Stratégie Cognitive - weave
←
→
Transcription du contenu de la page
Si votre navigateur ne rend pas la page correctement, lisez s'il vous plaît le contenu de la page ci-dessous
Executive Summary Nous entrons dans une nouvelle ère de l’informatique : l’ère cognitive, caractérisée par des systèmes informatiques capable d’interagir en langage naturel et de développer leur propre « intelligence » Cette nouvelle ère et l’explosion des nouvelles technologies permettent aujourd'hui le développement de l’intelligence artificielle à grande échelle. L’IA est partout, promettant des conseils personnalisés automatisés, de nouveaux remèdes et de nouvelles façons de travailler. Au delà de la communication faite autour de ces nouvelles opportunités et des craintes qu’elles engendrent, comment séparer la fiction de la réalité ? Comment votre entreprise peut-elle adopter le cognitif pour résoudre des problématiques réelles en 2017 ? 2
UNE NOUVELLE ERE Ere cognitive Nous entrons dans une nouvelle ère de l’information et de l’informatique : l’ère cognitive. Quels éléments marquent le début de cette ère ? 4
ère cognitive UNE NOUVELLE ERE DE L’INFORMATIQUE L’informatique a connu un développement fulgurant le siècle dernier. Grâce aux avancées technologiques, nous entrons aujourd’hui dans une nouvelle ère de l’informatique : l’ère cognitive. COGNITIF Intelligence Découverte du système Probabilistes Coût temps machine Langage naturel et data Sorties complexes PROGRAMMABLE Recherche Systèmes déterministes Données d'entreprise Langage machine Volume de Sorties simples Données TABULATION Générées Carte à trous 90% des données ont été Pointeuse créées en 2015/2016 1837 1937 2017 5
ère cognitive UNE NOUVELLE ERE DE L’INFORMATIQUE L’institut Gartner positionne les éléments des systèmes cognitifs à l’apogée du Hype cycle avec une adoption généralisée de ces technologies entre 2 et 10 ans. 6
CARACTERISTIQUES DE L’ERE COGNITIVE Usages digitaux et data Les comportements des consommateurs ont évolué pour privilégier les moyens digitaux dans la communication de tous les instants. Ces nouveaux usages génèrent une quantité phénoménale de données. Connection permanente Il n’a jamais été aussi facile de connecter un appareil au réseau. L’explosion de l’internet des objets en atteste et crée autant de sources d’information ou de points de contact homme-machine. Interopérabilité accrue Les systèmes s’homogénéisent augmentant leur interopérabilité. La mise en place de nombreux services ouverts et exposés via différentes API facilite les échanges et le traitement des données. 7
INTELLIGENCE ARTIFICIELLE Système Cognitifs L’intelligence artificielle est un mot à la mode utilisé à outrance et souvent confondu avec les moyens technologiques sous-jacents (Machine Learning, Deep Learning, NLP, data mining…). Quelle(s) définition(s) pour l’Intelligence Artificielle ou les Systèmes Cognitifs ? 8
intelligence artificielle INTELLIGENCE & INTELLIGENCE ARTIFICIELLE Il n’y a pas de définition unique et partagée de l’intelligence. On peut néanmoins y associer différentes capacités : The essence of compréhension communication apprentissage mémoire logique intelligence is skill in extracting abstraction créativité conscience de soi planification ... meaning from De la même manière, il n’y a pas de définition partagée de l’Intelligence Artificielle (IA). every day Il s’agit aujourd’hui plus d’un terme marketing regroupant un ensemble de moyens experience. technologiques permettant de réaliser des analyses automatiques à grandes échelles en émulant ou mimant le fonctionnement du raisonnement humain. - unknow On différencie malgré tout les IA « faibles » permettant de comprendre une question et d’y répondre en piochant dans un corpus d’information (ex: IBM Watson Explorer) et les IA « fortes » qui sont capables de prendre réellement des décisions, d’agir en autonomie et pourquoi pas développer des sentiments (ex: Skynet de Terminator). Partant de ce constat, nous préférons utiliser le terme de système cognitif pour décrire les systèmes existants et l’état de l’art du marché. 9
