante des industries pour des innovations à grande échelle, en particulier dans l’IA. Presque tous les secteurs adoptent l’IA dans les services et les produits qu’ils proposent. À mesure que les modèles d’intelligence artificielle (IA) et d’apprentissage automatique (ML) deviennent plus avancés et plus performants, nous aurons besoin de matériel plus puissant pour les suivre.

Meta publie des innovations ouvertes pour aider à résoudre les défis à l’échelle de l’industrie et faire progresser l’IA afin de mieux équiper les centres de données pour les charges de travail massives de l’IA de l’industrie. Cela inclut de nouvelles plates-formes pour la formation et l’exécution de modèles d’IA, des innovations en matière d’alimentation et de rack pour aider les centres de données à gérer l’IA plus efficacement, et de nouveaux développements avec PyTorch.

L’augmentation des coûts de l’énergie et le besoin ultérieur de progrès dans le refroidissement liquide sont les principaux moteurs des efforts de Meta pour réévaluer tous les aspects de la conception de sa plate-forme, de son rack, de son alimentation et de son centre de données.

Poursuivant sa précédente plate-forme Zion-EX, Meta présente Grand Teton, sa plate-forme matérielle basée sur GPU de nouvelle génération. Pour mieux prendre en charge les charges de travail avec des contraintes de bande passante mémoire dans Meta, Grand Teton a été conçu avec plus de puissance de calcul. En raison de son enveloppe de puissance de calcul accrue, Grand Teton est également bien adapté aux charges de travail liées à l’informatique telles que la compréhension de contenu.

La plate-forme Zion d’origine comporte trois parties distinctes – le nœud principal du processeur, le système de synchronisation des commutateurs et le système GPU – et s’appuie sur des câbles externes pour les alimenter. Grand Teton consolide ces fonctions dans un seul châssis, améliorant les performances globales, l’intégrité du signal et les performances thermiques.

L’évolutivité rapide et la fiabilité améliorée du Grand Teton sont rendues possibles par son haut degré d’intégration, qui facilite son déploiement et réduit le nombre de pièces mobiles. Cela le rend idéal pour l’inclusion dans les flottes de centres de données.

La dernière version matérielle Open Rack de Meta apporte une architecture de rack et d’alimentation standard sur le marché. Open Rack v3 (ORV3) a été conçu dans un souci d’évolutivité, avec un cadre et une infrastructure d’alimentation pouvant s’adapter à une grande variété de cas d’utilisation, y compris Grand Teton, pour aider à combler l’écart entre les besoins actuels et futurs en matière de données.

L’étagère d’alimentation ORV3 n’est pas connectée au bus. Alternativement, le rack d’alimentation peut être installé partout où il y a de l’espace dans le rack. La sortie 48 VDC prendra en charge les exigences de transmission de puissance plus élevées des futurs accélérateurs AI, et plusieurs racks peuvent être installés sur un seul bus pour prendre en charge des racks de 30 kW.

L’unité de batterie de secours a également été mise à niveau, augmentant son autonomie de 90 secondes à 4 minutes sur le modèle précédent et fournissant 15 kilowatts de puissance par étagère. Cette unité de secours, comme l’étagère d’alimentation, peut être installée où vous le souhaitez dans le rack pour une flexibilité maximale, et lorsqu’elle est utilisée par paires, elle peut fournir 30 kW.

Le projet ORV3 a commencé avec le développement OCP pour presque tous les composants choisis de Meta. Le processus de conception d’une conception axée sur l’écosystème peut être plus long que pour une conception interne traditionnelle. Pourtant, le résultat est une solution d’infrastructure complète qui est évolutive, flexible et interopérable avec un large éventail de fournisseurs.

La charge de gestion thermique devient plus compliquée avec l’augmentation de la puissance de la prise. L’écosystème ORV3 est conçu pour prendre en charge diverses méthodes de refroidissement liquide, telles que l’utilisation de l’air comme moyen de refroidissement et de l’eau de la plomberie du bâtiment. La facilité de maintenance et d’installation du matériel informatique est rendue possible par la conception optionnelle de l’interface de refroidissement liquide mat aveugle de l’écosystème ORV3, qui fournit des connexions sans goutte entre le matériel informatique et le puisard.

Comme mentionné par l’équipe Meta dans l’un de leurs articles, leur plate-forme de stockage de nouvelle génération, Grand Canyon, inclura une sécurité matérielle améliorée et des mises à jour pour les produits essentiels dans un proche avenir.

Ils ont également annoncé leur séparation de la Fondation PyTorch sous l’aile de la Fondation Linux en septembre de cette année. L’organisation soutiendra PyTorch à travers des événements tels que des conférences et des ateliers éducatifs. Ils visent à accroître l’utilisation des outils d’IA dans tous les secteurs en soutenant une communauté de projets PyTorch indépendants des fournisseurs.

Référence : https://engineering.fb.com/2022/10/18/open-source/ocp-summit-2022-grand-teton/


Tanushree Shenwai est consultante stagiaire chez MarktechPost. Elle poursuit actuellement son B.Tech de l’Indian Institute of Technology (IIT), Bhubaneswar. Elle est une passionnée de la science des données et s’intéresse vivement au champ d’application de l’intelligence artificielle dans divers domaines. Elle est passionnée par l’exploration des nouvelles avancées technologiques et leur application dans la vie réelle.


