Modèles d'intelligence artificielle

De nos jours, la technologie est omniprésente. La société a régulièrement évolué vers une automatisation et une numérisation accrues, qui n'ont été qu'exacerbées par la pandémie de COVID-19. Les commandes de travail à domicile et les fermetures de magasins ont consolidé la société moderne en tant qu'ère numérique.

L'automatisation et la numérisation accrues ont été rendues possibles grâce à l'intelligence artificielle. L'intelligence artificielle consiste à faire en sorte que les ordinateurs et les machines prennent des décisions comme les humains. En programmant les ordinateurs pour qu'ils imitent les schémas de pensée humains, ils sont en mesure d'effectuer certains aspects de notre travail. Bien qu'il s'agisse d'une idée effrayante (les films de science-fiction où les robots prennent le contrôle du monde), l'intelligence artificielle peut rendre les processus beaucoup plus efficaces et souvent plus précis.

Il existe différents modèles d'intelligence artificielle.

• Les modèles d'intelligence artificielle sont les outils et les algorithmes utilisés pour apprendre aux ordinateurs à traiter et à analyser les données, comme le font les humains.
• L'apprentissage automatique est une vaste catégorie qui relève du modèle de l'intelligence artificielle, dans laquelle on apprend aux ordinateurs à penser par eux-mêmes et à développer leurs propres algorithmes après avoir traité de grandes quantités de données.
• D'autres modèles d'intelligence artificielle nécessitent la programmation d'un algorithme dans l'ordinateur et apprennent à ajuster l'algorithme en fonction de l'expérience acquise.
• Enfin, il existe également des modèles qui n'ont pas du tout la capacité d'apprendre par eux-mêmes - ils fonctionnent uniquement selon l'algorithme préprogrammé et ont bes^oin de l'intervention de l'homme.1

Par exemple, Google Maps et d'autres applications de navigation utilisent des modèles d'intelligence artificielle pour nous guider vers nos destinations. La machine se souvient des bords des bâtiments qu'elle a appris en utilisant les données d'autres voyageurs et en entrant des données par le biais d'un algorithme. Comme les gens utilisent l'application au quotidien, le modèle incorpore les données recueillies lors de ces déplacements et peut fournir des infor^mations plus précises sur les itinéraires en reconnaissant les changements dans le flux de la circulation.2

Cependant, une grande question demeure : les modèles d'intelligence artificielle améliorent-ils l'humanité et la société ou risquent-ils de rendre les humains superflus ? Voici deux opinions différentes :

"Le développement d'une intelligence artificielle complète pourrait sonner le glas de la race humaine... Elle se mettrait en marche toute seule et se redessinerait à un rythme de plus en plus rapide. Les humains, qui sont limités par la lenteur de l'évolution biologique, ne pourraient pas rivaliser et seraient supplantés".

- Stephen Hawking, physicien théoricien anglais, qui a découvert que les trous noirs émettent des radiations et a été le premier à découvrir une théorie de la relativité et de la mécanique quantique.3

"Certains parlent d'intelligence artificielle, mais en réalité, cette technologie nous améliorera. Donc, au lieu d'intelligence artificielle, je pense que nous augmenterons notre intelligence".

- Ginni Rometty, chef d'entreprise américaine qui a été la première femme à occuper le poste de présidente-dir^ectrice générale d'IBM.3

Intelligence artificielle : branche de l'informatique dans laquelle l'ingénierie des machines imite la résolution de problèmes et la prise de décision par l'homme. Elle est à l'opposé de "l'intelligence naturelle", doⁿt font preuve les humains et les animaux.4

L'effet de l'intelligence artificielle : un phénomène par lequel les gens ne voient plus l'intelligence artificielle pour ce qu'elle est après qu'elle se soit répandue dans la vie quotidienne. Elle est perçue comme un outil parce que nous sommes tellement habitués à ce que la technologie accomplisse une tâche et dissimule le travail qu'elle accomplit. Par exemple, vous ⁿe pensez probablement pas que l'utilisation de Google Maps fait appel à un modèle d'intelligence artificielle!5