intelligence artificielle SYSTÈME COGNITIF Les systèmes cognitifs sont des systèmes complexes de traitement de l’information, capables d’acquérir, de mettre en œuvre et de transmettre des connaissances. Ils sont capables d’apprendre en suivant un mécanisme éducatif et poursuivre leur apprentissage de façon autonome de part l’interaction avec les utilisateurs et par de nouvelles situations. Ils comprennent et s’expriment en langage naturel. Un système cognitif raisonne de la même manière qu’un humain, en suivant un processus cognitif en 4 étapes … … et développe ainsi 4 capacités majeures : Il observe son environnement, il ADAPTATIF INTERACTIF 1 perçoit et recueille les informations de son entourage. Il prend en compte l’évolution Il interagit facilement avec des informations et tient les utilisateurs pour qu’ils Il interprète ses perceptions et compte des changements puissent définir leurs besoins 2 construit une vue conceptuelle de d’objectifs. facilement. son environnement. Il évalue ses interprétations en 3 fonction de son contexte et de ses ITÉRATIF CONTEXTUEL connaissances. Il se souvient des anciennes Il peut comprendre, identifier Il décide de façon autonome sur base réponses et interactions pour et extraire des éléments 4 de son évaluation et de son indice de ré-utiliser ces informations contextuels (définitions, confiance. comme base de syntaxes, dates, lieux, connaissance. domaines, lois…). 10
intelligence artificielle EXPERIENCE CLIENT DOMAINES D’APPLICATION Proposer de nouveaux modes d’interaction Enrichir le parcours client Personnaliser la relation client Améliorer la connaissance client et son Les systèmes cognitifs se répandent exploitation peu à peu à travers les différentes Prévoir le besoin client & adapter l’offre en industries. Leur rayon d’action prédictif s’agrandit et ils peuvent désormais compléter tous les niveaux de la chaine de valeur des entreprises. INTELLIGENCE & FONCTION D’ENTREPRISE Anticiper les évolutions de marché Automatiser les processus et fonctions d’entreprise Optimiser la performance des services Compléter la stratégie d’entreprise Rechercher de nouveaux axes de valeur Exploiter et valoriser les données internes 11
intelligence artificielle LES OUTILS DU COGNITIF Pour fonctionner, un système cognitif s’appuie sur 6 familles d’outils N LP Natural Language Processing KR Knowledge Representation CV Computer Vision TRAITEMENT REPRÉSENTATION DES VISION PAR ORDINATEUR technologiques : AUTOMATIQUE DU CONNAISSANCES LANGAGE NATUREL Assurer l’interactivité homme – Représenter les informations à Etre en capacité d’acquérir, de traiter, machine, en comprenant ET générant propos du monde permettant de d’analyser et de comprendre des du langage naturel. résoudre des tâches complexes. images. Utilisation : traduction, génération de Utilisation : Réseau sémantique, Utilisation : reconnaissance résumés, analyse sentimentale… cadre, ontologie… d’objets, restauration d’images… AR Automated Reasoning ML Machine Learning R Robotic RAISONNEMENT APPRENTISSAGE ROBOTIQUE AUTOMATISÉ AUTOMATIQUE Comprendre les différents aspects du Apprendre sans avoir été Etre en capacité de mouvoir des raisonnement explicitement formaté en extrayant la objets et interagir avec le monde Utilisation : Logique et calcul, logique connaissance de la donnée. physique.. floue, inférence Bayésienne… Utilisation : Filtre anti-spam, moteur Utilisation : Robotique spatiale, de recherche, vision par ordinateur… système de guidage… 12