L’intelligence artificielle peut-elle écrire un roman ?

trading robotisé automatisé

Les livres écrits par l’IA sont désormais une réalité à venir. Mais peuvent-ils écrire le prochain grand best-seller ? Et est-ce de l’art ?

L’IA écrit déjà chansoncréer des images pour romans graphiqueset gagner des concours d’art, frappant les humains. Prochain? Nouvelle IA.

Livres écrits par l’IA

L’un des premiers romans expérimentaux écrits par l’IA est paru en 2017. Intitulé 1 la route, était une expérience de Ross Goodwin. Il a été écrit alors qu’il conduisait de New York à la Nouvelle-Orléans. Étrangement, Google a financé une partie du coût du projet.

Goodwin était accompagné d’une IA basée sur un ordinateur portable connectée à divers capteurs, dont le travail consistait à produire du texte. À la fin du voyage, Goodwin a laissé le texte non édité. Il a même trouvé un éditeur – Jean Boîte Éditions. Même s’il pensait que le texte était « flou » et contenait de nombreuses fautes de frappe, il voulait le conserver pour une étude future.

La phrase d’ouverture se lit comme suit : “Il était 9h17 et la maison était lourde”.

Centre de singularité Thomas Hornigold a déclaré que même s’il ne s’agissait pas d’un chef-d’œuvre, “vous pouvez voir, dans la ligne étrange, le fantôme scintillant de quelque chose comme la conscience, une compréhension plus profonde”.

l’Atlantique Brian Merchant a déclaré qu’il avait lu le livre en une seule séance, bien qu’il n’y ait pas d’intrigue ou d’arc d’histoire spécifique. Mais il a dit qu’il y avait “des lignes frappantes et mémorables”. Des lignes comme : “Tout le temps le soleil tourne sur un sol sombre et brillant”.

Donc, à mesure que nous entrons dans le métavers, et que la narration en fait partie, quelle part du gameplay ou du divertissement du métavers sera écrite par l’IA ? Potentiellement – tout cela. Mais y sommes-nous encore ? L’IA écrira-t-elle tous nos futurs livres, films, histoires de métavers et histoires de jeux ? Et cela devrait-il nous inquiéter ?

Blogs écrits par l’IA

Quiconque blogue ou produit du contenu à des fins de marketing a probablement entendu parler des assistants IA. Ce sont des sites qui promettent d’écrire le contenu de votre blog pour vous. L’idée est que vous saisissiez quelques phrases clés et façonniez un peu la direction du contenu, et voilà ! Vous avez votre blog fait pour vous.

Mais ne vous emballez pas, ce n’est pas encore tout à fait le cas. Mais nous nous rapprochons définitivement.

En tant qu’écrivain, bien sûr, j’essaierais cela. J’ai choisi Jasper.ai et j’ai payé l’abonnement, qui coûte environ 50 $ par mois. Considérant que je payais déjà des rédacteurs indépendants pour m’aider dans différentes parties de mon entreprise, cela semblait être une bonne affaire. Pas de pause déjeuner, pas de vacances, pas de plainte, pas de remise en cause de mes mauvaises idées… c’est un rêve devenu réalité !

Jusqu’à ce que ce ne soit pas le cas.

La première chose que je dirai, c’est que ces assistants IA peuvent vous faire tomber. Il y a des choses qu’ils peuvent très bien faire. Une fois, j’ai demandé à Jasper.ai de m’écrire un article sur les couteaux, avec des idées de recettes. L’IA l’a écrasé.

Néanmoins. J’ai dû faire beaucoup de modélisation et de vérification des “faits”. C’est-à-dire que parfois l’IA racontait des mensonges massifs ! De plus, il ne peut pas faire des choses comme rechercher des photos et des vidéos qui rehaussent l’histoire et la rendent plus intéressante. Il faut donc une touche humaine.

J’ai réalisé que l’utilisation de l’IA signifiait que je produisais cette histoire particulière deux fois plus vite avec l’IA. Qu’est-ce que c’est génial ! Mais alors…

Inconvénients de l’IA

Je lui ai demandé de m’écrire une histoire sur le concours de l’Eurovision. Cette histoire a été un échec cuisant. Il a fourni des statistiques qui étaient manifestement fausses, comme le fait que la Norvège a terminé dernière plus que tout autre pays. Pauvre Norvège – je ne sais pas pourquoi l’IA a traîné le pays jusqu’ici. LAISSEZ CES GENS FROID TRANQUILLES.

Au moment où j’ai tout vérifié, j’aurais aussi bien pu écrire l’histoire à partir de zéro. J’ai découvert plus tard que l’IA fonctionne en lisant tout ce qu’elle peut sur Internet, puis en en distillant des “faits”. Donc, si quelque chose est faux sur Internet, ce sera faux dans votre histoire.

Dans l’ensemble, je n’avais pas l’impression que cela me faisait gagner du temps… alors j’ai annulé mon abonnement. Cependant, la possibilité alléchante de l’IA dans le futur est définitivement là. Je réexaminerai cette décision dans un an environ. Et encore mieux – que se passe-t-il lorsque les faits n’ont pas d’importance ? Comme quand tu écris un roman ? C’est certainement là que nous, en tant qu’espèce, pouvons prendre des risques avec l’écriture de l’IA.

Livres écrits par l’IA : Romance IA

Imaginez être un romancier. Vous avez présenté vos personnages principaux chauds. Ils ont été frappés par la foudre ou tout ce qu’il faut pour découvrir leurs super pouvoirs… et maintenant ? Bloc de l’auteur!

