Qu’est-ce que l’IA ? Comprendre l’impact de l’intelligence artificielle dans le monde réel

L’intelligence artificielle est la technologie la plus discutée et débattue aujourd’hui, générant une adulation et une anxiété généralisées, ainsi qu’un intérêt et des investissements importants de la part du gouvernement et des entreprises. Mais six ans après que l’AlphaGo de DeepMind ait vaincu un champion du Go, d’innombrables articles de recherche montrant les performances supérieures de l’IA sur les humains dans une variété de tâches, et d’innombrables recherches faisant état d’une adoption rapide, quel est l’impact réel de l’IA dans les affaires ?

“2021 a été l’année où l’IA est passée d’une technologie émergente à une technologie mature… Rapport sur l’indice d’IA 2022. La 5e tranche de l’indice mesure l’impact croissant de l’IA de diverses manières, y compris l’investissement privé dans l’IA, le nombre de brevets d’IA déposés et le nombre de projets de loi liés à l’IA qui ont été adoptés par les législatures de 25 pays à travers le monde. .. autour. le monde.

Cependant, il n’y a rien dans le rapport sur «l’impact dans le monde réel» tel que je le définirais – des déploiements d’IA mesurablement réussis, durables et significatifs. Il n’y a pas non plus de définition de « IA » dans le rapport.

Revenant à la première partie du rapport AI Index, publié en 2017, ne donne pas encore de définition de ce sur quoi porte le rapport. Mais l’objectif du rapport est énoncé d’emblée : « … le domaine de l’IA évolue toujours rapidement et même les experts ont du mal à comprendre et à suivre les progrès dans ce domaine. Sans les données pertinentes pour raisonner sur l’état de la technologie de l’IA, nous «volons à l’aveuglette» dans nos conversations et nos prises de décision liées à l’IA.

“Flying blind” est une bonne description, à mon avis, de la collecte de données sur quelque chose que vous ne définissez pas.

Le rapport 2017 a été « créé et lancé comme un projet du Cent ans d’étude sur l’IA at Stanford University (AI100) », publié en 2016. La première partie de cette étude posait la question « qu’est-ce que l’intelligence artificielle ? juste pour fournir la définition circulaire traditionnelle selon laquelle l’IA est ce qui rend les machines intelligentes et que l’intelligence est la “qualité qui permet à une entité de fonctionner correctement et de manière prévisible dans son environnement”.

Alors, les premiers ordinateurs (communément appelés « cerveaux géants ») étaient-ils « intelligents » parce qu’ils pouvaient calculer encore plus rapidement que les humains ? L’étude de cent ans répond “Alors que notre interprétation large place la calculatrice dans le spectre de l’intelligence… la frontière de l’IA a parcouru un long chemin et les fonctions de la calculatrice ne sont qu’une des millions que les smartphones d’aujourd’hui peuvent exécuter.” En d’autres termes, tout ce qu’un ordinateur a fait dans le passé ou fait aujourd’hui est “IA”.

L’étude propose également une “définition opérationnelle”: “L’IA peut aussi être définie par ce que font les chercheurs en IA.” C’est probablement la raison pour laquelle l’AI Index de cette année mesure « l’impact dans le monde réel » et les « progrès » de l’IA, entre autres indicateurs, par le nombre de citations et d’articles sur l’IA (définis comme « IA » par les auteurs des articles). et indexé avec le mot-clé “AI” par les publications).

Au-delà des définitions circulaires, l’étude nous fournit cependant une description claire et concise de ce qui a motivé la soudaine frénésie et la peur autour d’un terme qui a été inventé en 1955 : « Plusieurs facteurs ont alimenté la révolution de l’IA. Le principal d’entre eux est la maturation de l’apprentissage automatique, soutenue en partie par des capacités de cloud computing et une collecte de données généralisée sur le Web. L’apprentissage automatique a été considérablement stimulé par le « deep learning », une forme de réseaux de neurones artificiels adaptatifs entraînés à l’aide d’une méthode appelée rétropropagation. »

En fait, le « machine learning » (terme inventé en 1959) ou apprendre à un ordinateur à trier des données (spam ou non) et/ou à faire une prédiction (si vous avez aimé le livre X, vous aimeriez le livre y), c’est ce qui se passe aujourd’hui. est “IA” est tout au sujet. Plus précisément, depuis sa percée dans la classification d’images en 2012, sa variété plus récente ou “apprentissage profond”, impliquant la classification de données de grandes quantités de données avec de nombreuses caractéristiques.

L’IA apprend à partir des données. La variété AI de 1955, qui a engendré une série de cycles d’expansion et de récession, était basée sur l’hypothèse que « chaque aspect de l’apprentissage ou toute autre caractéristique de l’intelligence peut, en principe, être décrit avec une telle précision qu’une machine peut être fabriquée ». simuler.” Telle était la vision et, dans l’ensemble, elle ne s’est pas matérialisée jusqu’à présent de manière significative et durable, démontrant un «impact réel» significatif.

Un sérieux problème avec ce point de vue était qu’il prédisait l’arrivée dans un avenir pas trop lointain d’une machine dotée de capacités d’intelligence humaine (ou même dépassant les humains), une prédiction réitérée périodiquement par des humains très intelligents, de Turing à Minsky en passant par Hawking. . Ce désir de jouer à Dieu, associé à l’« IA » à l’ancienne, a confondu et confus la discussion (et les actions des entreprises et du gouvernement) de l’« IA » actuelle. C’est ce qui se passe lorsque vous ne définissez pas de quoi vous parlez (ou ne définissez pas l’IA comme ce que font les chercheurs en IA).

La combinaison de nouvelles méthodes d’analyse des données (« rétropropagation »), l’utilisation de matériels spécialisés (GPU) mieux adaptés au type de calcul effectué et, surtout, la disponibilité d’un grand nombre de données (données déjà balisées et classifiées utilisées) pour apprendre à l’ordinateur la classification correcte), c’est ce qui a conduit à la “révolution de l’IA” d’aujourd’hui.

Appelez cela le triomphe de l’analyse statistique. Cette « révolution » est en fait une évolution de 60 ans d’utilisation d’analyses statistiques de plus en plus sophistiquées pour faciliter une grande variété de décisions, d’actions et de transactions commerciales (ou médicales ou gouvernementales, etc.). Cela a été appelé « exploration de données » et « analyse prédictive » et, plus récemment, « science des données ».

L’année dernière, une enquête auprès de 30 000 établissements industriels américains trouvé que “la productivité est significativement plus élevée parmi les usines qui utilisent l’analyse prédictive”. (Incidemment, Erik Brynjolfsson, l’auteur principal de cette étude, est également membre du comité directeur du rapport AI Index depuis sa création.) Il semble qu’il soit possible de trouver un “impact réel” mesurable de “l’IA” tant que vous le définissez correctement.

L’IA apprend à partir des données. Et l’utilisation commerciale réussie et mesurable de l’apprentissage à partir des données est ce que j’appellerais IA pratique.

Leave a Comment

Your email address will not be published.