Apprentissage automatique : processus par lequel un ordinateur tente d'apprendre à partir du passé. Les données sont introduites dans une machine, passent par un algorithme (un modèle d'intelligence artificielle) et produisent un résultat. Si l'ordinateur renvoie un résultat correct, il confirme l'algorithme. S'il se trompe, il ajus^te son algorithme en conséquence.6

Réseaux neuronaux : Les modèles artificiels sont conçus avec des réseaux neuronaux. Les réseaux neuronaux imitent la façon dont les neurones de notre cerveau interagissent les uns avec les autres ^- une entrée déclenche une réponse et crée une sortie.6

Apprentissage en profondeur : L'apprentissage en profondeur est le mode de fonctionnement de l'apprentissage automatique. Alors que certains modèles d'intelligence artificielle sont construits en entrant d'abord un algorithme, l'apprentissage profond est une techniqu^e dans laquelle la machine développe un algorithme après avoir rencontré de grandes quantités de données.4

Machine de Turing : une machine de Turing est une machine hypothétique développée par le mathématicien Alan Turing en 1936. Il s'agit d'une machine qui, en changeant les données en 0 et en 1 (en simplifiant les données à l'essentiel), pe^ut simuler n'importe quel algorithme informatique.7

Modèles d'apprentissage automatique supervisé : modèles d'intelligence artificielle qui nécessitent une formation humaine. Des personnes marqueront des ensembles de données et le modèle apprendra de ^la manière dont les humains analysent les données.8

Modèles d'apprentissage automatique non supervisés : modèles d'intelligence artificielle qui ne nécessitent aucune intervention humaine. Ces modèles sont formés par un logiciel qui identifie des modèles afⁱn que l'ordinateur puisse les imiter.8

Modèles d'apprentissage automatique semi-supervisés : modèles d'intelligence artificielle qui combinent des approches d'apprentissage automatique supervisées et non supervisées, utilisant à la fois la formation humaine et la formation logicielle.8

Les mathématiciens Alonzo Church et Alan Turing ont été les premiers à utiliser l'informatique comme outil de raisonnement formel. Ils ont développé la thèse Church-Turing en 1936, qui suggère que tout calcul du monde réel peut être traduit en un calcul équivalent impliquant une machine de Turing. Cette thèse a été développée peu après que Turing a mis au point la machine de Turing, et a ouvert le champ des possibles pour l'apprentissage informatique. Les gens ont commencé à croire qu'il était possible d^e construire un cerveau électronique.9

L'accès aux ordinateurs n'étant pas très répandu en 1936, il a fallu quelques années pour que le "cerveau électronique" devienne une théorie nuancée. Le modèle de Turing n'était qu'hypothétique, mais en 1943, le neuroscientifique Warren Sturgis McCulloch et le logicien Walter Harry Pitts l'ont formalisé et ont créé la première théorie informatique de l'esprit et du cerveau. Dans leur article intitulé "A Logical Calculus of the Ideas Immanent in Nervous Activity", ils expliquent comment les ^mécanismes neuronaux des ordinateurs peuvent réaliser des fonctions mentales.10

Cependant, l'intelligence artificielle n'est devenue une réalité qu'en 1949, car les ordinateurs ne pouvaient pas stocker de commandes. Bien qu'ils puissent les exécuter, ils ne pouvaient pas conserver un modèle d'intelligence artificielle. Personne n'avait encore fait de cette réalité une possibilité, car l'informatique était très coûteuse. Le terme "intelligence artificielle" n'a été inventé qu'en 1955, et c'est cette même année que les informaticiens et psychologues cognitifs Allen Newell, Cliff Shaw et Herbert Simon ont créé une preuve de concept pour l'intelligence artificielle. Ils ont mis au point le Logic Theorist, un programme qui util^isait l'intelligence artificielle pour imiter les capacités de résolution de problèmes d'un être humain.11

