ALAN TURING 

Alan Turing né le 23 juin 1912 à Londres. Mathématicien et cryptologue britannique de génie. Il est l’un des scientifiques qui a le plus influencé le cours de l’histoire.

Durant la seconde Guerre Mondiale, Alan Turing joue un rôle majeur dans la cryptanalyse de la machine Enigma utilisée par les armées allemandes.

Auteur de travaux qui fondèrent scientifiquement l’informatique.

On le considère aussi comme l’un des pères de l’informatique et un pionnier de
l’Intelligence Artificielle.

Alan Turing  Concepteur du  fameux « Test de TURING »  en 1950 Ce qui permis de lancer… la fabuleuse aventure de l’« IA »

Une Intelligence Artificielle est un algorithme dont le résultat se veut un « minimum intelligent », il doit ressembler à celui d’un expert humain

Intelligence Artificielle

.
Dans l’imaginaire commun, lorsque l’on parle d’IA, nous désignons un programme qui peut effectuer des tâches d’humain, en apprenant tout seul.
Or, l’IA telle que définie dans l’industrie est plutôt « des algorithmes plus ou moins évolués qui imitent des actions humaines ».

 Par exemple, imaginez un programme qui nous informe si nous sommes en surpoids (en donnant notre taille et notre poids) è c’est une IA : l’utilisation de la logique IF… THEN… ELSE… dans un programme en fait une IA, sans qu’elle soit « réellement » intelligente.

De la même manière, une machine de Turing est une IA.

  

A l’inverse, une intelligence artificielle forte (AGI) ou une « superintelligence artificielle » (ASI) sont totalement autonomes et auto-apprenantes (mais il n’en existe aucune à l’heure actuelle a priori) !

 

 

 

 On peut distinguer les formes d’intelligence artificielle en leur niveau de performance :

  • L’intelligence artificielle faible : celle qui est capable de résoudre des challenges bêtes comme : reconnaissance des sujets ou objets d’une image, reconnaissance de textes simples, prévision de vente. Ces formes d’IA sont en général, hyperspécialisées
  • L’intelligence artificielle forte : celle qui parviendra à reproduire le comportement du cerveau, voir qui affichera des capacités supérieures à ce dernier. Elle est purement théorique actuellement, son existence future est conditionnée à la fois à des percées scientifiques (les technologies actuelles d’intelligence artificielle étant très loin en terme de performance de l’IA forte)

 

Enfin, on classe les formes d’intelligence artificielle en fonction de ses applications, notamment l’automatisation (encore nommé par certains consultants RPA pour Robotic Process automation) :
le dialogue automatique : se faire comprendre en lui parlant 
la traduction automatique, si possible en temps réel ou très légèrement différé 
le traitement automatique du langage naturel 
le raisonnement automatique 
le partitionnement et la classification automatique
la composition musicale automatique
la reconnaissance d’image, de formes, des visages et la vision en général, etc. 
l’intégration automatique d’informations provenant de sources hétérogènes, (fusion de données) 
l’émotion artificielle (voir les travaux de Rosalind Picard sur l’émotion) et l’éventualité d’une subjectivité artificielle 

 

Apprendre plus avec moins de données

L’accès à de la donnée en très grande quantité peut s’avérer difficile. De nouvelles techniques sont disponibles pour permettre aux algorithmes d’être performants avec peu d’informations.

À la pointe de la technologie, INFINY IA participe à la recherche fondamentale dans le domaine du Few-Shot learning.

Meta-learning, data-augmentation ou encore transfer learning, nos chercheurs travaillent à connecter le monde académique aux problématiques business que nous rencontrons.

l

Transformer notre R&D en outils scalables

Chez INFINY IA, nous travaillons pour la réussite des projets de nos clients.

Nos chercheurs transmettent le fruit de leurs recherches à nos équipes de data scientists. Notre R&D est la première brique de notre expertise en

Reconnaissance d’Image. Quand nous arrivons à un niveau de maturité suffisant sur une technologie, nous transformons cette expertise en outil pour que nos clients puissent en bénéficier au quotidien sur leurs projets.

R

Dans quelle situation l'algorithme rend la main à l'humain ?

 L’intelligence artificielle vise à prédire un comportement à partir de statistiques passées.

Cette prédiction est par essence probabiliste et ne peut pas être suivie aveuglément. Nous travaillons à définir un seuil d’incertitude optimal à chaque situation pour nos algorithmes.

