L'intelligence artificielle simplifiée

Publié le : 31 octobre 2018 / Mise à jour à partir du : 8 avril 2019 - Auteur : Konrad Wolfenstein

L'intelligence artificielle expliquée simplement. Maintenir une vue d’ensemble dans la masse, par exemple Big Data ? Cela n’est possible que si vous suivez certains schémas ou si vous vous laissez guider.

Une auto-expérience : Vous avez une certaine image dans votre tête. Aujourd’hui, ce devrait être une armoire rouge avec des poignées blanches. Que fais-tu?

Vous saisissez « armoire rouge, poignées blanches » dans la recherche Google.

Rendement? Modeste.

2ème tentative : Vous saisissez « armoire rouge, poignées blanches » dans la recherche Google.

Le résultat est déjà meilleur, mais pourrait certainement être encore meilleur.

Le premier pas dans la programmation se fait avec la recherche Google. La collection de requêtes de recherche et leur conversion en algorithmes et codes forment le réseau neuronal.

L’apprentissage automatique, comme le montre le graphique du haut, n’est donc pas destiné à une mise en œuvre rapide. Cela demande beaucoup de temps et de travail. Cela explique également les coûts de développement correspondants. Mais si l’on considère que l’IA n’a pas de vacances, pas de pension ou autres pertes naturelles, les choses semblent complètement différentes.

Mais le meuble rouge aux poignées blanches sera-t-il encore d’actualité demain ? Est-ce que cela correspond toujours au style de vie ? Les goûts changent. C’est exactement là que l’apprentissage profond entre en jeu. Pour rester avec notre exemple : au fur et à mesure que la recherche se poursuit, l'IA apprend et reconnaît comment votre comportement de recherche a changé en fonction des autres sujets qui vous intéressent et développe indépendamment de nouveaux algorithmes pour « anticiper » que vous aurez une armoire verte dans un année avec des poignées bleues pourrait être d'un intérêt pour la cuisine.

Terrible? Pour certains, c'est effrayant. Mais ce n’est en réalité pas le cas. La peur de l’inconnu nous joue des tours. Si nous demandions à un groupe de personnes ce qui pourrait vous intéresser à la télévision demain, vous obtiendriez diverses réponses. Pas uniforme. Maintenant, comment décidez-vous quelle proposition vous accepteriez ? S’agit-il de l’apport professionnel ou de l’apparence attractive de la personne en question ?

C'est la même chose avec l'IA. La déclaration dépend de la faiblesse ou de la force du réseau neuronal qui a été « programmé ». Il s'agit d'analyser des modèles pour nous aider à prendre une bonne décision. Pas pour nous contrôler. Parce que si nous ne parvenons pas à analyser les modèles du Big Data, nous sombrerons sans pitié. Et c’est là le véritable scénario d’horreur.