intelligence artificielle DIFFÉRENTS SYSTÈMES COGNITIFS On dénombre 6 familles de systèmes cognitifs caractérisées par leur spectre de capacités et d’intervention : Robot Assistant Système Système Intelligence Intelligence d’interaction Personnel Expert autonome Spécialisée multifonction Robot ou chat bot qui Interface personnalisée Logiciel d'aide à la Système robotisé et/ou Système intelligent Système cognitif interagit avec des permettant de contrôler décision capable de automatisé interagissant développé pour répondre pluridisciplinaire humains permettant de des systèmes par répondre à des questions, avec le monde réel et à une problématique autoapprenant au spectre renseigner les gens, leur interaction naturelle en effectuant un remplaçant l’humain complexe précise d’intervention étendu donner de l’information, raisonnement à partir de les accueillir faits et de règles connues Pepper, Léa SNCF Apple Siri, Amazon Echo Wesave, IBM Watson Tesla autopilot, Deep Blue, Alphago, Salesforce Einstein, IBM Oncology Automation Anywhere DeepDream Watson NLP KR NLP KR AR NLP KR AR ML AR ML CV R KR AR ML NLP KR AR ML DONNEES : DONNEES : DONNEES : DONNEES : DONNEES : DONNEES : structurées structurées structurées non structurées non structurées structurées non structurées structurées non structurées Sophistication 13
CAS D’USAGE Utilisation Les systèmes cognitifs se répandent peu à peu à travers les différentes industries. Leur rayon d’action s’agrandit… Quelles applications du cognitif sont aujourd’hui possibles ? Pour quelles industries ? 14
CAS D’USAGE exemples inspirants outils cognitifs Netflix Mise en place d’analyse prédictive de masse pour réaliser des Recommandation iTunes AR ML recommandations personnalisées aux clients finaux Pandora NLP AR Refonte du parcours client à l’aide de capacités cognitives pour Northface : IBM Watson Parcours client agréger des données diverses et enrichir l’expérience client Facebook ML Mise en place de nouvelles interfaces client en langage naturelle : DBS – MyKai/Kasisto NLP KR chat bot, reconnaissance vocale Interaction Client Renault : Pepper NLP KR Utilisation de robot d’interaction pour assurer la relation client sur First Commercial Bank : site physique Pepper R DBS : IBM Watson Wealth NLP KR Exploitation d’un système d’aide à la décision pour accompagner Expertise Management le collaborateur / expert dans son travail quotidien Wesave AR ML CIC - Crédit Mutuel : IBM NLP AR Analyse et catégorisation automatique des interactions mails Watson clients Automatisation Société Générale - OWI ML des traitements / Gestion des flux KR AR Mise en place de Robotic Process Automation pour automatiser ANZ : Automation les processus de traitement interne Anywhere ML 15
cas d’usage GESTION INTERACTION CLIENTS (1/2) La répartition des flux clients entre les canaux évolue. Le développement de l’omni-canalité transforme la relation client en une multitude d’interactions clients successives sur les différents médias. L’entreprise doit adapter ses services en charge de la relation client et ses outils pour assurer la cohérence et la fluidité de ces interactions clients et ainsi construire une conversation avec le client. Les plateformes multicanal dites « d’engagement client » transversalisées et construites autour du concept d’interaction client se répandent. Ces plateformes mettent en place un point de convergence des interactions et utilisent les données clients : profil, préférence, historique d’interaction… pour dispatcher et traiter les interactions clients en fonction de différentes règles métier prédéfinies. Il est aujourd’hui possible d’enrichir ces systèmes à l’aide de services cognitifs permettant d’analyser les demandes pour comprendre l’intention du client, l’objet réel de la demande, son degré d’urgence et l’état d’esprit du client sur base du vocabulaire et de la grammaire utilisés. Il est alors possible de gérer les flux en fonction de leur contenu et de faciliter leur traitement en proposant ou en automatisant la réponse. 16
cas d’usage GESTION INTERACTION CLIENTS (2/2) La gestion d’interaction clients peut être enrichie à l’aide de systèmes cognitifs : 17
http://kasisto.com/kai/ cas d’usage CHATBOT MyKAI DBS lance en 2016 un premier chatbot sur Facebook Messenger en utilisant l’offre MyKai de Kasisto. L’expérience, concluante en Inde et à Singapore, est reproduite dans les filières du groupes (POSB,…). Kasisto met à disposition une plateforme offrant des services de conversation et notamment un chatbot spécialisé dans le domaine bancaire. 18
