Animée par Louis, les meetups mensuels Keley passent en revue les actualités liées à l’Intelligence Artificielle. Data Science, Machine Learning et autres concepts sont abordés de manière ludique et vulgarisée par nos 3 experts : Vincent, Oussama et Mehdi. Voici un premier épisode, piochant dans les rencontres du premier semestre !
Alliance franco-allemande sur l’IA, face aux USA et à la Chine
La France et l’Allemagne décident d’investir… 20 millions d’euros (10 millions chacun), pour concurrencer les États-Unis et la Chine en matière d’IA ! Alors que l’on estime qu’il faudrait 1 000 fois plus (20 milliards) pour que l’un des deux pays puisse sortir un Amazon-like (comprenez une entreprise de cette puissance), nos trois data scientists imaginent qu’avec une enveloppe entre 2 et 5 milliards, on pourrait alimenter la recherche à un niveau suffisant pour tenir tête aux USA et à la Chine. Soit 250 fois plus que ce que les deux pays ont consenti à investir.
Une IA développée par Facebook au service de la lutte contre le Covid-19
Le géant américain prend ici un virage philanthropique. L’entreprise a développé deux algorithmes permettant pour le premier de définir d’après une radio pulmonaire la probabilité que la situation du patient empire, relié à un deuxième, qui lui permettra d’anticiper les stocks d’oxygène. Ces modèles s’inscrivent dans les différents apports autorisés par le machine learning décrits par Oussama dans le graphique ci-dessous.
L’IA Facebook propose ainsi de prédire ce qu’il va se passer, mais également de prescrire les actions à mener, comme recommander telles quantités à telles dates. Cette gestion par IA permet ainsi une utilisation optimale de quantités d’oxygènes disponibles, sans sur stock et donc sans pénuries.
On fait ici appel (et de manière générale en analyse d’image) au domaine du machine learning appelé réseaux neuronaux, et plus spécifiquement aux CNN (Convolutional Neural Networks). La technique crée une succession de filtres appliqués à l’image pour détecter les contours et ainsi lire l’image. Un peu comme un filtre Instagram…
Cette recherche semble pourtant loin de servir efficacement l’épidémie en cours. Elle est déjà largement critiquée aux États-Unis, parce que menée non pas de manière systémique mais empirique, dans le cadre particulier d’un hôpital universitaire avec son fonctionnement propre. Il y a ainsi peu de chance que la démarche dépasse son cadre, et encore moins qu’elle vienne aider nos hôpitaux, même dans l’hypothèse regrettable d’une future pandémie, car elle nécessiterait d’énormes ressources pour être déployée et adaptée à chaque contexte.
Les cartes graphiques NVIDIA au service des visioconférences
NVIDIA est connu des joueurs de jeux vidéo pour produire des cartes graphiques permettant d’afficher le plus fidèlement possible les graphismes des jeux et leurs déroulements à l’écran. L’entreprise a pourtant récemment pris le virage de l’IA, bien aidée par sa connaissance de la retranscription graphique, pour proposer une solution permettant d’améliorer la qualité de nos visioconférences sans toucher à la connexion – ou alors de garder la même qualité tout en consommant moins de ressources. NVIDIA annonce une division par 800 de la bande passante utilisée, ce qui serait un bon en avant spectaculaire, tant au niveau de la productivité que de l’écologie.
L’algorithme appartient ici aussi à la famille des réseaux neuronaux et plus particulièrement les GAN (Generative Adversarial Network), popularisés par les Deep fakes, et les autoencoders. Intéressons-nous au fonctionnement de ces derniers.
Leur principe est de faire apprendre au réseau de neurones, l’image qu’il connaît déjà. L’intérêt ici est qu’une image de bonne qualité va être reconnue, analysée, encodé en plus basse résolution, et ensuite envoyée à l’outil de l’interlocuteur qui va faire le décodage et la restituer en qualité optimale. Est donc envoyée une image de très faible définition et taille, ce qui permet un transfert optimal même avec une connexion mauvaise. Reste à l’ordinateur un calcul très simple, si le modèle est bien entraîné, pour restituer l’image.
Sport et IA : des relations de plus en plus étroites
Alors que le Toulouse Football Club annonce s’appuyer sur le Big Data et l’IA pour recruter des joueurs, le journal L’Équipe s’interroge sur la capacité des algorithmes à remplacer les recruteurs. Mais devant la portée médiatique d’un tel message, est-on véritablement en face d’une IA ou simplement devant une base de données hyper renseignée ?
