La façon dont nous IA maintenant

Nous avons survendu les capacités existantes du système expert (IA) depuis de nombreuses années, mais cela ne veut pas dire qu’il n’a pas un avenir intense. C’est peut-être la raison pour laquelle les scientifiques de l’Université de Stanford ont conçu une « étude de recherche d’un siècle sur le système expert » (100 ans !) 5 ans après le rapport inaugural, les auteurs de l’étude ont récemment lancé le deuxième rapport.

Le TL ; DR ? Nous avons en fait réalisé un « développement remarquable » en seulement 5 ans, grâce à des installations de données en constante amélioration, mais nous sommes encore « loin de l’objectif initial du domaine de recréer une intelligence humaine complète dans les machines ». Ce que nous relevons, cependant, c’est l’importance d’associer l’homme et la machine pour obtenir de meilleurs résultats. Est-ce une « vraie » IA ? Pas comme sur la photo initialement. Mais c’est probablement mieux.

Des informations énormes ? Tenter « d’informations faciles »

L’un des principaux inhibiteurs de la science des données (et de l’IA qui en résulte) a peu à voir avec la science et quoi que ce soit à voir avec les données. Comme l’a récemment appelé l’investisseur de FirstMark Matt Turck dans « Le paysage 2021 de l’intelligence artificielle, de l’IA et de l’information (MAD) », les entrepôts de données n’ont évolué que récemment « pour conserver d’énormes quantités de données d’une manière utile, pas totalement prohibitive, et n’a pas besoin d’une armée de personnes vraiment techniques à garder. » Oui, nous avons des installations de stockage de données depuis des années, mais elles sont en fait devenues complexes et coûteuses. Plus récemment, nous avons en fait essayé Apache Hadoop, qui a rendu les choses moins chères mais toujours excessivement complexes.

Au cours des dernières années, l’industrie s’est concentrée sur la croissance de notre infrastructure de données de telle sorte qu’elle s’est en fait terminée être considérablement plus accessible pour les simples mortels (qui peuvent ou non avoir un doctorat). En rendant  » enfin possible de stocker et de traiter d’énormes informations  » de manière rentable, soutient Turck, cela  » s’est avéré être un déblocage important pour le reste de l’espace de données/IA  » selon trois méthodes principales :

• La montée en puissance des installations de stockage de données augmente considérablement la taille du marché non seulement pour sa catégorie, mais pour l’ensemble de la communauté de l’information et de l’IA.
• Les entrepôts d’informations ont ouvert toute une communauté d’outils et d’entreprises qui se concentrent sur eux, telles que l’extraction, le chargement, la modification (ELT).
• Les entrepôts de données permettent aux entreprises de commencer à se concentrer sur les tâches à haute valeur ajoutée qui apparaissent plus importantes dans la hiérarchie des exigences en matière de données.

Turck choisit de se concentrer sur l’effet positif des entrepôts de données modernes, le marché a également bénéficié d’autres avancées dans les bases de données (bases de données distribuées, NoSQL, etc.) itérer sur les données. Grâce à ces forces et à d’autres, il est devenu beaucoup plus facile de conserver et de traiter les informations, ce qui, à son tour, a permis aux organisations d’en faire plus avec ces données.

Ce qui nous ramène à l’IA100 de Stanford.

Améliorer, pas concurrents

Nous avons atteint un point où nous interagissons avec l’IA au quotidien et voyons généralement ses imperfections. Prenez Tesla. Malgré toute sa commercialisation erronée de la «conduite autonome complète» infusée d’IA, les voitures électriques Tesla sont loin d’être capables d’emmener en toute sécurité les voyageurs d’un point A à un point B dans tout sauf les environnements les plus contrôlés. Même ainsi, nous en avons vu assez pour être fascinés et pleins d’espoir pour l’avenir.

Aujourd’hui, les auteurs d’AI100 indiquent trois endroits où l’IA a démontré de réels progrès :

• Connaître de manière auto-supervisée ou motivée
• Connaître de manière cohérente pour résoudre les problèmes de plusieurs domaines sans avoir besoin d’un recyclage complet pour chacun
• Généraliser entre les emplois – s’adapter les connaissances et les capacités que le système a obtenues pour un emploi à de nouvelles situations

Cela ne signifie pas que l’IA changera les gens à tout moment rapidement, mais cela suggère que l’IA est de plus en plus capable de faire correspondre les individus de manière significative . Comme ils le décrivent, « les approches d’IA qui augmentent les capacités humaines peuvent être très importantes dans les scénarios où les humains et l’IA ont des forces complémentaires. Un système d’IA pourrait être bien meilleur pour synthétiser des données facilement disponibles et prendre des décisions dans des parties bien caractérisées d’un problème, tout en un humain pourrait mieux comprendre les implications des données. »

Par exemple, les auteurs du rapport déclarent que les machines ne seront jamais une alternative idéale aux personnes qui s’occupent des personnes âgées. « Un grand soin exige de l’estime et du respect de soi, des choses que nous ne savons tout simplement pas coder dans des algorithmes procéduraux. » Cependant, une IA qui croque de grandes quantités d’informations pour suggérer aux soignants lorsqu’une personne âgée peut avoir besoin de médicaments ou d’une autre assistance ? Ou peut-être en utilisant le traitement d’images basé sur l’IA pour évaluer les médicaments que l’aîné manipule peut-être, mais cela peut s’avérer dangereux (en raison de la quantité ou de la nature du médicament lui-même) et alerter un soignant ? C’est une excellente combinaison.

Parfois, la technique consiste à laisser la conception de l’IA totalement libre d’évaluer les informations, puis de déterminer comment elle est parvenue à une conclusion. « En formant d’abord une conception pour qu’elle soit excellente pour faire des prévisions, et après cela en travaillant pour comprendre pourquoi ces prédictions sont si bonnes, nous avons en fait approfondi notre compréhension scientifique de tout, de la maladie à la dynamique des tremblements de terre », gardent les auteurs à l’esprit. Dans cet exemple, les créateurs poussent les gens à réfléchir plus profondément sur les données, en tirant parti de conclusions qu’ils ne comprennent pas mais qu’ils sont capables de tirer de toute façon.

En termes simples, les appareils sont capables d’évaluer d’énormes quantités de informations, résumant ou fournissant autrement ces informations aux individus d’une manière qui les rend plus digestes. De cette façon, l’intelligence humaine peut être mieux utilisée. Les gens ne remplaceront pas les machines et les appareils ne changeront pas les humains. Nous construisons l’infrastructure de données qui rend possible de grandes quantités de données, et les fabricants font leur part en nous aidant à tout comprendre. Une bonne collaboration, assurément.