Successfully reported this slideshow.
We use your LinkedIn profile and activity data to personalize ads and to show you more relevant ads. You can change your ad preferences anytime.

Euratech'trends : Intelligence Artificielle

164 views

Published on

Intelligence Artificielle

Published in: Technology
  • Be the first to comment

  • Be the first to like this

Euratech'trends : Intelligence Artificielle

  1. 1. E euratech trends Novembre 2016 Édition 1 Numéro 9 Si l’expression « Intelligence Artificielle », et toutes les disci- plines scientifiques qui en dé- coulent, naissent officiellement en 1956, lors de la conférence de Dartmouth qui réunissait notamment John McCarthy et Claude Shannon, l’idée même de créer un être doté d’une certaine intelligence remonte pratiquement à l’histoire de l’humanité. Les robots dorés d’Héphaï�stos, le Golem, Fran- kenstein et tant d’autres ont déchainé passion et imagina- tion au cours du temps sur les potentiels de ces êtres artifi- ciels mais aussi leurs dangers. Quoi qu’il en soit, l’Intelli- gence Artificielle telle qu’on la connaî�t aujourd’hui démarre à la fin des années 30 avec les travaux de McCulloch et Pitts sur les neurones artificiels, se poursuit dans les années 40 avecledéveloppementdelacy- bernétique par Nobert Wiener et en 1950 par le célèbre test de Turing pour valider l’intel- ligence d’une machine et donc la conférence de Dartmouth qui a fait naî�tre une véritable discipline académique. Der- rière toutes ces avancées, une nouvelle approche émerge, le « connexionnisme » avec pour objectif de reproduire le fonc- tionnement interne du cer- veau humain. Dans ces années, apparaî�t ainsi le perceptron et la promesse d’un système de réseau neuronal qui permet de reproduire la perception des images et des mots. AI Winters Contrairement à ce qu’affirmait John McCarthy sur l’aboutissement d’un sys- tème neuronal en une dizaine d’années, les progrès technolo- giques ne se développaient pas autant que les intentions des chercheurs. S’en suivirent alors une série de « AI winters », périodes d’euphorie théorique aboutissant à des déceptions sur la faisabilité technique et donc de veille en termes de recherche. Au tournant des années 80 et 90, la puissance croissante des processeurs (en particulier des processeurs graphiques), cumulée avec la réduction des coûts, donne un nouvel élan à l’Intelligence Artificielle. La technologie permet alors des millions de connec- tions entre les différents nœuds et le big data offre désormais toute la matière né- cessaire pour que la machine devienne « apprenante ». Deux méthodes se développent : le machine learning (appren- tissage automatique), donc un apprentissage à base d’un algorithme, et le deep lear- ning (apprentissage profond), un modèle permettant d’ap- prendre à partir d’une infor- mation brute en grande quan- tité, dont Yann LeCun est un des pères fondateurs. Depuis, les victoires retentissantes de Deep Blue contre Garry Kas- parov en 1997 et plus récem- ment d’AlphaGo de DeepMind sur le champion du monde de go ont eu des répercutions mé- diatiques importantes, qui ont propulsé l’intelligence artifi- cielle sur le devant de la scène. Après avoir connu une histoire tumultueuse entre déception et fascination, l’intelligence artificielle semble enfin avoir trouvé la maturité scientifique et technologique nécessaire à son avènement au cours des prochainesannées.Restentnéanmoinsdenombreuxquestionnements,notammentquelamachinedépasse l’Homme. L’intelligence artificielle Les cinq lois proposées par la Silicon Valley Robotics, 1.“Lesrobotsnedoiventpasêtreutiliséscommedesarmes” 2.“Lesrobotsdoiventseconformerauxlois,notammentcellessurlaprotectiondelavieprivée.” 3.“Lesrobotssontdesproduits:entantquetels,ilsdoiventêtresûrs,fiablesetdonneruneimageexactedeleurscapacités.” 4.“Lesrobotssontdesobjetsmanufacturés:l’illusioncréée nedoitpasêtreutiliséepourtromperlesutilisateurslesplusvulnérables.” 5.“Ildoitêtrepossibledeconnaî�treleresponsabledechaquerobot”