Ici, le roman d’IA peut vous aider à surmonter un mur littéraire. Bien que les auteurs de romans sur l’IA ne soient peut-être pas les bienvenus dans la communauté des écrivains, c’est une période intéressante. Et si l’écrivain renonçait à ce premier bloc et que le roman potentiellement fantastique ne renaît jamais ?

Cependant, en utilisant la nouvelle IA, l’écrivain peut être à nouveau inspiré, donner une nouvelle direction et terminer le roman.

En ligne, il y a autant de chagrin que de joie sur ce sujet. Influenceuse auto-éditrice Arielle Phoenix ça dit, “Je peux voir comment, entre de mauvaises mains, ces outils peuvent entraîner un afflux de livres de merde inondant Internet. Mais, pour être honnête, ce n’est pas différent des centaines de milliers de livres de très mauvaise qualité, à faible contenu et à contenu zéro. Et, la musique auto-publiée déjà terrible et bien sûr toutes les vidéos du côté étrange de YouTube qui ont été techniquement auto-publiées. Tout le monde a la capacité de créer du contenu et les outils pour le faire. Les auteurs d’IA ne sont donc pas nouveaux à cet égard. À mon humble avis, les outils d’écriture d’IA ne sont pas différents de quelque chose comme Grammarly, que vous ne connaissez probablement pas ou ne considérez pas comme un outil d’écriture d’IA.

roman ai livre saint valentin

Romans d’IA

Bjorn Schuller est professeur associé d’apprentissage automatique à l’Imperial College de Londres. Il ça dit“Ce à quoi les humains sont géniaux, c’est d’intégrer le contexte et de prêter leur compréhension générale du monde et de ce qui se passe, lors de l’analyse d’une situation.”

Il dit qu’avec la compréhension du langage naturel des machines, nous n’en sommes pas encore là. “Lorsqu’ils lisent des articles de recherche, ils n’ont pas le contexte et parfois ils ne comprennent pas l’essentiel, disons, de l’ironie ou du sarcasme, ou d’autres nuances entre les lignes.”

Schuller dit, cependant, que ces écarts se réduisent lentement. « L’intelligence émotionnelle est au premier plan. Et en même temps, les machines peuvent exploiter les mégadonnées et exploiter toutes sortes de bases de données de connaissances qu’un humain n’est pas capable de stocker. Ainsi, lorsque nous pensons à une machine et à un humain, la machine peut parcourir l’ensemble de Wikipédia ou de plates-formes similaires. Par conséquent, ils auront un grand avantage à explorer plus d’informations.

Une fois que la nouvelle IA conquiert des compétences conversationnelles, elle peut acquérir des compétences créatives. Nous sommes donc entrés dans le domaine de l’IA en produisant des poèmes, des nouvelles et des romans.

Schuller dit qu’après ce point, l’IA peut créer des intrigues. « C’est assez intrigant. L’IA a un gros avantage sur l’auteur humain en ce sens qu’elle peut très bien garder une trace des personnages qu’elle utilise dans sa fiction.

L’IA se souvient de tous les défauts potentiels qui pourraient facilement entrer dans une histoire écrite par des humains. “L’historique peut être parfaitement vérifié à tous les niveaux par la machine.”

Schuller dit que, malgré ce que vous avez pu entendre, c’est encore loin dans le futur.

IA non-sens

Le progrès… ou pas le progrès… des IA peut être vu dans ce clip ci-dessous. Jack Soslow présenté deux IA ensemble dans une conversation. Ils ont dit beaucoup de bêtises profondes, mais nous pouvons certainement sentir la tension sexuelle entre eux. Est-ce le grand roman de notre époque en devenir ? Pas encore.

Aujourd’hui c’est le jour du vaisseau spatial

Dans une autre expérience, un éleveur nommé Austin McConnell a demandé à une IA d’écrire une histoire, et il a demandé à une autre IA de l’animer. Il dit : « Il semble que chaque jour j’entende ou vois des nouvelles sur la façon dont l’intelligence artificielle se rapproche de plus en plus de devenir indiscernable des humains. Et bien que l’IA ait certainement changé le visage de l’automatisation, il reste à voir si elle peut ou non vraiment reproduire l’esprit créatif. J’ai décidé de tester cette idée. Ainsi, en utilisant un programme d’IA open source, j’ai connecté plusieurs histoires bien connues comme la série Harry Potter, certains scripts de Star Wars, certains romans de Stephen King, et même un livre médiocre pour jeunes adultes a été écrit par vous il y a des années. . . Après que l’ordinateur les ait utilisées pour apprendre à écrire, j’ai demandé au système de générer sa propre nouvelle originale.

McConnell dit que l’histoire est ridicule. Mais, en fait, ce n’est pas le cas. C’est définitivement un peu bizarre. Mais. Cher Dieu, c’est étrangement convaincant.

Livres écrits par l’IA : autres expériences

Dans une autre expérience, un créateur a fait regarder à un bot plus de 400 000 heures de films d’horreur. Alors, ils ont demandé au bot d’écrire leur propre film d’horreur. Le bot a nommé l’histoire, Mr Puzzles veut que vous soyez moins vivant.

Bien qu’il soit loin d’être parfait, il est aussi étrangement attrayant.

Les mêmes créateurs ont également créé un film de Noël qui est involontairement hilarant. Le bot a appelé le film “Le chant de Noël de Carol à Carol, une femme nommée Carol”.