Dès lors, nombreux sont ceux qui s'intéressent au développement de modèles d'intelligence artificielle. En 1997, l'informaticien américain Tom Mitchell a donné une définition plus fine de l'intelligence artificielle que celle qui avait été exprimée auparavant. Il l'a définie comme suit : "on dit qu'un programme informatique apprend de l'expérience E en ce qui concerne une tâche T et une mesure de performance P, si sa performance sur T^, telle que mesurée par P, s'améliore avec l'expérience E". 12

Reprenons l'exemple de Google Maps. Si vous voulez qu'un ordinateur prédise les schémas de circulation (tâche T), vous devez faire passer un programme par un modèle d'intelligence artificielle avec des données sur les schémas de circulation passés (expérience E) et, une fois qu'il a appris avec succès, il sera plus performant pour prédire ^les schémas de circulation futurs (performance P).12

Il existe des centaines d'utilisations pratiques et importantes des modèles d'intelligence artificielle. Les modèles d'IA contribuent à rendre l'analyse et le traitement des données plus efficaces et à accroître l'automatisation. Les modèles d'apprentissage profond et d'intelligence artificielle révolutionnent la société.

Au départ, les modèles d'intelligence artificielle étaient des machines réactives qui ne pouvaient pas stocker de mémoire, ce qui signifie qu'elles ne pouvaient pas apprendre par l'expérience. Aujourd'hui, tous les ordinateurs d'intelligence artificielle peuvent stocker de la mémoire, ce qui signifie que les machines deviennent de plus en plus performantes dans l'analyse des données. Ces machines rendent les processus plus efficaces, réduisent le besoin d'interven^tion humaine (et donc l'erreur humaine) et peuvent aider les organisations à comprendre comment améliorer leurs fonctions.14

Les modèles d'apprentissage automatique et les modèles d'intelligence artificielle qui n'apprennent pas uniquement à partir de l'expérience mais utilisent des algorithmes préprogrammés présentent tous deux des avantages. Ceux qui utilisent des algorithmes préprogrammés peuvent traiter rapidement les données et fournir les résultats souhaités. Ils n'ont pas besoin de temps supplémentaire pour "apprendre" ce qu'il faut faire, mais seulement pour affiner leurs processus, ce qui nécessite des machines plus simples et moins coûteuses. L'apprentissage automatique, bien que plus coûteux, peut traiter des données plus complexes et est autonome, ce qui ne nécessite pas autant d'intervention humaine.

Les modèles d'intelligence artificielle suscitent de nombreuses controverses éthiques.

La première est que de nombreux modèles d'intelligence artificielle sont utilisés pour "sonder" notre comportement, qu'il s'agisse de notre empreinte numérique ou de la reconnaissance faciale, et que nous ne savons pas exactement comment les données sont utilisées ou stockées.

En ce qui concerne l'apprentissage automatique, étant donné que les modèles d'intelligence artificielle apprennent par eux-mêmes, le manque de transparence des outils d'i^ntelligence artificielle est une préoccupation éthique.15 Pour les modèles qui ne respectent pas l'apprentissage automatique, il peut y avoir des biais dans les algorithmes qui sont introduits dans les programmes. Par exemple, la reconnaissance faciale a suscité une vive controverse après qu'il est apparu que cette technologie était nettement moins précise pour reconnaître les visages des personnes noires. Cela s'explique par le fait que les modèles ont été créés par une équipe majoritairement blanche qui, elle-même, n'était pas aussi ^précise lorsqu'il s'agissait de faire la distinction entre des personnes de couleur. Leurs préjugés ont été intégrés dans le modèle d'intelligence artificielle.16

La question se pose également de savoir si les modèles d'intelligence artificielle peuvent intégrer la moralité dans leur programmation. Si une voiture autonome (conduite par elle-même) se trouve dans une situation où un piéton sera heurté si elle ne freine pas brusquement, elle doit décider entre la sécurité des personnes à bord de la voiture et celle du piéton - comment un ordinateur pe^ut-il prendre cette décision?15