  2. 2. U n signe ne trompe pas sur les pro- messes actuelles de l’intelligence artifi- cielle : tous les grands noms s’y engouffrent avec des moyens conséquents. Apple a lancé le bal avec l’acquisition de la star- tup à l’origine de son assistant personnel Siri et a récemment jeté son dévolu sur Emotient et sa technologie d’analyse des visages et des émotions. Chez Google, pas moins de 1 200 projets sont en cours quand Facebook a notamment créé à Paris un laboratoire dédié avec à sa tête Yann LeCun, Amazon développe son majordome vir- tuel Alexa, le révolutionnaire Watson, la plateforme cogni- tive, fer de lance d’IBM, fait ses preuves dans le célèbre jeu télévisé Jeopardy! ou Toyota annonce un plan d’investisse- ment de plus de 1 milliard de dollars dans la recherche en intelligence artificielle pour les véhicules autonomes… Faceàtouscesinvestisse- ments privés, certains gouver- nementsontprisletaureaupar les cornes comme aux É�tats- Unis avec l’annonce d’un plan à 4 milliards de dollars pour faci- liter l’émergence du secteur ou en Corée du Sud avec un plan à 795 millions d’euros et la créa- tion d’un centre de recherche public-privé. Il faut dire que d’un point de vue économique, le cabinet d’analyse Tractica estime que le marché de l’in- telligence artificielle pour les applications en entreprise, qui ne représentait que 200 millions de dollars en 2015, dépassera les 36 milliards d’ici à 20251 ! Sans compter les 950 jeunes pousses répertoriées dans le monde sur le sujet par le cabinet Venture Scanner, qui totalisent presque 5 milliards de dollars d’investissement. En France, elles sont déjà 180 selon ISAI, ce qui en fait le se- cond pays européen derrière la Grande-Bretagne. Les applications Si l’intelligence artificielle connaî�t un tel engouement, c’est aussi parce que ses champs d’application sont particulièrement vastes comme par exemple (parmi tant d’autres) la maintenance prédictive dans l’industrie, le développement des véhicules autonomes, la cybersécurité préventive, en détection de fraudes ou encore la régénéra- tion après attaque, l’optimisa- tion des moyens de production pour le manufacturing, l’ima- gerie médicale, la gestion des flux de patients aux urgences… Le positionnement de la très prometteuse Sentient Tech- nologies est en ce sens très explicite « From healthcare to finance to e-commerce, we’re focused on changing people’s lives ». Bref, le deep learning a de beaux jours devant lui et certains prédisent même sa généralisation dans toute l’électronique de décision. D’ailleurs selon une étude de Narrative Science2 , le princi- pal bénéfice de l’intelligence artificielle pour une entreprise serait pour 44 % des sondés dans l’émergence de données pour aider aux décisions. Ce qui implique derrière de re- penser les organisations et les investissements. En interne, mais aussi vers l’externe car avec l’intelligence artificielle, c’est toute la relation avec les clients qui devra être repen- sée pour faciliter leur engage- ment. Le meilleur exemple se matérialise dans les chatbots, ces agents virtuels que 37% des fondateurs de startups sur l’AI voient comme l’applica- tion principale de l’intelligence artificielle, selon TechEmer- gence. Les technologies ont fait énormément de progrès en quelques années, notamment sur la reconnaissance vocale, comme récemment Microsoft dont le logiciel dédié a obtenu un taux d’erreur de 5,9 %, égal à celui que les transcripteurs humains! « Nous sommes en train de passer d’un monde où les gens doivent comprendre les ordinateurs à un monde dans lequel les ordinateurs doivent nous comprendre », explique Harry Shum, patron du groupe Microsoft Artificial Intelligence and Research. « Nous sommes en train de passer d’un monde où les gens doivent comprendre les ordinateurs à un monde dans lequel les ordinateurs doivent nous comprendre » Aujourd’hui euratech trends #0902 1. Tractica, “Artificial Intelli- gence Market Forecasts”, août 2016, www.tractica.com/research/ artificial-intelligence-market-forecas ts/ 2. Narrative Science, “2015 State of Artificial Intelligence & Big Data in the Enterprise”, juin 2015, http://resources.narrativescience. com 3. TechEmergence, “Machine Learning Healthcare Applications – 2016 and Beyond”, août 2016, http:// techemergence.com/machine-learn- ing-healthcare-applications/
  3. 3. « En tant que fournis- seur, ce sont les briques autour de l’intelligence artificielle qui génèrent de la valeur, explique Damien Cudel, chef de marché plate- forme applicative chez Micro- soft. Le stockage, le streaming des données… l’apprentissage statistique ne coûtera pas cher, c’est sur la chaî�ne globale de traitement (collecte des don- nées, traitement temps réel, restitution…) que se trouvent les enjeux. » Du coup, de nom- breux acteurs majeurs comme Apple, Facebook, Microsoft et IBM ont fait le choix de l’open source en mettant à disposi- tion de tous l’avancée de leurs recherches. Le TensorFlow de Google que l’on retrouve dans de nombreuses applications comme la recherche, la tra- duction automatique ou les recommandations, suit aussi cette tendance. Le but de la manœuvre : s’assurer d’évolu- tions rapides pour dépasser la concurrence et surtout que la solution d’intelligence artifi- cielle soit au cœur des projets futurs… L’emploi Toutes ces avancées ne com- portent bien entendu pas que des