Les avancées exponentielles de l’intelligence artificielle diffusent dans tous les secteurs d’activité

, Partager

La région de la baie de San Francisco a longtemps été l’épicentre de l’innovation technologique au service de la puissance de calcul des machines (ordinateurs), de la communication moderne (internet, e-commerce, applications mobiles), et des solutions logicielles. Cet ensemble de technologies, que l’on a rassemblé sous les appellations de NTIC, est aujourd’hui en pleine mutation et diffuse largement vers tous les autres secteurs d’activité, de l’énergie à la médecine, en passant par l’éducation, le commerce, ou l’immobilier. Ceci tient en partie à un domaine de recherche ayant conduit à des avancées impressionnantes au cours des derniers mois : l’intelligence artificielle.

JPEG - 144.8 ko
Crédits : agsandrew

Rapide historique et principes

La quête de la création humaine d’une intelligence artificielle (IA) capable de rivaliser, voire de dépasser les capacités humaines est une ambition ancienne, ayant nourri nombre de projets scientifiques et de productions artistiques. L’une des branches de l’IA les plus fécondes en travaux de recherche ces dernières décennies est sans aucun doute l’apprentissage automatique (machine learning). Celui-ci est né d’un constat simple : si l’on souhaite qu’un ordinateur accomplisse une action quelconque, il faut le programmer précisément dans ce but, et décrire en lignes de code l’exact cheminement que l’on souhaite qu’il suive afin de la réaliser. Le corollaire immédiat est que, si l’on souhaite que la machine effectue une tâche que l’on est incapable de réaliser soi-même, alors on se trouve dans l’incapacité de créer un programme lui permettant de l’effectuer.

Les algorithmes d’apprentissage automatique pallient ce problème, en ce sens qu’ils sont capables d’apprendre à effectuer des actions sur la base des données qu’on leur met à disposition, et de la reconnaissance de schémas (pattern recognition) à partir de celles-ci. Plus ces algorithmes ont de données à disposition, plus ils peuvent établir des corrélations et bâtir automatiquement un programme applicable à de nouvelles données. Ces algorithmes sont utilisés depuis des années afin de rechercher des informations sur internet, de classifier automatiquement des courriels jugés inutiles (spam), ou encore de recommander des produits ou personnes susceptibles d’intéresser l’utilisateur (Amazon, Facebook, Netflix ou Linkedin en sont des exemples parlants).

Cependant, ces dernières années ont vu, après plusieurs décennies d’improductivité dues à une puissance de calcul insuffisante, l’émergence d’une sous-catégorie d’apprentissage automatique simulant le fonctionnement du cerveau humain, en utilisant des réseaux de neurones artificiels : l’apprentissage en profondeur (deep learning). Ces algorithmes sont applicables à tous types de données (images, sons, texte, données chiffrées) et n’ont aucune limite théorique : plus le temps de calcul et la quantité de données croît, plus la précision de son apprentissage augmente. Ces derniers mois ont vu paraître un nombre impressionnant de résultats de recherche dans ce domaine, dont les progrès sont de nature exponentielle.

L’ordinateur à la conquête des sens

Dans cette tentative de recréation artificielle des capacités cognitives humaines, très tôt les chercheurs se sont penchés sur la reconnaissance de sons ou voix, de textes et d’images. Ainsi, les algorithmes de deep learning ont permis des avancées spectaculaires dans ces domaines.

En mars 2014, les équipes de recherche de Facebook ont annoncé que leur technologie de reconnaissance faciale possédait une précision de 97,25%, soit quasiment au niveau des capacités humaines, qui serait de 97,53% [1]. Ce résultat a été obtenu, selon les chercheurs de la société californienne, malgré la prise en compte de différents angles de vue ou de différents degrés de luminosité. Pour le développement de cette technologie nommée DeepFace, l’algorithme a été entrainé à analyser 4,4 millions de photographies de plus de 4000 utilisateurs du réseau social. A la vitesse où progressent ces recherches, nul doute que ces algorithmes dépasseront les capacités du cerveau humain dans un proche futur. Facebook avait créé dans ce but en 2013 une équipe de recherche purement focalisée sur le domaine du deep learning [2].