Certains pensent également que l'intelligence artificielle réduit notre humanité et ce qui est naturel. Des phénomènes tels que les "bébés sur mesure", qui permettent de choisir les gènes d'un enfant, font l'objet d'un débat sur la question de savoir s'ils s'éloignent de ce qui est naturel. De telles innovations nous obligent à considérer les aspects moraux et éthiques de l'intelligence artificielle. Comme l'a déclaré le président exécutif du Forum économique mondial, Klaus Schwab, "nous devons aborder, individuellement et collectivement, les questions morales et éthiques soulevées par la recherche de pointe en intelligence artificielle et en biotechnologie, qui ^permettra de prolonger considérablement la durée de vie, de créer des bébés sur mesure et d'extraire la mémoire". 3

En médecine

Les modèles d'intelligence artificielle peuvent détecter le cancer chez les patients. En analysant les radiographies et les images CRT, ils sont capables de détecter les anomalies du corps humain liées au cancer. Depuis que ces modèles sont soumis à l'apprentissage automatique, ils sont de plus en plus précis et capables de reconnaître même les ca^ncers anormaux, car ils ont appris par l'expérience.17

Dans la communication

Vous êtes-vous déjà demandé comment nos téléphones prédisent ce que nous allons dire ensuite ? Nos téléphones nous suggèrent le mot suivant dans un SMS ou prédisent la fin de la phrase dans un courriel. Ils nous donnent également des suggestions lorsqu'ils pensent que nous avons mal orthographié un mot. Tout cela est possible grâce à des modèles d'intelligence artificielle, où nos téléphones analysent nos communications précédentes (et les modèles de communi^cation de la population en général) pour prédire ce que nous voulons dire ensuite.2

Chatbots et assistants numériques

Les chatbots ont pris le pas sur les agents du service client, qu'il s'agisse d'Alexa ou de Siri. Les chatbots peuvent répondre efficacement aux questions les plus fréquentes en analysant la question du client et en la rapprochant de ses expériences passées. Les assistants numériques écoutent votre voix, traitent et an^alysent les données et exécutent la fonction souhaitée.2

Annonces ciblées

Nous avons tous entendu parler des théories du complot selon lesquelles nos téléphones nous écoutent, mais nos téléphones stockent tellement de données sur nous qu'ils n'ont pas besoin de nous écouter pour remplir nos médias sociaux de publicités ciblées. Sur la base de vos recherches précédentes, des recherches effectuées par les personnes de votre réseau et de marqueurs démographiques, des modèles d'intelligence a^rtificielle prédisent les produits que vous êtes le plus susceptible d'acheter et vous les présentent sur vos fils d'actualité.2

Combiner l'IA et les sciences du comportement de manière responsable

L'intelligence artificielle est utilisée pour révolutionner tous les domaines, y compris les sciences du comportement. L'expression "intelligence artificielle" étant un peu à la mode et englobant de nombreuses variantes de l'apprentissage par ordinateur, cet article aide à définir ce qu'est exactement l'intelligence artificielle et la manière dont elle est utilisée, tant positivement que négativement. Notre collaborateur Julian Hazell se demande si l'intelligence artificielle nous permet réellement de mieux comprendre le comportement humain ou si nous la programmons pour renforcer nos croyances préexistantes.

La gouvernance de l'IA

De nos jours, les données sont l'une des ressources les plus précieuses (parfois plus que l'argent) et elles régissent une grande partie de notre vie. Les données déterminent les publicités qui nous sont présentées, les produits que nous achetons, nos goûts et nos aversions. Tous nos choix sont en quelque sorte guidés par les données. Cependant, dans cet article, nos contributeurs Mark Esposito, Danny Goh, Josh Entsminger et Terence Tse se demandent si nous devrions nous sentir à l'aise dans une société où notre comportement est façonné par l'IA ou, plus important encore, par les personnes qui contrôlent l'IA. Ils posent la question suivante : qui est responsable de l'éthique de l'utilisation de l'IA et du partage des données ?