promesses, mais aussi des craintes.Aupremierchef:l’em- ploi. Dans un rapport publié fin 2015, des analystes de Bank of America Merrill Lynch1 ont estimé que la moitié des em- plois aux É�tats-Unis pourraient être remplacés par des robots au cours des vingt prochaines années, en particulier dans l’industrie. Selon le cabinet Gartner, un tiers des emplois dans le monde seront même remplacés par des applications d’intelligence artificielle d’ici 2025. Toute la question est dès lors de savoir si dans le même temps d’autres métiers vont émerger ou si comme l’indique le cabinet de conseil en stra- tégie Roland Berger dans un rapport de 2014 : « les tâches qui requièrent de la créativité, du sens artistique, ou de l’intel- ligence sociale et du contact humain, qu’elles se rapportent à un métier manuel ou intel- lectuel, peu ou bien qualifié, seront préservées. » D’ailleurs l’étude de Narrative Science4 souligne que 80 % des sondés estiment que l’intelligence arti- ficielle va améliorer la perfor- mance des employés et créer des emplois. La singularité Autre crainte majeure alimen- tée par les fantasmes de la science-fiction : l’utilisation de l’intelligence artificielle à des fins malveillantes ou pire que l’intelligence artificielle prenne le pas sur l’intelli- gence humaine. C’est le fameux point de singularité, fixé pour le moment en 2045 et qui a poussé d’illustres personnali- tés du monde technologique à tirer dès maintenant le signal d’alarme. Un consortium a même été créé en septembre 2016 par les ténors du secteur Amazon, Facebook, Google, Microsoft, et IBM. Son but ? Répondre aux questions sou- levées par le développement de l’intelligence artificielle, partager les bonnes pratiques et éduquer le grand public sur cette thématique. Des craintes temporisées par de nombreux chercheurs comme le phy- sicien Stephen Hawking qui s’inquiète au final plus de notre dépendance aux machines que leur véritable émancipation. euratech trends #09 03 Les enjeux AGENDA 3rd International Conference on Artificial Intelligence and Applications (AIFU) du 28 au 29 janvier 2017, Dubai (UAE) 9th International Conference on Agents and Artificial Intel- ligence (ICAART) du 24 au 26 février 2017, Porto (PT) 9th International Conference on Machine Learning and Com- puting (ICMLC) du 24 au 26 fé- vrier 2017, Singapour (MY) The AI Summit du 09 au 10 mai 2017, Londres (GB) 16th International Conference on Artificial Intelligence and Soft Computing (ICAISC) du 24 au 26 février 2017, Singapour (MY) 16th International Conference on Artificial Intelligence and Law (ICAIL) du 12 au 16 juin 2017, Londres (GB) 13th International Conference on Machine Learning and Data Mining (MLDM) du 15 au 20 juin 2017, New York (US) 19e Conférence sur l’Appren- tissage automatique (CAp 2017)du28au30juin2017,Gre- noble (FR) La plate-forme Intelligence Artificielle (PFIA) du 3 au 7 juil- let 2017, Caen (FR) nucl.ai 2017 du 24 au 26 juillet 2017, Vienne (AT) 34th International Conference on Machine Learning (ICML) du 06 au 12 août 2017, Sydney (AU) 26th International Joint Confe- rence on Artificial Intelli- gence (IJCAI) du 19 au 25 août 2017, Melbourne (AU) 18th EPIA Conference on Artifi- cial Intelligence du 5 au 8 sep- tembre 2017, Porto (PT) European Conference on Ma- chine Learning and Principles and Practice of Knowledge Discovery du 18 au 22 sep- tembre 2017, Skopje (MK) 16th IEEE International Confe- rence on Machine Learning and Applications (ICMLA) du 5 au 8 septembre 2017, Porto (PT) 1. Bank of America Merrill Lynch, “Robot Revolution – Global Robot & AI Primer”, décembre 2015 2. Gartner, “Disruptive Macro Trends for 2025 Personal Tech Market — Artificial Intelligence — Me, Myselves and AI”, octobre 2016 3. Roland Berger, “Les classes moy- ennes face à la transformation digi- tale”, octobre 2014, 4. Narrative Science, “2015 State of Artificial Intelligence & Big Data in the Enterprise”, juin 2015, http://re- sources.narrativescience.com
  4. 4. euratech trends #0904 www.euratechnologies.com L a région Hauts-de- France ne compte pas moins de 6 équipes de recherche, soit près d’une centaine de chercheurs et doctorants qui travaillent sur le Machine Learning et ses applications. Magnet MAchine learninG in infor- mation NETworks https://team.inria.fr/magnet Magnet s’intéresse à la défini- tion de méthodes et modèles d’apprentissage automatique au sein de réseaux d’informa- tions, en particulier ceux pré- sents sur Internet : réseaux d’interactions, hyperliens ou réseaux sociaux. Ces réseaux sont constitués d’informations en grands volumes hétéro- gènes, principalement tex- tuelles, organisées sous forme degrandsgraphesdontlesliens sont