Vous pourriez littéralement tomber de votre siège en riant en regardant cela. Les créateurs disent que c’est un “film de vacances mathématiquement parfait”.

Bien que les livres écrits par AI ne soient pas encore là, nous sommes très, très proches. Encore une fois, la question doit être posée, les auteurs seront-ils obsolètes ? Les rédacteurs de contenu vont-ils devenir chômeurs ? Est-ce qu’une création IA ? Ceci est de l’art? Apportera-t-il de la joie ? Les livres écrits par l’IA sont-ils l’avenir ? Regardons cet espace, avant que l’IA ne le fasse pour nous.

Avez-vous quelque chose à dire sur les livres écrits par l’IA ou autre chose ? Écrivez-nous ou rejoignez la discussion sur notre Canal de télégramme. Vous pouvez nous attraper aussi tik jeton, Facebookou Twitter.

Clause de non-responsabilité

Toutes les informations contenues sur notre site Web sont publiées de bonne foi et à des fins d’information générale uniquement. Toute action que vous entreprenez sur les informations trouvées sur notre site est strictement à vos risques et périls.

Découvrez FathomNet : une base de données d’images open source qui utilise l’intelligence artificielle et des algorithmes d’apprentissage automatique pour aider à traiter l’arriéré de données visuelles afin de comprendre notre océan et ses habitants

L’océan change à un rythme sans précédent, ce qui rend difficile le maintien d’une gestion responsable tout en surveillant visuellement de grandes quantités de données marines. La quantité et le taux de collecte de données nécessaires dépassent notre capacité à les traiter et à les analyser rapidement alors que la communauté des chercheurs cherche des bases de référence. Le manque de cohérence des données, un formatage incorrect et le désir d’ensembles de données étiquetés et significatifs ont tous contribué au succès limité des progrès récents de l’apprentissage automatique, qui ont permis une analyse visuelle des données plus rapide et plus complexe.

Pour répondre à cette exigence, plusieurs instituts de recherche ont travaillé avec MBARI pour accélérer la recherche océanique, en utilisant les capacités de l’intelligence artificielle et de l’apprentissage automatique. L’un des résultats de ce partenariat est FathomNet, une base de données d’images open source qui utilise des algorithmes de traitement de données de pointe pour normaliser et agréger des données étiquetées soigneusement sélectionnées. L’équipe estime que l’utilisation de l’intelligence artificielle et de l’apprentissage automatique sera le seul moyen d’accélérer les études critiques sur la santé des océans et de supprimer le goulot d’étranglement dans le traitement des images sous-marines. Des détails sur le processus de développement derrière cette nouvelle base de données d’images peuvent être trouvés dans une récente publication de recherche dans Scientific Reports.

L’apprentissage automatique a historiquement transformé le domaine de l’analyse visuelle automatisée, en partie grâce à de grands volumes de données annotées. En ce qui concerne les applications terrestres, les ensembles de données de référence vers lesquels les chercheurs en apprentissage automatique et en vision par ordinateur affluent sont ImageNet et Microsoft COCO. Pour fournir aux chercheurs un modèle riche et engageant pour l’analyse visuelle sous-marine, l’équipe a créé FathomNet. Afin d’établir une ressource de formation en images sous-marines hautement maintenue et librement accessible, FathomNet combine des images et des enregistrements provenant de nombreuses sources différentes.

Les chercheurs du MBARI Video Lab ont soigneusement annoté des données représentant près de 28 000 heures de vidéo en haute mer et plus d’un million de photos en haute mer que MBARI a recueillies sur 35 ans. Environ 8,2 millions d’annotations documentant les observations d’animaux, d’écosystèmes et d’objets sont présentes dans la vidéothèque MBARI. Cet ensemble de données complet constitue un outil inestimable pour les chercheurs de l’institut et leurs collaborations internationales. Plus de 1 000 heures de données vidéo ont été collectées par le laboratoire de technologie d’exploration de la National Geographic Society à partir de divers habitats et lieux marins à travers les bassins océaniques. Ces enregistrements ont également été utilisés dans la plate-forme d’analyse collaborative basée sur le cloud développée par CVision AI et annotée par des experts de l’Université d’Hawaï et d’OceansTurn.

De plus, en 2010, l’équipe d’exploration océanique de la National Oceanic and Atmospheric Administration (NOAA) à bord du navire NOAA Okeanos Explorer a collecté des données vidéo à l’aide d’un système à deux véhicules télécommandé. Pour annoter plus largement les vidéos collectées, ils ont commencé à financer des taxonomistes professionnels en 2015. Au départ, ils ont collecté des annotations par l’intermédiaire de scientifiques bénévoles participants. Une partie de l’ensemble de données MBARI, ainsi que des documents de National Geographic et de la NOAA, sont tous inclus sur FathomNet.

Comme FathomNet est open source, d’autres institutions peuvent facilement y contribuer et l’utiliser à la place des méthodes conventionnelles qui consomment plus de temps et de ressources pour traiter et analyser les données visuelles. De plus, MBARI a lancé une initiative pilote pour utiliser des modèles d’apprentissage automatique formés sur les données FathomNet pour analyser les vidéos prises par des véhicules sous-marins télécommandés (ROV). L’utilisation d’algorithmes d’IA a décuplé le taux d’étiquetage et réduit l’effort humain de 81 %. Les algorithmes d’apprentissage automatique basés sur les données de FathomNet pourraient révolutionner l’exploration et la surveillance des océans. Un exemple comprend l’utilisation de véhicules robotiques équipés de caméras et d’algorithmes d’apprentissage automatique améliorés pour la recherche et la surveillance automatiques de la vie marine et d’autres choses sous l’eau.

