Idée reçue n°1 : l’IA ne se trompe jamais (elle voit juste des girafes partout) 

Les technologies d’intelligence artificielle ont fait d’énormes progrès. Au cours des trois dernières années, des algorithmes ont humilié les plus grands champions de jeu de go et de poker, ont été autorisés par la FDA à faire des diagnostics tout seuls, ont mis la main sur plus de la moitié des transactions boursières et ont repoussé les frontières de la désinformation. À chaque jalon franchi, le couplet sur la ringardisation de l’humain face aux machines refait surface. Sauf que ces IA ultra performantes sont des exceptions qui confirment une norme encore balbutiante. Prenez Visual Chatbot, un algorithme de description d’images entraîné par des chercheurs de Virginia Tech et proposez–lui une image prise au hasard… Vous pourriez être surpris par sa propension à voir des girafes partout, même dans votre salon. Et s’il tombe juste, demandez-lui d’approfondir sa réponse et il justifiera n’importe quoi. C’est drôle quand il s’agit d’un algorithme d’études, mais beaucoup moins quand c’est « pour de vrai ». Que faire d’un outil détecteur de mélanome qui diagnostique des tumeurs dès qu’il y a une règle graduée sur le cliché ? 

Nulles les IA ? Pas plus, ni moins, que les humains qui les développent. Et ceux-ci commettent fréquemment des erreurs, souvent les mêmes d’ailleurs. Le top 4 : choisir un problème trop vaste qui nécessite de manier un grand nombre d’informations de sources et de typologies différentes (comme le recrutement d’un candidat à partir du film d’un entretien) ; entrainer l’algorithme sur des données trop restreintes, mal filtrées ou inadaptées (comme celles que Tesla a utilisé pour son IA qui a pris un camion pour un panneau de signalisation, car elle avait été essentiellement entraînée avec des images de véhicules vus de dos) ;  se tromper dans la formulation du problème et enfin surestimer la mémoire de l’algorithme. Ce dernier point explique pourquoi la plupart des chatbots dévissent au bout de quelques phrases : ils ne savent plus de quoi ils parlent ! 

Conclusion n°1 : circonvenez précisément le problème que vous voulez résoudre avec l’IA et vérifiez que c’est la solution la mieux adaptée à la situation. 

Idée reçue n°2 : l’IA ne triche pas (mais elle invente ses propres règles) 

Extrait de Business Digest N°302, Décembre 2019 – Janvier 2020

CONNEXION

Se souvenir de moi

Mot de passe oublié ?

Connexion

ABONNEZ-VOUS
À LA PUBLICATION

Voir les formules d’abonnement

L’article 4 mythes démystifiés sur l’IA est apparu en premier sur Business-Digest.

[highlight_box title= »Biographie » text= »En 2009 l’avenir de Thomas Landrain semblait tout tracé… Après une licence de biologie et une année de recherche en Finlande, il venait de décrocher une bourse pour mener une thèse sur les biorécepteurs, et ce, dans un laboratoire de biologie synthétique – le premier du genre en France – qu’il avait lui-même cofondé. Un beau projet, un cadre sur mesure et des moyens conséquents, « mais pour autant, il me manquait quelque chose : la liberté ! J’avais plein d’idées mais j’étais contraint par un cadre très strict. Ce n’était pas la science qui m’avait fait rêver quand j’étais petit. » » img= »https://business-digest.eu:443/wp-content/uploads/2019/02/BD292Landrain.jpg »]

Rendre la biologie à l’humanité

2009 c’était aussi les débuts de l’ère « Do it Yourself » avec ses fablabs, ses makerspaces et ses hackers prônant une pratique de la science hors de ses carcans traditionnels. C’est dans ce contexte que nait un concept de laboratoire ouvert, partagé, collaboratif et citoyen, qui « voulait extirper la biologie des mains des grands acteurs pour la mettre au service de l’homme. » Tout en travaillant sur sa thèse, Thomas Landrain se met à la recherche de partenaires et d’un lieu. En 2011 la Paillasse ouvre finalement ses portes dans un squat
de banlieue.
En peu de temps la Paillasse rassemble une communauté d’une cinquantaine de bénévoles (ingénieurs, artistes et bricoleurs du
dimanche…) et de nombreux projets prennent vie, centrés, entre autres, sur l’élaboration d’équipements de labo accessibles pour baisser le coût d’accès à la recherche. Parmi ses principaux faits d’armes figurent notamment un test génétique « Quick and Dirty DNA Barcoding » à 5 € et un bioréacteur open source, lauréat d’un appel d’offres de la NASA. « Au bout de trois ans et avec très peu de moyens nous avions réussi à créer un véritable modèle alternatif d’open science ».

Professionnaliser « l’open science »

Sa thèse en poche, Thomas Landrain choisit de prendre une année pour voir s’il est possible de professionnaliser le concept de La Paillasse et de transformer ce dernier en grand laboratoire propre et moderne, susceptible d’attirer de grands partenaires industriels et institutionnels, mais toujours ouvert. Trois ans plus tard, grâce à de grosses subventions publiques et plusieurs campagnes de crowdfunding, la Paillasse est bien installée au coeur de la capitale dans un vaste espace de 800 m2 ouvert au coworking. Son équipement n’a plus rien à envier aux grands labos privés et les premiers salariés sont embauchés.

Extrait de Business Digest N°292, Décembre/Janvier

CONNEXION

Se souvenir de moi

Mot de passe oublié ?

Connexion

ABONNEZ-VOUS
À LA PUBLICATION

Voir les formules d’abonnement

L’article La recherche, la science et le collaboratif est apparu en premier sur Business-Digest.