https://www.youtube.com/watch?v=VULXuEUn2JI cas d’usage PEPPER First Commercial Bank La First Commercial Bank a embauché le robot Pepper dans ses agences pour accueillir la clientèle et assurer le premier niveau de renseignement. Le robot est réellement « embauché » puisqu’il perçoit un « salaire » (perçu par son propriétaire). 19
cas d’usage ROBO ADVISOR IBM Watson Wealth Management IBM Wealth Management est une solution offrant de nombreux services d’analyse pour accompagner la gestion de portefeuilles patrimoniaux. Cette solution permet d’analyser les profils et comportements des clients et d’étudier diverses sources d’informations pour gérer mieux les patrimoines et proposer les meilleures corrélations de produits aux clients. Watson intervient dans l’analyse des profils clients et dans la recherche et l’accompagnement de la gestion du patrimoine. 20
cas d’usage ROBOTIC PROCESS AUTOMATION (RPA) AUTOMATION ANYWHERE La banque australienne ANZ a adopté le RPA en 2015 en Inde en utilisant la solution de Automation Anywhere. L’objectif de cette implémentation était de résoudre le problème de charge saisonnière et des recrutements. Résultat : un processus de paiement automatisé a permis de réduire une équipe de 40 personnes à seulement 2 personnes. 21
cas d’usage GESTION DES MAILS CREDIT MUTUEL La filiale technologique du groupe Crédit Mutuel, Euro-Information, achète IBM Watson en fin d’année 2015 pour réaliser un ensemble d’expérimentations. En fin d’année 2016, le Crédit Mutuel lance la phase pilote de son analyseur de mail réalisé avec IBM Watson. Cet outil permet d’analyser automatiquement le contenu des mails clients, de les catégoriser en fonction de leur thème et de l’urgence de la demande. Un ensemble de réponse type a été créé pour répondre aux demandes les plus répandues. Watson priorise donc les emails et associe à une réponse type avant de les proposer aux conseillers. 22
cas d’usage PROCHAIN FILM ? NETFLIX Netflix utilise de nombreux algorithmes de prédiction pour recommander le prochain film ou série que vous pourriez vouloir regarder. De la même manière Amazon, iTunes, Pandora et d'autres entreprises utilisent des analyses prédictives similaires pour faire de meilleures recommandations. Netflix va encore plus loin en utilisant ces informations pour décider de ce que les studios devraient réaliser pour répondre à la demande. 23
cas d’usage Expert Personal Shopper The North Face En partenariat avec Fluid (éditeur de site de e-commerce), The North Face a mis en place un micro site dédié à la vente spécialisée de manteaux. Ce micro site propose les services d’un « Personal Shopper » en apportant les conseils d’un expert sur le domaine des manteaux techniques (vendus par The North Face). Fluid met en place des capacités cognitives pour interagir avec le client par des questions réponses, puis agrège des données de sources variées pour sélectionner les produits les plus pertinents selon le contexte. 24
cas d’usage AUTOPILOT TESLA Les modèles Tesla sont équipés d’un système d’autopilotage constitué de 8 caméras et différents radars. La voiture est ainsi capable d’identifier son environnement, déterminer les potentiels dangers, de définir son allure, choisir son chemin et ainsi se conduire toute seule. 25 https://www.tesla.com/fr_FR/autopilot
cas d’usage EINSTEIN SALESFORCE « Salesforce Einstein intègre de l'intelligence artificielle (IA) au cœur de la plateforme Salesforce, pour en faire le CRM le plus intelligent au monde. Il apporte des capacités d'IA avancées aux outils de vente, service client et marketing. » Salesforce met ainsi à disposition sur sa plateforme des services cognitifs déployables rapidement permettant d’enrichir les campagnes marketing, de coacher les vendeurs ou d’accompagner les services clients en exploitant la donnée client. En plus de ces services accessibles clés en main, il est également possible de développer ses propres algorithmes à l’aide des outils de la plateforme. 26 https://www.salesforce.com/fr/products/einstein/overview/