Avec des contributions continues, FathomNet dispose actuellement de 84 454 images reflétant 175 875 emplacements de 81 collections différentes pour 2 243 concepts. L’ensemble de données comptera bientôt plus de 200 millions d’observations après avoir obtenu 1 000 observations indépendantes pour plus de 200 000 espèces animales dans diverses positions et configurations d’image. Il y a quatre ans, le manque de photos annotées empêchait l’apprentissage automatique d’examiner des milliers d’heures de film océanique. En libérant des découvertes et en permettant aux explorateurs, aux scientifiques et au grand public d’utiliser des outils pour accélérer le rythme de la recherche océanique, FathomNet transforme néanmoins cette vision en réalité.

FathomNet est une illustration fantastique de la façon dont la collaboration et la science communautaire peuvent faire progresser notre compréhension de l’océan. L’équipe pense que l’ensemble de données peut aider à accélérer la recherche océanique lorsque la compréhension de l’océan est plus cruciale que jamais, en utilisant les données de MBARI et d’autres contributeurs comme base. Les chercheurs soulignent également leur désir que FathomNet fonctionne comme une communauté où les aficionados de l’océan et les explorateurs de tous horizons peuvent partager leurs connaissances et leurs compétences. Cela servira de tremplin pour résoudre des problèmes avec les données visuelles océaniques qui autrement ne seraient pas réalisables sans une large participation. Pour accélérer le traitement des données visuelles et créer un océan durable et sain, FathomNet est constamment amélioré pour inclure davantage de données labellisées par la communauté.

This Article is written as a research summary article by Marktechpost Staff based on the research paper 'FathomNet: A global image
database for enabling artifcial intelligence in the ocean'. All Credit For This Research Goes To Researchers on This Project. Check out the paper, tool and reference article.
Please Don't Forget To Join Our ML Subreddit


Khushboo Gupta est consultant stagiaire chez MarktechPost. Elle poursuit actuellement son B.Tech de l’Indian Institute of Technology (IIT), Goa. Elle est passionnée par l’apprentissage automatique, le traitement du langage naturel et le développement Web. Elle aime en apprendre davantage sur le domaine technique en participant à divers défis.


Comment les tests d’intelligence artificielle changent-ils le cybermonde ?

Numéros liés à la cybersécurité

Dans l’industrie de la cybersécurité, les tests d’intelligence artificielle sont cruciaux. En effet, l’IA a le potentiel d’aider la cybersécurité à surmonter certains de ses principaux obstacles. Et il existe de nombreux obstacles, notamment l’incapacité de nombreuses organisations à se tenir au courant de la myriade de nouveaux risques et attaques qui émergent à mesure que l’utilisation d’Internet et de la technologie augmente.

La cybersécurité alimentée par l’IA devrait changer notre façon de réagir aux cyberattaques. En raison de sa capacité à étudier et à apprendre à partir d’énormes volumes de données, l’intelligence artificielle sera cruciale pour identifier les menaces sophistiquées. De plus, les tests d’IA sont une réponse complète pour protéger ces gadgets contre les acteurs malveillants, car de nouvelles technologies et de nouveaux gadgets sont toujours disponibles.

Ce blog vous guidera à travers les difficultés que la cyber-sécurité l’industrie est maintenant confrontée, l’importance d’utiliser des tests d’IA pour surmonter ces difficultés et certains des inconvénients de le faire. Enfin, nous examinerons quelques applications réelles de l’IA dans ce domaine avant d’avoir terminé.

Un aperçu de l’industrie de la cybersécurité

La cybersécurité décrit les processus suivis par des personnes ou des organisations pour protéger leur matériel informatique et leurs logiciels connectés en ligne contre les cyberattaques.

La prolifération des technologies numériques émergentes telles que l’Internet des objets (IoT). La fréquence et la complexité croissantes des cyberattaques et les lois strictes en matière de protection des données pour la sécurité des données. Une augmentation des attaques ciblant les chaînes d’approvisionnement en logiciels est le principal moteur du marché de la cybersécurité.

De plus, la pandémie de COVID-19 a augmenté l’incidence des attaques malveillantes dans les bases de données des grandes entreprises. Ils ont besoin d’une protection plus stricte des bases de données et de la promotion de l’expansion de l’industrie de la cybersécurité. Dans les secteurs de la santé, de la banque, de l’assurance, de l’industrie et des services financiers, la croissance de l’adoption de solutions de sécurité organisationnelle est providentielle.

Quelques chiffres intrigants liés à la cybersécurité

  • Il est prévu que le montant d’argent dépensé pour les opérations internes de cybersécurité augmentation de 7,2% annuellement jusqu’en 2026.
  • D’ici décembre 2026, on sait que les dépenses mondiales en services et produits de cybersécurité augmenteront de 8,4 %. La nécessité de remédier aux vulnérabilités des réseaux, des applications et des systèmes à la suite des cyberattaques continues des entreprises et des particuliers sont des éléments susceptibles de stimuler la croissance.