explicites ou induits. Les objectifs envisagés sont les sys- tèmes de veille, de recherche et d’extraction d’informations, et de recommandations. SequeL Sequential Learning https://team.inria.fr/sequel SequeL développe des concepts et algorithmes fiables pour répondre aux problé- matiques de systèmes artifi- ciels traitant, par exemple, des pages web créées, modifiées ou supprimées du web ou des mesures de capteurs acquises par un système passif ou actif (interagissant sur son environ- nement, tel que agent logiciel ou robot matériel). À� partir de ces données, ces systèmes ex- traient des informations pour repérer des objets (classifica- tion), pour évaluer les para- mètres d’un processus (esti- mation), pour interagir avec son environnement (décision séquentielle). Ces algorithmes sont également utilisables dans le cadre de traitement par lot de gros volumes de don- nées. Ces travaux ont des appli- cations dans les systèmes de recommandation ou le jeu de Go (Crazy Stone, logiciel primé à de nombreuses reprises). DOLPHIN Discrete multiobjective Opti- mizationforLarge-scalePro- blems with Hybrid dIstribu- ted techNiques http://dolphin.lille.inria.fr DOLPHIN est au coeur de la modélisation et la résolution parallèle de problèmes d’opti- misation combinatoire (multi- objectifs) de grande taille. Des méthodes parallèles coopéra- tives efficaces sont dévelop- pées à partir de l’analyse de la structure du problème traité. Les problèmes ciblés sont des problèmes génériques (ordon- nancement flow-shop, élabo- ration de tournées, etc.) et des problèmes industriels de logis- tique, transport, énergie ou de bioinformatique. MODAL MOdel for Data Analysis and Learning https://modal.lille.inria.fr MODAL développe des mo- dèles génératifs pour l’analyse de données hétérogènes et / ou complexes multivariées. Les exemples typiques de ce type de données sont des cova- riables nominales multivariées ou la combinaison de variables continues et nominales hété- rogènes. Bien évidemment, le traitement d’autres cova- riables complexes - ordinales, de rapport ou d’intervalle - est envisageable. À� partir de ces modèles génératifs, une analyse statistique pertinente permet ensuite d’obtenir l’analyse visuelle et la classi- fication supervisée, semi-su- pervisée ou à l’estimation de densité. Les axes de recherche se concentrent sur les modèles génératifs, qui sont des mo- dèles décrivant le processus de génération des données, à la différence des modèles pré- dictifs. INOCS INtegrated Optimization with Complex Structure https://team.inria.fr/inocs INOCS travaille sur la modé- lisation et la résolution des problèmes d’optimisation de grande taille avec struc- ture complexe. L’optimisation consiste à trouver une meil- leure solution parmi un en- semble de solutions possibles. Sa modélisation peut être un programme mathématique où les variables de décisions doivent satisfaire un ensemble de contraintes définissant la réalisabilité de la solution et optimiser une ou plusieurs fonctions objectifs. Elle est dite à structure complexe quand elle comprend des décisions de type/nature différentes (par exemple stratégique, tac- tique ou opérationnelle) et/ou des décisions présentant une structure hiérarchique du type meneur-suiveur (problèmes bi-niveau) et/ou des décisions prises dans un environnement incertain. HEUDIASYC Heuristique et Diagnostic des Systèmes Complexes https://www.hds.utc.fr L’équipe DI (Décision, Image) concentre son activité sur le développement de nouvelles méthodes d’analyse et de fu- sion de données, le raisonne- ment dans l’incertain, l’appren- tissage statistique, l’analyse d’images et la vision par ordi- nateur. Les applications se font dans les secteurs de l’environ- nement, de la santé, des trans- ports, du diagnostic industriel, la bioinformatique et l’aide au diagnostic médical. Hauts-de-France Directeur de publication : Massimo Magnifico Rédacteur en chef : Patrick Bertolo Journaliste :Thibault Caudron 165 avenue de Bretagne 59000 Lille 03.20.19.18.55 contact@euratechnologies.com Atos lance le programme quantum, une plateforme de simulation quantique pour l’IA Après la présentation de son supercalculateur exaflopique Sequana qui pourra calculer 1 milliard de milliards d’opérations par seconde d’ici 2020, Atos lance son programme Quantum afin de permettre le développement d’une plateforme de simulation destinée à tester les algorithmes et les logiciels des futurs ordinateursquantiques.Unpôleseratoutparticulièrementconsacréàlamiseaupointd’algorithmesdestinés à la constitution d’un portefeuille d’applications quantiques pour le calcul intensif, le big data, l’intelligence artificielleetlacybersécurité.

×