cas d’usage GOOGLE HOME GOOGLE Google Home est l’extension à domicile de Google Assistant précédemment développé sur mobile. Cet assistant donne accès à de nombreuses fonctionnalités à travers une interface vocale. Google Home interagit donc en langage naturel, peut reconnaitre les personnes par leur voix, accède à un corpus d’informations et d’actions et apprend de chaque interaction pour personnaliser peu à peu les échanges. 27 https://madeby.google.com/home/
APPROCHE WEAVE De la théorie à la pratique L’écosystème du cognitif explose, les industries adoptent les systèmes cognitifs et inscrivent l’IA à leur plan stratégique. Par où commencer ? Comment transformer l’excitation du marché en fonctionnalités réelles ? 28
approche weave TRANSFORMATION D’ENVERGURE L’entrée dans l’ère cognitive représente une vraie transformation pour les systèmes d’information comme pour leurs utilisateurs : o Transformation économique : une évolution des modèles économiques et nouveaux axes de développement de valeur o Transformation méthodologique : de nouvelles approches et méthodes de travail sont à adopter o Transformation technologique : de nouvelles infrastructures techniques sont nécessaires o Transformation humaine : des changements humains importants dans l’appréciation et l’utilisation des nouvelles technologies Une transformation d’envergure nécessitant de construire un plan d’action prospectif robuste qui tire partie des capacités de l’existant et permet un éclairage pertinent sur la trajectoire à suivre. 29
approche weave PLAN DE TRANSFORMATION COGNITIVE Pour aborder cette transformation d’envergure, nous vous proposons d’adopter une stratégie en 3 étapes clés : 01.Stratégie Cognitive 02.Expérimentation 03.Industrialisation Définition de votre stratégie Construction de vos premières Déploiement des solutions cognitive en analysant votre solutions cognitives en concluantes à une échelle existant, en inventoriant vos exploitant les architectures cloud industrielle en vous dotant des données disponibles et en based infrastructures nécessaires priorisant les cas d’utilisation cognitifs de valeur Mesure Données MVP Diagnostic Services Autres Priorisation CAS D’USAGE Cas d’usage Cognitifs Services validé et & développé VALEUR METIER dans le cloud API Appren- tissages Réalisa- Services Core IT tion Dédiés DONNEES Cas d’usage 30
approche weave UNE ATTENTION SPECIFIQUE POUR LA DATA La data est au cœurs des systèmes cognitifs. Cette dépendance à l’information produit deux problématiques majeures pour les entreprises : LE PATRIMOINE DATA LE PRINCIPE GIGO Pour fournir de la valeur, les systèmes cognitifs doivent Le principe « Garbage in = Garbage out » est absorber une grande quantité d’informations. Un prérequis fondamental dans l’apprentissage des systèmes cognitifs. pour mettre en place et utiliser un système cognitif est Les données de base utilisées pour construire le système alors de posséder suffisamment de patrimoine data doivent être de qualité. C’est-à-dire, être le plus fidèle à la pour construire la base de connaissance de départ. réalité, posséder une forte représentativité, constituer une Pour compléter votre patrimoine, il existe certains volumétrie et un historique suffisants. La performance du patrimoines ouverts (open source - notamment pour le système repose sur l’entrainement et particulièrement sur NLP), d’autres pouvant être achetés auprès de partenaires. les données utilisées lors de cet entrainement. La maîtrise de vos données est primordiale pour démarrer La préparation amont des données représente un effort l’aventure. important et nécessaire. weave.data vous accompagne pour répondre à ce double enjeu de la data et vous facilite la mise en place des capacités cognitives au cœur de vos systèmes d’informations. 31