  • On estime que l’industrie de la cybersécurité vaut 156,24 milliards de dollars américains en 2020 et devrait croître à un TCAC de 14,5 % de 2021 à 2026, pour atteindre 350,25 milliards de dollars américains.
  • Les produits et services de sécurité de l’information ont généré 144 milliards de dollars de revenus en 2018, en baisse de 12,4 % par rapport à 2017, selon Gartner Inc.
  • Selon Prédictions de Gartnerles revenus de la sécurité de l’information passeront de 124 milliards de dollars en 2019 à 170,4 milliards de dollars en 2022. De plus, selon leur analyse, les dépenses des utilisateurs finaux pour la sécurité du cloud ont augmenté de 4,1 % entre 2020 et 2021.

Défis de cybersécurité criants

Vous pourriez être surpris d’apprendre que l’erreur humaine est responsable de 95 % des failles de cybersécurité, selon un recherche Google. Ces erreurs peuvent inclure tout, du téléchargement d’une pièce jointe infectée par un virus à l’utilisation d’un mot de passe faible pour accéder à un site Web non sécurisé. Selon des études, les attaques de phishing figurent parmi les cyber-événements les plus courants, les escroqueries au PDG, les vols d’ordinateurs et les attaques de ransomware. Les effets de ces attaques sont impressionnants, même s’ils semblent faciles à gérer. Dans les petites et moyennes entreprises (PME), les violations de données coûtent, en moyenne, 3,9 millions de dollars. Les quatre premiers sont les quatre premiers : surveillance des données à grande échelle, rotation plus lente, manque de compréhension des menaces et modèles de conformité organisationnelle.

Enquêter sur les attaques de cybersécurité courantes

La cybercriminalité est en constante évolution, les pirates affinant constamment leurs tactiques pour faire le plus de dégâts, ce qui complique les problèmes décrits dans la section précédente. Malware qui peut modifier sa source pour éviter la détection composite 93,67 % de logiciels malveillants observés en 2019. De plus, la même année, 53 % des PC grand public et 50 % des ordinateurs commerciaux ont rechuté. Pour éradiquer ce virus de sa source, l’action et la sensibilisation sont vitales.

Nous devrions tous être conscients des exemples suivants de menaces de cybersécurité typiques que les pirates intelligents ont intelligemment créées.

• Hameçonnage

Lorsqu’un pirate utilise le technique d’ingénierie sociale par hameçonnage, ils envoient un e-mail contenant un lien dangereux. En cliquant sur le lien, vous pouvez leur donner accès à votre ordinateur afin qu’ils puissent vous infecter avec un bogue et voler toutes vos données personnelles.

• Attaques matérielles et logicielles

Si le matériel et les logiciels de votre système ne sont pas mis à jour vers les dernières versions, l’absence de mises à jour de sécurité critiques peut constituer un risque. Il peut être introduit dans des « portes dérobées » ou des « chevaux de Troie » et accéder au système.

• Intrusions réseau

Les données entrant et sortant d’un point de terminaison du réseau peuvent être empêchées par des acteurs malveillants et décryptées. S’ils ne sont pas pris à temps, ils peuvent le modifier, le trafiquer ou l’utiliser illégalement.

• Violations de données dans le cloud

Alors que de plus en plus de personnes utilisent des clouds privés et publics, les données non chiffrées stockées sont une invitation ouverte aux pirates malveillants. Les données enregistrées dans le cloud peuvent également être aggravées en raison d’interfaces ou d’API non fiables, d’un contrôle d’accès insuffisant et d’une architecture de sécurité inadéquate.

• Logiciels malveillants pour appareils mobiles

Les systèmes d’exploitation internes des appareils mobiles peuvent devenir non fiables en raison de ce logiciel malveillant dangereux qui peut réduire leur fonctionnalité. Cela se produit souvent à la suite d’URL non sécurisées en ligne. De plus, les applications téléchargées avec des failles de sécurité contribuent également aux problèmes de virus mobiles.

• Attaques de rançongiciels

L’un des types de cyberattaques les plus courants est rançongiciel, où les attaquants envoient un virus sur les ordinateurs portables et les smartphones personnels des utilisateurs pour accéder aux données de ces appareils et les utiliser. Ils veulent alors une rançon pour vous y donner à nouveau accès.

Comment les tests d’intelligence artificielle peuvent-ils améliorer la cybersécurité ?

Un avantage notable des tests d’IA est qu’ils réduisent considérablement certains travaux à forte intensité de main-d’œuvre connus pour être chronophages, tels que la surveillance de la sécurité, qui est incontestablement une perte de temps importante pour les experts en sécurité informatique. Les tests d’IA peuvent effectuer ce travail répétitif, plutôt que d’avoir à surveiller plusieurs gadgets. Pour appliquer une cybersécurité appropriée, réduire les surfaces d’attaque et détecter les comportements malveillants, les tests d’IA et d’apprentissage automatique doivent être sur le col.

Approche du cycle de vie pour l'amélioration continue de la cybersécurité

Examinons quelques domaines cruciaux supplémentaires où les tests d’IA s’avèrent d’une importance primordiale :

• Déplacer une grande quantité d’informations

Chaque jour, les données de plus de 2,5 quintillions octets sont produits. Les technologies d’intelligence artificielle (IA) peuvent aider à automatiser le traitement des données. Cela donne un sens à de grandes quantités de données qu’il serait impossible pour les humains de comprendre de manière utilisable. Les experts en sécurité ne peuvent pas évaluer et classer toutes les informations car les entreprises sont confrontées à des millions de risques. Par conséquent, il est difficile pour les experts en sécurité d’anticiper les dangers avant qu’ils ne détruisent les systèmes informatiques. Les tests d’intelligence artificielle peuvent identifier de nombreuses menaces et problèmes de cybersécurité sans analystes humains.

