You look Like a thing and I love you - Business-Digest https://business-digest.eu/tag/you-look-like-a-thing-and-i-love-you/ Slogan de Business Digest Fri, 26 Feb 2021 16:06:51 +0000 fr-FR hourly 1 https://wordpress.org/?v=7.0.2 https://business-digest.eu/wp-content/uploads/2021/01/cropped-Favicone-32x32.png You look Like a thing and I love you - Business-Digest https://business-digest.eu/tag/you-look-like-a-thing-and-i-love-you/ 32 32 4 mythes démystifiés sur l’IA https://business-digest.eu/4-mythes-demystifies-sur-ia/?utm_source=rss&utm_medium=rss&utm_campaign=4-mythes-demystifies-sur-ia Thu, 02 Jan 2020 23:00:00 +0000 https://business-digest.eu/ou-va-lintelligence-artificielle/ L’intelligence artificielle suscite de nombreux fantasmes, certains la voient prête à sauver l’humanité tandis que d’autres la prophétise en voleuse d’emplois et/ou de vie privée. Comment faire la part des choses ? Janelle Shane répond sans ambages – mais avec beaucoup d’humour – à bon nombre de vos questions et déboulonne pièce par pièce les grandes idées reçues sur l’Intelligence Artificielle.

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

]]> Les technologies d’intelligence artificielle s’immiscent partout : dans nos loisirs, dans nos déplacements, dans nos actes d’achats, dans nos interactions sociales et de plus en plus dans notre sphère professionnelle. Mais sont-elles à la hauteur de leur réputation ? Rien n’est moins sûr… Alors que pouvez-vous faire faire aux algorithmes en toute confiance, et que ne faut-il surtout pas leur confier si vous tenez à votre éthique, votre ROI ou votre réputation ? Et l’humain dans tout cela ? 

 

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) 

Les algorithmes de machine learning apprennent à la carotte : ils reçoivent des « récompenses » à chaque bonne réponse et/ou quand leur taux de réussite dépasse un certain seuil. Saufqu’ils sont censés se débrouiller seuls pour trouver comment atteindre le but que vous leur avez fixé. Ils inventent donc leurs propres règles en cherchant la voie la plus simple, celle qui économisera un maximum de ressources informatiques. Et les raccourcis qu’ils prennent sont parfois surprenants, comme l’illustrent les exemples choisis par Janelle Shane. Donnez-leur la consigne de gagner au morpion ? Ils génèrent des plateaux de jeux si grands que l’ordi de l’adversaire plante. Demandez-leur de supprimer certains items dans une liste ? Ils préfèrent supprimer la liste entière. Ils sont chargés de concevoir la lentille d’un microscope ? Le résultat est impeccable sur le plan fonctionnel, mais il a 20 mètresd’épaisseur… Cette tendance à la « tricherie » n’est pas seulement imputable à la construction des algorithmes, elle est parfois aussi entretenue par la composition des jeux de données qui, par souci de représenter la réalité, est souvent déséquilibrée. Si vous voulez que votre IA détecte les fraudes à l’assurance vous allez la nourrir de milliers de déclarations parmi lesquelles seules quelques–unes seront frauduleuses parce que telle est la réalité. Le problème est qu’en classant tous les documents qui lui sont soumis en « non frauduleux »l’IA est sûre d’atteindre un taux de réussitetrès élevé…

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

75%
CONNEXION
Mot de passe oublié ?
ABONNEZ-VOUS
À LA PUBLICATION
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.

]]>