approche weave NOTRE ECOSYSTEME En quête de solutions et face aux turbulences, nous faisons le choix du travail en écosystème, source de nouveaux points d’appui et d’inspiration perpétuelle pour vous et nous. Le conseil en « stratégie Le concept de conseil en « stratégie augmentée », que nous avons déposé, traduit notre augmentée », fruit de volonté d’approcher le conseil en intégrant de nouvelles dimensions : l’hybridation entre le l’approche par les usages conseil en stratégie l’expérimentation opérationnelle et de la data, nouvelle source de vision et de business models nouvelles compétences Stratégie Opérationnelle Veille dédiée à l’intelligence Conseil Métier & Technologique artificielle > ia.weave.eu Weave.air Design Thinking, Business Design Weave Data : Machine Learning, mathématiques appliquées Incubation des Start up de notre écosystème Expérimentation, POC Lab 32
approche weave NOS REFERENCES, NOS ACCELERATEURS Nos références : Secteur financier - Accompagnement de la Banque régionale - Moteur de Lessivier - Prototypage rapide de solution transition digitale d’un acteur du conseil recommandation d’offres bancaires exploitant d’objets connectés : boule doseuse connectée boursier à distance les comportements clients Design Thinking sur les usages liés à la Finance Réaliser un moteur de recommandation sous forme de Conduite d’un POC évaluant l’opportunité d’une boule Comportementale des boursicoteurs et POC d’une appli POC pour prédire en fonction du profil et comportement doseuse connectée collectant les données d’utilisation dédiée (et déployée auprès des conseillers à distance) client, la ou les prochaines offres auxquelles il pourrait par le consommateur final lors des cycles de lavage à sur plateforme Apple/IOS souscrire par canal l’aide de 6 capteurs embarqués et de l’exploitation du réseau Sigfox, Pour accélérer la transformation et se lancer tout de suite dans le cognitif, nous pouvons employer trois accélérateurs : DESIGN THINKING WEAVE.DATA HACKATHON Avec notre AIR Lab, il est possible de réaliser Notre Business Unit weave.data vous Il est également envisageable d’organiser un une première itération de la démarche en accompagne dans la convergence des hackathon avec des acteurs internes et notre suivant la méthodologie du Design Thinking, différentes dimensions de la Data : écosystème qui vous permettra d’ouvrir les vous permettant d’aboutir à un premier ▪ Data Strategy & Governance horizons des sujets traités et de construire prototype de solution (POC/MVP) et de ▪ Data Maturity Scope des premières solutions. garantir l’adhésion des utilisateurs et la ▪ Data Factory qualité des ergonomies (UX/UI). ▪ Data Mobile App 33
GET IN TOUCH ! Laurent HELLE Bastien MARICHAL Associé Banque & Assurance Explorateur Cognitif laurent.helle@weave.eu bastien.marichal@weave.eu 06 76 97 17 26 06 20 10 52 58 Christophe VALLET Pirmin Lemberger Associé weave.data Directeur Scientifique IA Christophe.vallet@weave.eu Pirmin.lemberger@weave.eu 07 88 75 50 36 34
35
Our machines should be nothing more than tools for extending the powers of the human beings who use them. Thomas Watson Jr. 36
ANNEXE 37
ANNEXE LIVRET BLANC INTELLIGENCE ARTIFICIELLE IA.WEAVE GLOSSAIRE TEST DE TURING FILMOGRAPHIE LIENS UTILES GESTION INTERACTION CLIENTS 38
LIVRET BLANC INTELLIGENCE ARTIFICIELLE WEAVE Retrouvez notre livre blanc consacré à l’intelligence artificielle sur http://ia.weave.eu 39
GLOSSAIRE Certains termes associés à l’IA sont utilisés principalement à des fins de marketing, tandis que d'autres sont plus techniques… Voici quelques définitions pour les termes communs qu’il est possible d’entendre. C’est un bon point de départ si vous souhaitez développer l’IA au sein de votre organisation. 40
GLOSSAIRE INTELLIGENCE ARTIFICIELLE (IA) : il n’existe pas de définition partagée de ce concept, qui correspond plus aujourd’hui, à un terme marketing désignant tout système qui « pense de la même manière que les êtres humains ». L’IA est en réalité composé d’un ou plusieurs systèmes cognitifs permettant de rassembler les capacités de raisonnement, de planification, d’apprentissage et d’interaction en langage naturel. SYSTÈME COGNITIF : les systèmes cognitifs sont des systèmes complexes de traitement de l’information, capables d’acquérir, de mettre en œuvre et de transmettre des connaissances. Ils sont capables d’apprendre en suivant un mécanisme éducatif et poursuivre leur apprentissage de façon autonome de par l’interaction avec les utilisateurs et de nouvelles situations. Ils comprennent et s’expriment en langage naturel. Ils constituent le « cerveau » de l’IA. 41
