Technologie : La dernière version de l’étude de Stanford sur l’intelligence artificielle préconise un plus grand mélange des compétences de l’être humain et de la machine.

L’intelligence artificielle (IA) doit être manipulée avec beaucoup de soin et de prévoyance. C’est là que les leaders et les praticiens de la technologie doivent intervenir et ouvrir la voie, en encourageant l’utilisation de l’IA pour augmenter et amplifier les capacités humaines.

Ce sont là quelques-unes des observations tirées du rapport récemment publié par l’Université de Stanford, le prochain volet de son « « One-Hundred-Year Study on Artificial Intelligence », un effort à très long terme visant à suivre et à surveiller l’IA à mesure qu’elle progresse au cours du siècle à venir. Le rapport, lancé pour la première fois en 2016, a été préparé par un comité permanent comprenant un panel de 17 experts, et préconise que l’IA soit employée comme un outil permettant d’augmenter et d’amplifier les compétences humaines. « Toutes les parties prenantes doivent être impliquées dans la conception des assistants d’IA, afin de produire une équipe humains/IA qui surpasse l’un ou l’autre seul. Les utilisateurs humains doivent comprendre le système d’IA et ses limites pour lui faire confiance et l’utiliser de manière appropriée, et les concepteurs de systèmes d’IA doivent comprendre le contexte dans lequel le système sera utilisé. »

Quels sont les principaux domaines où l’IA se développe ?

L’autonomie complète « n’est pas l’objectif final des systèmes d’IA », affirment les coauteurs. Il doit y avoir « des lignes de communication claires entre les décideurs humains et automatisés. En fin de compte, le succès de ce domaine sera mesuré par la façon dont il aura donné du pouvoir à tous les gens, et non par l’efficacité avec laquelle les machines dévalorisent les personnes mêmes que nous essayons d’aider ».

Le rapport examine les principaux domaines dans lesquels l’IA se développe :

• Découverte : « Les nouveaux développements en matière d’IA interprétable et de visualisation de l’IA permettent aux humains d’inspecter plus profondément les programmes d’IA et de les utiliser pour organiser explicitement les informations d’une manière qui facilite la tâche d’un expert humain qui rassemble les pièces et en tire des conclusions », note le rapport.
• Prise de décision : L’IA aide à résumer les données trop complexes pour qu’une personne puisse les absorber facilement. « La synthèse est désormais utilisée ou activement envisagée dans des domaines où de grandes quantités de texte doivent être lues et analysées – qu’il s’agisse de suivre les médias d’information, d’effectuer des recherches financières, de procéder à l’optimisation des moteurs de recherche ou d’analyser des contrats, des brevets ou des documents juridiques. Les progrès naissants dans la génération de textes hautement réalistes (mais actuellement non fiables ou précis), tels que GPT-3, pourraient également rendre ces interactions plus naturelles. »
• L’IA en tant qu’assistant : « Nous commençons déjà à voir des programmes d’IA capables de traiter et de traduire du texte à partir d’une photographie, ce qui permet aux voyageurs de lire la signalisation et les menus. L’amélioration des outils de traduction facilitera les interactions humaines entre les cultures. Les projets qui exigeaient autrefois qu’une personne ait des connaissances hautement spécialisées ou dispose de beaucoup de temps peuvent devenir accessibles à un plus grand nombre de personnes en leur permettant de rechercher une expertise spécifique à la tâche et au contexte. »
• Traitement du langage : Les progrès technologiques en matière de traitement du langage ont été soutenus par des modèles de langage à base de réseaux neuronaux, notamment ELMo, GPT, mT5 et BERT, qui « apprennent comment les mots sont utilisés dans leur contexte, notamment les éléments de grammaire, le sens et les faits de base sur le monde, en passant au crible les modèles dans les textes naturels. L’aisance de ces modèles avec le langage est déjà à l’origine d’applications telles que la traduction automatique, la classification de textes, la reconnaissance vocale, les aides à l’écriture et les chatbots. Les applications futures pourraient inclure l’amélioration des interactions entre l’homme et l’IA dans diverses langues et situations ».
• Vision par ordinateur et traitement de l’image : « De nombreuses approches de traitement de l’image utilisent le deep learning pour la reconnaissance, la classification, la conversion et d’autres tâches. Le temps de formation pour le traitement des images a été considérablement réduit. Les programmes fonctionnant sur ImageNet, une collection massive et standardisée de plus de 14 millions de photographies utilisée pour entraîner et tester les programmes d’identification visuelle, accomplissent leur travail 100 fois plus vite qu’il y a seulement trois ans. » Les auteurs du rapport préviennent toutefois que cette technologie pourrait faire l’objet d’abus.
• Robotique : « Ces cinq dernières années, la robotique intelligente a fait des progrès constants grâce au machine learning, à de puissantes capacités de calcul et de communication et à la disponibilité accrue de systèmes de détection sophistiqués. Bien que ces systèmes ne soient pas pleinement capables de tirer parti de toutes les avancées de l’IA, principalement en raison des contraintes physiques des environnements, des systèmes robotiques hautement agiles et dynamiques sont désormais disponibles pour un usage domestique et industriel. »
• Mobilité : « Les prédictions optimistes d’il y a cinq ans sur les progrès rapides de la conduite entièrement autonome ne se sont pas concrétisées. Les raisons peuvent être compliquées, mais le besoin de niveaux de sécurité exceptionnels dans des environnements physiques complexes rend le problème plus difficile, et plus coûteux à résoudre que prévu. La conception de voitures autonomes nécessite l’intégration d’une série de technologies, notamment la fusion de capteurs, la planification et la prise de décision par l’IA, la prédiction de la dynamique du véhicule, la communication intervéhicules, etc. »
• Systèmes de recommandation : Les technologies d’IA alimentant les systèmes de recommandation ont considérablement évolué au cours des cinq dernières années, indique le rapport. « L’un des changements est l’incorporation quasi universelle de réseaux neuronaux profonds pour mieux prédire les réponses des utilisateurs aux recommandations. On constate également une utilisation accrue de techniques sophistiquées de machine learning pour analyser le contenu des éléments recommandés, plutôt que d’utiliser uniquement les métadonnées et le comportement de clic ou de consommation des utilisateurs. »

Les auteurs du rapport mettent en garde contre le fait que « l’utilisation de modèles de machine learning de plus en plus sophistiqués pour recommander des produits, des services et des contenus a suscité des préoccupations importantes concernant les questions d’équité, de diversité, de polarisation et l’émergence de bulles de filtres, là où le système de recommandation suggère. Bien que ces problèmes nécessitent plus que des solutions techniques, une attention croissante est accordée aux technologies qui peuvent au moins partiellement répondre à ces questions ».

Source : ZDNet.com