En prenant l’image d’une pyramide, on peut tenter de se représenter les différents niveaux d’intégration de l’IA. À la base, il y a la collecte et la mise en forme de données – pour beaucoup d’entre nous un gros tableau Excel. Le deuxième étage est constitué de l’exploitation et de la visualisation des données – tableaux croisées dynamique et macro. Enfin, le sommet de la pyramide est le machine learning, qui se caractérise par l’utilisation d’algorithmes.
Dans le cadre du FC Toulouse – ou plus loin de nous au Danemark du FC Midtjylland, qui applique cette méthode avec succès depuis plusieurs années avec la clé des trophées nationaux et la participation à la Ligue des Champions, la plus grande compétition européenne – le deuxième étage n’est pas encore dépassé. On est en face d’une super base de données, avec des possibilités d’exploitation très poussées (on est loin d’Excel), mais le machine learning n’est pas vraiment utilisé. L’humain est encore omniprésent et reste le décideur dans les choix faits.
D’autres exemples existent dans le sport (cf. le film Moneyball avec Brad Pitt). Et il est tentant de tout de suite mentionner l’IA. Mais en réalité, le machine learning est rarement présent. Plus les données sont conséquentes, plus l’ordinateur va être utile pour les traiter. Et lorsqu’on arrive à des volumes trop importants, on va certes avoir l’intervention d’une « intelligence » mais qui n’a de valeur ajoutée que la rapidité pour analyser le besoin et ressortir la bonne information. On reste donc dans le domaine de la statistique.
Une intelligence artificielle programmée pour faire des erreurs ?
Pas tout à fait. Alors que d’ordinaire, les IA cherchent à optimiser la prise de décision, en recherchant la solution parfaite, l’IA dont on parle ici a été développée pour imiter et comprendre le comportement humain. Avec un objectif, faire progresser ce dernier en anticipant ses erreurs. L’algorithme de machine learning, de type CNN, a été d’abord développé pour le monde des échecs. En prédisant le coup non optimal du joueur, l’IA peut le corriger et ainsi lui apprendre pourquoi un autre coup est meilleur.
Si l’application au jeu d’échec est appréciable, d’autres utilisations peuvent être plus utiles à la société. Par exemple, en médecine, là où les précédentes IA opéraient un diagnostic et un traitement optimal, cette IA va s’intéresser au comportement du médecin. Elle va par exemple être capable d’alerter le médecin, lors d’une situation donnée, des erreurs usuelles de ses pairs, lui permettant ainsi d’anticiper son action.
Cette IA peut également permettre à la voiture autonome de progresser. En prédisant par exemple les comportements incohérents des automobilistes, elle pourrait mieux intégrer la voiture autonome à son environnement. Mais, selon notre expert Oussama, l’IA reste encore trop jeune pour lui permettre de faire des progrès décisifs, dont celui de comprendre le comportement du piéton. Le modèle aura besoin de beaucoup plus d’entraînement pour passer cet écueil.
Texte européen sur l’encadrement des pratiques d’Intelligence Artificielle
Le 21 avril 2021, la Commission Européenne a présenté son texte visant à réglementer le secteur IA. L’objectif avoué est d’équilibrer recherche de l’innovation et respect des droits fondamentaux. L’angle pris par la Commission est celui du risque. Par la voix de Margrethe Vestager la vice-présidente exécutive de la Commission, elle a présenté une pyramide ou chaque étage comporte un niveau de risque supérieur, et donc un niveau d’encadrement croissant.
On retrouve par exemple au socle de cette pyramide les chatbots. La seule obligation est ici la transparence avec l’utilisateur sur le fait de dialoguer avec un robot. À l’inverse, tout en haut de la pyramide, on trouve les services pour lesquels une IA mal encadrée pourrait apporter des biais énormes, qui pour certains ne respecteraient même pas la loi. On citera par exemple les technologies de recrutement, qui font planer des risques racistes ou sexistes, les évaluations de solvabilité bancaire, l’accès aux services publics, etc. Pour ces domaines d’intervention, la Commission stipule que jamais la décision ne doit revenir à un algorithme seul, et que chaque algorithme devra prouver en amont son respect de l’éthique avant d’être applicable.
Plus haut encore dans le niveau de risque pour le citoyen, se trouvent les systèmes d’identification biométriques, bannis hormis pour l’autorité policière dans le cas d’une menace extrême (terrorisme par exemple). Interdits également, les systèmes de notation sociale des individus en fonction de leur comportement, comme cela se développe en Chine notamment.
Source : https://eur-lex.europa.eu/legal-content/EN/TXT/?qid=1623335154975&uri=CELEX%3A52021PC0206
