Contenu
- AI dans le cycle de battage médiatique
- Jusqu'ici, pas si bon
- Pas de bugs, pas de stress - Votre guide étape par étape pour créer un logiciel qui change la vie sans vous détruire
- Tout dépend des données
Source: Charles Taylor / iStockphoto
À emporter:
Il y a beaucoup de battage médiatique sur l'intelligence artificielle, à quel point est-il intelligent?
L'intelligence artificielle a tellement attiré l'attention des entreprises que de nombreux responsables informatiques peuvent être excusés de penser qu'elle apportera toutes les réponses à un écosystème de données de plus en plus complexe. Cependant, si elle peut certainement apporter de nombreuses améliorations significatives à la technologie existante, il est également juste de dire que certaines des attentes concernant son efficacité sont exagérées.
En fait, il y a relativement peu de compréhension de ce qu'est l'IA, de son fonctionnement réel et de ce qu'elle peut réellement faire. Et cela conduit à de nombreuses idées fausses concernant son rôle dans l'entreprise et sa relation avec l'infrastructure existante et les humains qui l'exploitent.
AI dans le cycle de battage médiatique
Selon le dernier cycle de Hype Cycle de Gartner, des sous-ensembles clés tels que l’apprentissage en profondeur, l’apprentissage automatique et l’informatique cognitive se situent au sommet de la courbe Peak Inflated Expectations, ce qui signifie qu’ils se trouvent au bord de la longue glissade dans le creux de la désillusion. Bien que cela soit le cas pour pratiquement toutes les technologies perturbatrices au cours des 30 dernières années, il souligne le fait que l’impact escompté de l’IA dans l’entreprise, qui découlait principalement d’essais de laboratoire contrôlés, est sur le point de faire face à la réalité de l'environnement de production. (Découvrez l'historique des innovations informatiques dans De Ada Lovelace à Deep Learning.)
Néanmoins, le chercheur chez Gartner, Mike Walker, s’attend à ce que l’intelligence artificielle devienne omniprésente au cours de la prochaine décennie grâce à une combinaison de puissance de calcul avancée, qui conduit au développement de constructions telles que le réseau de neurones, et au simple fait que la charge de données d’entreprise est devenue si énorme. et si complexe que les opérateurs humains ne peuvent plus se débrouiller seuls.
L’une des premières choses que l’entreprise doit comprendre à propos de l’IA, c’est qu’elle joue rapidement avec le terme «intelligence». Comme le neuroscientifique suisse Pascal Kaufmann l’a expliqué récemment à ZDnet, il existe de profondes différences entre les algorithmes informatiques et le cerveau humain. traiter les informations pour arriver à une conclusion. Avec une puissance de traitement suffisante, un algorithme informatique peut comparer des millions, des milliards, voire des trillions de jeux de données pour déterminer simplement si une image de chat est vraiment une image de chat. Mais même un petit enfant, disposant de très peu de données, peut déterminer instinctivement que c'est un chat et qu'il saura pour toujours ce qu'est un chat et à quoi il ressemble.
De ce point de vue, même l'exemple phare de l'IA au travail - la maîtrise du jeu de stratégie Go par AlphaGo de Google DeepMind - n'était pas vraiment une intelligence artificielle, mais un échantillon représentatif du big data, de l'analyse et de l'automatisation, capable de rationaliser une approche basée sur des règles à gagner. Il est intéressant de noter que Kaufmann ajoute qu’un véritable exemple de l’intelligence artificielle serait si AlphaGo avait découvert comment tromper pour gagner. Pour ce faire, la science devra d'abord casser le «code du cerveau» qui renforce notre capacité à traiter l'information, à récupérer des connaissances et à stocker des mémoires. (En savoir plus sur l'automatisation avec Automation: L'avenir de la science des données et de l'apprentissage automatique?)
Jusqu'ici, pas si bon
En effet, malgré les craintes selon lesquelles l’IA est sur le point de subsumer le travail de chacun, les résultats obtenus jusqu’à présent sont presque comiques. Les fans de "Game of Thrones" de George R.R. Martin sont si impatients de voir le prochain épisode de la série que beaucoup se sont précipités vers un chapitre de gobbledygook presque pur écrit par une forme d’intelligence artificielle appelée réseau de neurones récurrent. Pendant ce temps, IBM profite des critiques des chercheurs en oncologie à qui on avait dit que Watson ouvrirait une nouvelle ère en matière de diagnostic et de traitement, mais qui luttait toujours pour différencier les formes de cancer de base. Compte tenu de ces antécédents, il est tout à fait possible que, lorsque l’intelligence artificielle est introduite pour la première fois dans une entreprise type, les opérateurs humains devront probablement déployer davantage d’efforts pour simplement suivre et surveiller toutes les erreurs qu’ils commettront.
Pas de bugs, pas de stress - Votre guide étape par étape pour créer un logiciel qui change la vie sans vous détruire
Vous ne pouvez pas améliorer vos compétences en programmation lorsque personne ne se soucie de la qualité des logiciels.
Mais voici le problème: l’IA s’améliorera avec le temps sans avoir à être reprogrammée. Comme Daniel Huttenlocker, chercheur chez Cornell Tech, l'a récemment déclaré à Tech Crunch, l'intelligence artificielle a plus de chances de remplacer les logiciels traditionnels (et tous les correctifs, mises à jour et correctifs fastidieux qu'elle nécessite) que les opérateurs humains. Cela ne signifie pas que l'IA n'a pas besoin d'être programmée, mais que l'approche est grandement simplifiée. Avec les logiciels actuels, le programmeur doit définir non seulement la tâche à résoudre, mais également les étapes à suivre pour la résoudre. Avec l'IA, l'objectif est tout simplement nécessaire et le logiciel doit être capable de gérer le reste, à condition qu'il dispose des bonnes données.
Tout dépend des données
Ce dernier point est crucial car, en fin de compte, l'IA est simplement un algorithme, et les algorithmes ne sont aussi bons que les données qu'ils alimentent. Cela signifie qu’en plus de la création d’un cadre opérationnel d’intelligence artificielle approprié, l’entreprise devra mettre en place un environnement de traitement des données assez vigoureux afin que les résultats des analyses reposent sur des informations précises. »Comme l’a récemment déclaré Jason VandeBoom, PDG d’ActiveCampaign, les règles de «garbage in equals out garbage out» s'appliquent toujours. Il peut donc s'écouler un certain temps avant que les organisations voient les véritables avantages de leur investissement en IA.
Compte tenu de tout cela, l'entreprise ne doit pas s'attendre à ce que l'IA apporte une solution rapide aux défis émergents du Big Data et de l'IdO. La courbe d'apprentissage pour les humains et les machines est susceptible d'être assez longue, et les résultats sont au mieux incertains.
Mais si tout se déroule comme prévu, les entreprises et les spécialistes des connaissances devraient bénéficier d'avantages substantiels à long terme. Pensez simplement à la tâche la plus banale, la plus fastidieuse et la plus fastidieuse qui ralentisse vos processus en ce moment, et imaginez de ne plus jamais avoir à les refaire.