GLOSSAIRE ALGORITHME : correspond à une suite finie et autonome d’opérations ou d'instructions permettant de résoudre un problème ou d'obtenir un résultat. La définition d’algorithme permet d’automatiser des processus ou des analyses. Par exemple, les algorithmes de recommandation de Netflix peuvent prédire les films qu'un consommateur voudrait regarder en fonction de leur historique de visualisation. MACHINE LEARNING (ML) : ou apprentissage automatisé, désigne la conception, l'analyse, le développement et l'implémentation de méthodes permettant à un ordinateur d'évoluer par un processus systématique (apprentissage), et ainsi de remplir des tâches difficiles ou problématiques à remplir par des moyens algorithmiques plus classiques. Par exemple, le moteur de machine learning de Facebook utilise des algorithmes et des points de données pour montrer à un utilisateur des amis suggérés, afficher des annonces pertinentes et détecter le spam. DEEP LEARNING : est une branche du machine learning qui utilise des algorithmes complexes imitant le réseau neuronal du cerveau pour apprendre un domaine avec peu ou pas de supervision humaine. Par exemple, Google Photos utilise le deep learning pour la reconnaissance faciale des photos. 42
GLOSSAIRE RÉSEAUX DE NEURONES : approche informatique qui modélise de manière souple comment le cerveau résout les problèmes avec des couches d'entrées et de sorties. Plutôt que d'être programmés, les réseaux sont formés avec plusieurs milliers de cycles d'interactions et entrainés sur des jeux de données avant d’être exploités. DATA MINING : ou exploration de données a pour objet l’extraction de connaissances à partir de grandes quantités de données, par des méthodes automatiques ou semi- automatiques. Pour réaliser cette extraction, un ensemble d’algorithmes est utilisé en s’appuyant sur des analyses statistiques ou bien du machine learning. BIG DATA : désigne un ensemble très volumineux de données provenant de sources diverses et variées. Par exemple : messages de réseaux sociaux, vidéos, documents, photos, informations climatiques, signaux GPS, enregistrements transactionnels d’achats en ligne et bien d’autres encore… Le Big Data est désormais un buzzword mélangeant la donnée, les outils, la technologie et les usages adhérents à ces amas de données. L’objectif reste néanmoins de tirer profit de l’analyse des données en masse par la découverte de patterns. 43
GLOSSAIRE ANALYSE PREDICTIVE : est une branche de l’analyse avancée des données utilisée pour prévoir des événements futurs inconnus en fonction de modèles de données historiques. Elle est notamment à l’origine des offres marketing qui deviennent plus pertinentes à chaque fois que vous agissez (ou vous vous abstenez d’agir) à la suite d’une offre reçue par e-mail. NATURAL LANGUAGE PROCESSING (NLP) : ou traitement automatisé du langage naturel est le domaine d’étude dans lequel les machines sont formées pour comprendre le langage humain. Il est utilisé pour les traductions automatiques, les chatbots ou les assistants personnels et permet plus généralement de faciliter les interactions homme - machine PARSING : est le processus d’analyse du texte permettant de le passer au crible des règles de grammaire ou de syntaxe. Il s’agit de l’étape préliminaire au traitement automatisé du langage naturel. Sur base la du parsing, les algorithmes de classification permettent de déterminer un champs lexical, un sentiment / intention et un sens au texte. 44
A computer would deserve to be called intelligent if it could deceive a human into believing that it was human. Alan Turing 45