• Analyse comportementale

En analysant la façon dont les utilisateurs interagissent généralement avec leurs appareils, les algorithmes ML sont suffisamment intelligents pour apprendre et créer un modèle de comportement des utilisateurs.

Les tests d’IA signalent l’utilisateur comme suspect et le bloquent éventuellement s’il remarque un comportement inhabituel et inattendu. Ces actions incluent la modification de la vitesse de frappe de l’utilisateur ou la tentative d’accès au système à des heures impaires.

• Capacité d’analyser et de comprendre les données

Les tests d’IA analysent des millions d’événements et détectent un large éventail de menaces. Ces menaces incluent les logiciels malveillants qui exploitent les vulnérabilités du jour zéro, les tentatives de phishing et les téléchargements de codes malveillants. En conséquence, l’IA et le ML sont devenus des technologies essentielles de sécurité de l’information. Les entreprises peuvent mieux comprendre les dangers et y réagir plus rapidement grâce à ces informations. Cela les aide également à respecter les meilleures procédures de sécurité.

• Détection de spam

La détection de spam, comme d’autres types d’ingénierie sociale assistée par le traitement du langage naturel (NLP), est un sous-domaine de l’apprentissage en profondeur.

En général, la PNL utilise une variété de techniques statistiques et apprend de manière approfondie les modèles typiques de communication verbale et non verbale pour identifier et empêcher le contenu de spam.

• Systèmes de détection et de prévention des intrusions (ID/IP)

Ces systèmes peuvent détecter les activités réseau nuisibles, protéger contre les intrusions et alerter les utilisateurs des dangers potentiels. Les systèmes qui utilisent l’identification et l’adresse IP sont souvent utiles pour traiter les violations de données et améliorer la sécurité des informations des utilisateurs.

De plus, il est possible d’assurer un fonctionnement plus efficace des systèmes ID/IP en utilisant des réseaux de neurones d’apprentissage en profondeur, récurrents et convolutifs. Les méthodes ci-dessus permettront aux équipes de sécurité de distinguer plus facilement les activités réseau sûres et risquées. De plus, il améliore la précision de l’analyse du trafic et diminue la fréquence des fausses alarmes.

• Détection rapide de divers types de menaces

Lorsqu’il s’agit de pirater des réseaux, les cybercriminels deviennent de plus en plus compétents et rapides. L’utilisation de technologies de pointe telles que l’apprentissage automatique facilite la détection des cyberattaques. Cependant, il est difficile pour les humains de garder une trace de tous les systèmes connectés pour tous les dangers possibles. Ces données sont utilisées pour éduquer les appareils alimentés par l’IA, qui peuvent apprendre des données du monde réel et numériques.

Conclusion : le potentiel des tests d’IA dans la cybersécurité

L'IA dans la cybersécurité

Étant donné l’intérêt croissant L’IA dans la cybersécurité, il est réaliste de supposer qu’à l’avenir, nous verrons des solutions encore plus sophistiquées, capables de résoudre des difficultés commerciales encore plus difficiles et complexes. En automatisant la détection des menaces, les tests d’intelligence artificielle s’efforceront de sauver la cybersécurité et de contribuer à la sécurité d’Internet.

Les professionnels de la sécurité informatique utilisent désormais l’IA pour appliquer des procédures de cybersécurité solides. Réduit la surface d’attaque et suit les activités malveillantes. En outre, il évalue et traite de gros volumes de données et évalue le comportement humain.

Il ne s’agit en aucun cas d’une liste exhaustive de ses fonctions. Adopter la technologie aujourd’hui et suivre l’évolution est préférable si vous voulez être mieux préparé pour l’avenir de la cybersécurité des tests d’IA.

Crédit d’image en vedette : fourni par l’auteur ; Merci!

Timothée Joseph

Timothée Joseph

Rédacteur technique chez QASource

Je suis Timothy Joseph, un expert en test avec plus de 10 ans d’expérience dans QASource. Bref, un technicien qui aime étudier les sommets de la technologie et de la créativité d’aujourd’hui !

Découvrez FathomNet : une base de données d’images open source qui utilise l’intelligence artificielle et des algorithmes d’apprentissage automatique pour aider à traiter l’arriéré de données visuelles afin de comprendre notre océan et ses habitants

L’océan change à un rythme sans précédent, ce qui rend difficile le maintien d’une gestion responsable tout en surveillant visuellement de grandes quantités de données marines. La quantité et le taux de collecte de données nécessaires dépassent notre capacité à les traiter et à les analyser rapidement alors que la communauté des chercheurs cherche des bases de référence. Le manque de cohérence des données, un formatage incorrect et le désir d’ensembles de données étiquetés et significatifs ont tous contribué au succès limité des progrès récents de l’apprentissage automatique, qui ont permis une analyse visuelle des données plus rapide et plus complexe.

Pour répondre à cette exigence, plusieurs instituts de recherche ont travaillé avec MBARI pour accélérer la recherche océanique, en utilisant les capacités de l’intelligence artificielle et de l’apprentissage automatique. L’un des résultats de ce partenariat est FathomNet, une base de données d’images open source qui utilise des algorithmes de traitement de données de pointe pour normaliser et agréger des données étiquetées soigneusement sélectionnées. L’équipe estime que l’utilisation de l’intelligence artificielle et de l’apprentissage automatique sera le seul moyen d’accélérer les études critiques sur la santé des océans et de supprimer le goulot d’étranglement dans le traitement des images sous-marines. Des détails sur le processus de développement derrière cette nouvelle base de données d’images peuvent être trouvés dans une récente publication de recherche dans Scientific Reports.