1. Qu'est-ce qu'un modèle d'IA ? Voici ce qu'il faut savoir. (2021, 6 juillet). viso.ai. https://viso.ai/deep-learning/ml-ai-models/
2. Reeves, S. (2020, 10 août). 8 exemples utiles d'intelligence artificielle au quotidien. IoT For All. https://www.iotforall.com/8-helpful-everyday-examples-of-artificial-intelligence
3. Marr, B. (2017, 25 juillet). 28 Meilleures citations sur l'intelligence artificielle. Forbes. https://www.forbes.com/sites/bernardmarr/2017/07/25/28-best-quotes-about-artificial-intelligence/?sh=115b1a8a4a6f
4. Apprentissage profond. (2021, 1er octobre). The Decision Lab. https://thedecisionlab.com/reference-guide/computer-science/deep-learning/
5. Qu'est-ce que l'effet de l'IA et est-il appelé à se reproduire ? (2020, 3 décembre). ThinkAutomation. https://www.thinkautomation.com/bots-and-ai/what-is-the-ai-effect-and-is-it-set-to-happen-again/
6. Apprentissage automatique. (2021, 7 octobre). The Decision Lab. https://thedecisionlab.com/reference-guide/computer-science/machine-learning/
7. Mullins, R. (2012). Raspberry Pi. Département d'informatique et de technologie. https://www.cl.cam.ac.uk/projects/raspberrypi/tutorials/turing-machine/one.html
8. Soha, G. (24 mai). Qu'est-ce qu'un modèle d'IA ? Reveal Brainspace. Consulté le 1er novembre 2021 sur le site https://resource.revealdata.com/en/blog/what-is-an-ai-model
9. Rustagi, D. (2020, 20 mai). Thèse de Church pour la machine de Turing. GeeksforGeeks. https://www.geeksforgeeks.org/churchs-thesis-for-turing-machine/
10. Piccinini, G. (2004). La première théorie computationnelle de l'esprit et du cerveau : A close look at Mcculloch and Pitts's "Logical calculus of ideas immanent in nervous activity". Synthèse, 141(2), 175-215. https://doi.org/10.1023/b:synt.0000043018.52445.3e
11. Anyoha, R. (2017, 28 août). L'histoire de l'intelligence artificielle. La science dans l'actualité. https://sitn.hms.harvard.edu/flash/2017/history-artificial-intelligence/
12. McCrea, N. (2014, 8 août). Introduction à la théorie de l'apprentissage automatique et à ses applications : Un tutoriel visuel avec des exemples. Toptal Engineering Blog. https://www.toptal.com/machine-learning/machine-learning-theory-an-introductory-primer
13. Press, G. (2016, 30 décembre). Une très courte histoire de l'intelligence artificielle (IA). Forbes. https://www.forbes.com/sites/gilpress/2016/12/30/a-very-short-history-of-artificial-intelligence-ai/?sh=398b8256fba2
14. McKinsey. (2018, 25 avril). Le potentiel et les limites de l'intelligence artificielle dans le monde réel. McKinsey Podcast [épisode de podcast audio]. https://www.mckinsey.com/featured-insights/artificial-intelligence/the-real-world-potential-and-limitations-of-artificial-intelligence
15. Intelligence artificielle : exemples de dilemmes éthiques. (2020, 2 octobre). UNESCO. Consulté le 1er novembre 2021 à l'adresse suivante : https://en.unesco.org/artificial-intelligence/ethics/cases
16. Najibi, A. (2020, 24 octobre). Racial Discrimination in Face Recognition Technology (Discrimination raciale dans la technologie de reconnaissance des visages). Science in the News. https://sitn.hms.harvard.edu/flash/2020/racial-discrimination-in-face-recognition-technology/
17. Cruz, J. A. et Wishart, D. S. (2006). Applications of machine learning in cancer prediction and prognosis (Applications de l'apprentissage automatique dans la prédiction et le pronostic du cancer). Cancer Informatics, 2, 117693510600200. https://doi.org/10.1177/117693510600200030