Toujours autour de la reconnaissance d’images, les équipes de recherche de Google ont publié en novembre 2014 des résultats fascinants. Plutôt que d’analyser et classifier des images, leurs algorithmes peuvent en effet les "comprendre". Ainsi, si l’on soumet une image à ce programme, il se montre capable de décrire la scène présentée sous la forme d’une phrase, et ce de manière extrêmement précise [3]. Ce qui est intéressant ici est que le deep learning est utilisé à chaque étape du processus : la reconnaissance des formes et leur classification utilisent ces algorithmes, l’utilisation des mots et construction de phrases également. Si ce projet est encore à l’état de recherche aujourd’hui, les résultats sont là encore au niveau voire au-dessus des compétences humaines, et bien au-delà des résultats d’équipes comparables, dont l’une des plus éminentes est à l’Université de Stanford [4]. Ces travaux constituent l’un des axes de recherche prioritaire de Google aujourd’hui, ce qui a été confirmé en janvier 2014 lors du rachat de la société britannique DeepMind pour plus de 600 millions de dollars, société de recherche pure sur le deep learning. Celle-ci possède la plus importante concentration mondiale de chercheurs spécialistes de ce domaine, et ses publications font autorité. Son but est ni plus ni moins de comprendre, recréer et dépasser le cerveau humain [5].

Dans cette course des géants de la technologie vers l’intelligence artificielle, Microsoft n’est pas en reste. S’appuyant sur sa recherche interne et s’inspirant du SIRI d’Apple, Microsoft a annoncé en avril 2014 le lancement de Cortana, assistant virtuel à commande vocale capable de comprendre les demandes vocales du client, de lui répondre et d’apprendre de ses habitudes afin de lui être de plus en plus utile. Une réelle conversation homme-machine en somme. Cortana est actuellement en phase beta aux Etats-Unis, en Chine et au Royaume-Uni, et devrait être disponible dans le monde entier courant 2015 [6].

Tous les secteurs sont concernés

L’intérêt du deep learning est que ces algorithmes peuvent apprendre de tous types de données, et donc que son champ d’application est illimité par essence. Il en résulte, en particulier dans la Silicon Valley, l’émergence de dizaines de startups ou projets de recherche souhaitant utiliser ces méthodes pour remodeler des industries entières.

L’un des secteurs les plus attractifs est aujourd’hui celui de la médecine. La société IBM a annoncé l’an passé sa volonté d’utiliser son robot Watson - rendu célèbre en 2011 par sa victoire contre les champions du monde du jeu Jeopardy ! dans le cadre d’une émission télévisée - pour mieux diagnostiquer tous types de cancers en utilisant les données génomiques des patients [7]. Mais IBM est loin d’être sans concurrent sur ce créneau, où 23andMe, le 12 mars 2015, a annoncé ce que beaucoup d’observateurs pressentaient, à savoir sa volonté d’utiliser son énorme base de données génétiques issue des ventes de ses kits de tests, dans le but de découvrir de nouveaux traitements [8]. Dans un genre différent mais utilisant directement des algorithmes de deep learning, l’ancien président de Kaggle Jeremy Howard a fait une entrée remarquée dans le monde médical l’an dernier lors de l’annonce de la création d’Enlitic, sa nouvelle société. Cette startup San Franciscaine entend utiliser l’apprentissage automatique afin de révolutionner le diagnostic médical en le rendant plus rapide, plus précis, et plus accessible [9]. A ceci s’ajoutent les investissements d’Amazon, Google, ainsi que d’autres géants du web dans le stockage de données génomiques sur le cloud [10]. La nouveauté est que, dans le futur, les principaux innovateurs dans le domaine de la santé risquent de venir principalement du domaine des NTIC, et non plus des sciences biomédicales. Et cette évolution s’applique à l’évidence à tout autre secteur où l’innovation était jusque-là aux mains des experts du domaine.

L’utilisation de ces algorithmes apprenant des données, capables de les traiter et d’en extraire des informations et des concepts plus précisément et plus rapidement qu’une large équipe composée de brillants cerveaux, laisse entrevoir que la compartimentation des secteurs industriels risque de devenir quasiment obsolète. L’exemple le plus frappant est probablement Google, qui investit à la fois dans la voiture sans conducteur, les réseaux sociaux, la génomique et la réalité augmentée, avec comme fil conducteur le traitement de l’information par une intelligence artificielle de plus en plus puissante.