L’apprentissage automatique a historiquement transformé le domaine de l’analyse visuelle automatisée, en partie grâce à de grands volumes de données annotées. En ce qui concerne les applications terrestres, les ensembles de données de référence vers lesquels les chercheurs en apprentissage automatique et en vision par ordinateur affluent sont ImageNet et Microsoft COCO. Pour fournir aux chercheurs un modèle riche et engageant pour l’analyse visuelle sous-marine, l’équipe a créé FathomNet. Afin d’établir une ressource de formation en images sous-marines hautement maintenue et librement accessible, FathomNet combine des images et des enregistrements provenant de nombreuses sources différentes.

Les chercheurs du MBARI Video Lab ont soigneusement annoté des données représentant près de 28 000 heures de vidéo en haute mer et plus d’un million de photos en haute mer que MBARI a recueillies sur 35 ans. Environ 8,2 millions d’annotations documentant les observations d’animaux, d’écosystèmes et d’objets sont présentes dans la vidéothèque MBARI. Cet ensemble de données complet constitue un outil inestimable pour les chercheurs de l’institut et leurs collaborations internationales. Plus de 1 000 heures de données vidéo ont été collectées par le laboratoire de technologie d’exploration de la National Geographic Society à partir de divers habitats et lieux marins à travers les bassins océaniques. Ces enregistrements ont également été utilisés dans la plate-forme d’analyse collaborative basée sur le cloud développée par CVision AI et annotée par des experts de l’Université d’Hawaï et d’OceansTurn.

De plus, en 2010, l’équipe d’exploration océanique de la National Oceanic and Atmospheric Administration (NOAA) à bord du navire NOAA Okeanos Explorer a collecté des données vidéo à l’aide d’un système à deux véhicules télécommandé. Pour annoter plus largement les vidéos collectées, ils ont commencé à financer des taxonomistes professionnels en 2015. Au départ, ils ont collecté des annotations par l’intermédiaire de scientifiques bénévoles participants. Une partie de l’ensemble de données MBARI, ainsi que des documents de National Geographic et de la NOAA, sont tous inclus sur FathomNet.

Comme FathomNet est open source, d’autres institutions peuvent facilement y contribuer et l’utiliser à la place des méthodes conventionnelles qui consomment plus de temps et de ressources pour traiter et analyser les données visuelles. De plus, MBARI a lancé une initiative pilote pour utiliser des modèles d’apprentissage automatique formés sur les données FathomNet pour analyser les vidéos prises par des véhicules sous-marins télécommandés (ROV). L’utilisation d’algorithmes d’IA a décuplé le taux d’étiquetage et réduit l’effort humain de 81 %. Les algorithmes d’apprentissage automatique basés sur les données de FathomNet pourraient révolutionner l’exploration et la surveillance des océans. Un exemple comprend l’utilisation de véhicules robotiques équipés de caméras et d’algorithmes d’apprentissage automatique améliorés pour la recherche et la surveillance automatiques de la vie marine et d’autres choses sous l’eau.

Avec des contributions continues, FathomNet dispose actuellement de 84 454 images reflétant 175 875 emplacements de 81 collections différentes pour 2 243 concepts. L’ensemble de données comptera bientôt plus de 200 millions d’observations après avoir obtenu 1 000 observations indépendantes pour plus de 200 000 espèces animales dans diverses positions et configurations d’image. Il y a quatre ans, le manque de photos annotées empêchait l’apprentissage automatique d’examiner des milliers d’heures de film océanique. En libérant des découvertes et en permettant aux explorateurs, aux scientifiques et au grand public d’utiliser des outils pour accélérer le rythme de la recherche océanique, FathomNet transforme néanmoins cette vision en réalité.

FathomNet est une illustration fantastique de la façon dont la collaboration et la science communautaire peuvent faire progresser notre compréhension de l’océan. L’équipe pense que l’ensemble de données peut aider à accélérer la recherche océanique lorsque la compréhension de l’océan est plus cruciale que jamais, en utilisant les données de MBARI et d’autres contributeurs comme base. Les chercheurs soulignent également leur désir que FathomNet fonctionne comme une communauté où les aficionados de l’océan et les explorateurs de tous horizons peuvent partager leurs connaissances et leurs compétences. Cela servira de tremplin pour résoudre des problèmes avec les données visuelles océaniques qui autrement ne seraient pas réalisables sans une large participation. Pour accélérer le traitement des données visuelles et créer un océan durable et sain, FathomNet est constamment amélioré pour inclure davantage de données labellisées par la communauté.

This Article is written as a research summary article by Marktechpost Staff based on the research paper 'FathomNet: A global image
database for enabling artifcial intelligence in the ocean'. All Credit For This Research Goes To Researchers on This Project. Check out the paper, tool and reference article.
Please Don't Forget To Join Our ML Subreddit


Khushboo Gupta est consultant stagiaire chez MarktechPost. Elle poursuit actuellement son B.Tech de l’Indian Institute of Technology (IIT), Goa. Elle est passionnée par l’apprentissage automatique, le traitement du langage naturel et le développement Web. Elle aime en apprendre davantage sur le domaine technique en participant à divers défis.