TEST DE TURING En 1950, Alan Turing défend dans son article « Les machines savent-elles penser ? », que toute fonction humaine est traduisible sous forme d'algorithme, et qu’il est alors possible qu'un automate puisse faire ce qu'un homme sait faire, à condition de lui fournir un programme de travail adéquat. Il met au point un test pour évaluer « l’intelligence » d’une machine : – Un examinateur est confronté à deux entités dissimulées : un humain et un ordinateur – L’examinateur adresse les mêmes questions aux deux entités. – L’examinateur doit en fonction des réponses déterminer quelle entité est l’ordinateur. Le test est passé par l’ordinateur si l’examinateur est incapable de différencier les deux entités. 46
TEST DE TURING Ce test pose plusieurs questions sur nos attentes vis-à-vis des machines « intelligentes ». Pour réussir ce test, il ne s’agit pas uniquement d’apporter la meilleure réponse le plus rapidement possible et en pouvant la justifier de meilleure façon possible, il faut pouvoir offrir une réponse qu’un être humain puisse fournir. Il est alors nécessaire de simuler le comportement humain, ajoutant des approximations, introduisant des erreurs volontaires et des lenteurs dans la réponse… De la même façon, il est envisageable de pouvoir introduire du mensonge pour me tromper le testeur et assumer une part de « personnalité » de la machine. La machine peut assumer ne pas répondre à un thème récurrent (ex: la météo) en prétextant ne pas être la miss météo (par exemple). Enfin l’expression doit porter l’approximation humaine (faute de grammaire, hésitation, expressions…) En réalité, passer le test de Turing réside plus dans l’imitation des biais humain que dans la recherche d’une intelligence complète : nous ne cherchons plus la machine la plus efficace et la plus juste mais une machine suffisamment intelligente pour ressembler à un être humain et se confondre avec nous… A plusieurs reprises dans l’histoire informatique, des systèmes ont pu « réussir » le test de Turing en trompant l’humain sur un périmètre ou cas d’utilisation fermé et bien précis. Aucune machine n’a encore réalisé le test sur un éventail large d’interaction et de sujets. 47
FILMOGRAPHIE CHAPPIE Sortie : 2015 Directeur : Neill Blomkamp Scenariste : Neill Blomkamp, Terri Tatchell Avec: Sharlto Copley, Dev Patel, Hugh Jackman EX MACHINA Sortie : 2015 Directeur : Alex Garland Scenariste : Alex Garland Avec: Alicia Vikander, Domhnall Gleeson, Oscar Isaac 48
FILMOGRAPHIE HER Sortie : 2013 Directeur : Spike Jonze Scenariste : Spike Jonze Avec: Joaquin Phoenix, Amy Adams, Scarlett Johansson I, ROBOT Sortie : 2004 Directeur : Alex Proyas Scenariste : Jeff Vintar Avec: Will Smith, Bridget Moynahan, Bruce Greenwood 49
FILMOGRAPHIE TRANSCENDENCE Sortie : 2014 Directeur : Wally Pfister Scenariste : Jack Paglen Avec: Johnny Depp, Rebecca Hall, Morgan Freeman THE IMITATION GAME Sortie : 2015 Directeur : Morten Tyldum Scenariste : Graham Moore, Andrew Hodges Avec: Benedict Cumberbatch, Keira Knightley, Matthew Goode 50
LIENS UTILES Harvard Business Review THE VERGE DISTILL The Competitive Landscape for Artificial Intelligence Latest articles about machine Machine Intelligence learning Le site éditorial THE VERGE possède une Harvard Business Review s’intéresse de près rubrique dédiée à l’intelligence artificielle et Distill a été lancé par Google et a pour aux évolutions technologiques liées à diffuse l’ensemble de l’actualité assocée. objectif de regrouper, de partager et faciliter l’intelligence artificielle et à ses différents Des articles de fond sont aussi publiés tel la compréhension des publications autour impacts sur la société et l’économie. Un que : “What counts as artificially intelligent? du machine learning. Le contenu est panorama de la concurrence est publié AI and deep learning, explained” régulièrement enrichi des dernières régulièrement. publications majeures https://goo.gl/oSLwtw https://goo.gl/2alJtm http://distill.pub 51
Vous pouvez aussi lire