Compétition dans le domaine de la recherche et enjeux éthiques

Dans cette course à l’intelligence artificielle, les grands groupes technologiques se livrent une compétition féroce afin d’arracher les meilleurs chercheurs du monde, qui se retrouvent rarement aujourd’hui uniquement dans les universités, même américaines, du fait des moyens à leur service et de leur capacité à mettre en pratique cette science appliquée de manière bien plus impactante par l’intermédiaire d’un membre du GAFA (Google, Apple, Facebook, Amazon). Le "père" du deep learning, Geoffrey Hinton de l’Université de Toronto, travaille à temps partiel chez Google depuis le rachat de sa société DNN Research Inc en 2013 [11]. Le rachat de DeepMind par le même Google en janvier 2014 a frappé un grand coup dans le secteur. Un mois plus tôt, Facebook avait arraché l’un des chercheurs les plus réputés du domaine du deep learning à l’Université de New York, le Français Yann LeCun, en le nommant directeur de sa recherche en intelligence artificielle [12]. Et cette compétition est mondiale : le géant chinois du web Baidu a également marqué les esprits en convainquant l’éminent chercheur de Stanford Andrew Ng de rejoindre la société en tant que directeur de la recherche [13].

A côté de cette course effrénée, chacun commence à se poser la question des conséquences des progrès exponentiels de l’intelligence artificielle sur notre futur en tant qu’espèce, au point que des personnages influents tels que Bill Gates, Stephen Hawking ou Elon Musk ont récemment pris la parole publiquement afin de mettre en garde contre les risques pesant sur l’humanité, en cas d’absence de prise de conscience rapide des dangers irréversibles à court ou moyen terme de l’évolution exponentielle et infinie de l’IA [14] [15]. Elon Musk a même choisi de faire un don de 10 millions de dollars à l’Institut Future of Life travaillant sur les différents risques menaçant la survie de l’humanité [16]. Tout porte à croire que ces prises de paroles ne font que commencer.

Sources :
- [1] With Facebook’s New Tech, You’ll Never Need to Know Friends’ Faces Again - Samantha Murphy Kelly - Mashable - Lien : http://mashable.com/2014/03/19/facebook-facial-recognition-deepface/
- [2] Facebook Launches Advanced AI Effort to Find Meaning in Your Posts - Tom Simonite - MIT Technology Review - Lien : http://redirectix.bulletins-electroniques.com/gHxGr
- [3] A picture is worth a thousand (coherent) words : building a natural description of images - Google Research Scientists - Google Research Blog - Lien : http://redirectix.bulletins-electroniques.com/OyjnI
- [4] Google’s Brain-Inspired Software Describes What It Sees in Complex Images - Tom Simonite - MIT Texhnology Review - Lien : http://redirectix.bulletins-electroniques.com/ivve8
- [5] Deepmind Official Website - Lien :http://deepmind.com/
- [6] Meet Cortana - Windows Phone Official Website - Lien : http://www.windowsphone.com/en-us/how-to/wp8/cortana/meet-cortana
- [7] IBM Watson’s Startling Cancer Coup - Bill Saportito - Time - Lien : http://time.com/3208716/ibm-watson-cancer/
- [8] In Big Shift, 23andMe Will Invent Drugs Using Customer Data - Matthew Herper - Forbes - Lien : http://redirectix.bulletins-electroniques.com/rDDbf
- [9] The Data Scientist on a Quest to Turn Computers Into Doctors - Klint Finley - Wired - Lien : http://www.wired.com/2014/08/enlitic/
- [10] Google Wants to Store Your Genome - Antonio Regalado - MIT Technology Review - Lien : http://redirectix.bulletins-electroniques.com/qziWC
- [11] U of T neural networks start-up acquired by Google - Sara Franca - University of Toronto wesbite - Lien : http://redirectix.bulletins-electroniques.com/Ftkjb
- [12] Facebook Hires "Deep Learning" Expert To Lead Artificial Intelligence Research Lab - Jenna Kagel - FastCompany - Lien : http://redirectix.bulletins-electroniques.com/Zt17J
- [13] Chinese Search Giant Baidu Hires Man Behind the "Google Brain" - Tom Simonite - MIT Technology Review - Lien : http://redirectix.bulletins-electroniques.com/NBjVt
- [14] Stephen Hawking warns artificial intelligence could end mankind - Rory Cellan-Jones - BBC - Lien : http://www.bbc.com/news/technology-30290540
- [15] Bill Gates on dangers of artificial intelligence : ’I don’t understand why some people are not concerned’ - Petter Holley - The Washington Post - Lien : http://redirectix.bulletins-electroniques.com/Rs8yy
- [16] Why Elon Musk Spent $10 Million To Keep Artificial Intelligence Friendly - Eric Mack - Forbes - Lien : http://redirectix.bulletins-electroniques.com/BuUXI

Rédacteurs : Hocine Lourdani, San Francisco, hocine.lourdani@ambascience-usa.org