Ce seuil nous permet d’alerter l’humain dans les situations où le modèle a le plus de risque de faire une prédiction éronnée.

Intelligence Artificielle

Une Intelligence Artificielle est un algorithme dont le résultat se veut un « minimum intelligent », il doit ressembler à celui d’un expert humain.

Or, l’IA telle que définie dans l’industrie est plutôt « des algorithmes plus ou moins évolués qui imitent des actions humaines ».

Machine Learning

Machine Learning (ML) = Intelligence Artificielle + Statistiques

Le ML adapte son algorithme mais a besoin d’un expert pour traiter et analyser les données

Le ML est l’application de méthodes statistiques aux algorithmes pour les rendre plus intelligents. L’enjeu du ML est bien de construire des courbes qui approximent les données et permettent de généraliser facilement.

Il repose donc sur la capacité des algorithmes à recevoir beaucoup de données et à « apprendre » d’elles (i.e. corriger les courbes d’approximation) !

Le Machine Learning est un domaine large, qui comprend de très nombreux algorithmes.

Deep Learning

Le DL repose donc sur ce qu’on appelle des réseaux de neurones artificiels (profonds), c’est-à-dire un ensemble de neurones (ce sont de petites calculatrices qui effectuent une opération mathématique) qui s’envoient des nombres en fonction de leurs liaisons, jusqu’à des neurones de sortie (en général !).

 

Grâce à cette architecture, le DL est capable de reconnaître des visages, de synthétiser des textes ou encore de conduire une voiture autonome !

Le Deep Learning, permet de se passer d’un expert humain pour faire le tri dans les données, puisque l’algorithme trouvera de lui-même ses corrélations.

Pour reprendre l’exemple de la reconnaissance faciale, l’algorithme de DL déterminera de lui-même s’il doit tenir compte de l’écart entre les yeux (entre les pixels) ou si cette information n’est pas assez déterminante comparée à d’autres (et c’est effectivement le cas).

L’IA et ses différents cas d’usages

La vision artificielle, par exemple, permet à la machine de déterminer précisément le contenu d’une image pour ensuite la classer automatiquement selon l’objet, la couleur ou le visage repérés.

Les algorithmes sont en mesure d’optimiser leurs calculs au fur et à mesure qu’ils effectuent des traitements. C’est ainsi que les filtres antispam deviennent de plus en plus efficaces au fur et à mesure que l’utilisateur identifie un message indésirable ou au contraire traite les faux-positifs.

La reconnaissance vocalea le vent en poupe avec des assistants virtuels capables de transcrire les propos formulés en langage naturel puis de traiter les requêtes soit en répondant directement via une synthèse vocale, soit avec une traduction instantanée ou encore en effectuant une requête relative à la commande.

73% des Français ont une bonne image de l’IA *

D’après le baromètre sur la notoriété et l’image de l’IA réalisé par l’Ifop en novembre 2018,

73 % des Français en ont une bonne image de l’IA, et 62 % déclarent qu’ils aimeraient y être sensibilisés.

Pourquoi est‐il essentiel de se former à l’Intelligence Artificielle dès aujourd’hui ?

On estime que, d’ici à 2022, 30 % des emplois liés à l’Intelligence Artificielle et à la data seront vacants en raison d’une pénurie de talents.

 

« *Les entreprises vont avoir besoin de l’Intelligence Artificielle ! »

Nos entreprises auront aussi besoin d’artisans de l’IA.

Des professionnels qui seront en mesure d’utiliser des algorithmes d’IA déjà développés. En effet, chaque projet ne nécessite pas de repartir d’une feuille blanche… Aucunement !

Il faut savoir que des grands éditeurs comme Microsoft proposent en effet des IA pré‐entraînées, des briques de base, qu’il suffit d’assembler pour concevoir des outils efficaces. Par exemple, sur Azure, nous proposons des services cognitifs.

Il en existe une trentaine autour de la vision, qui reconnaissent des objets dans des images, ou encore le sentiment de la personne sur une photo.

D’autres peuvent analyser un texte et ses anomalies… Et pour utiliser ce type de services, il faudra former les  bons développeurs IA de demain.

*Vision apportée par M. Eneric Lopez « Directeur intelligence artificielle et développeurs », Microsoft France