Intelligence artificielle: éliminer le bourdonnement des mots à la mode

Avertissement: Ceci est un article d'opinion. Les opinions exprimées dans cet article sont les miennes et ne représentent pas mon employeur.

Des machines intelligentes et sensibles! Le dernier (enfin, pas vraiment) battage! Revenez une semaine ou deux en arrière et réfléchissez au nombre de jours que vous avez passés sans savoir comment l'IA allait changer votre carrière, votre santé, vos médicaments, votre nourriture, vos voyages ou autre chose. La télévision, les journaux et les blogs restent constamment inondés d'annonces sur la perturbation imminente due à l'utilisation de l'IA.

Permettez-moi de vous en montrer quelques exemples.

Nous avons ici (dans le horreur croissante):

• Climatiseurs fonctionnant par AI

• Machines à laver alimentées par AI

Source – Indiegogo

La source – Le Verge

C'est le triste état des choses. Nous sommes tous des techniciens ici et pensons peut-être «attendez, QUOI?». Mais la grande majorité de l’audience peu technique considère l’intelligence artificielle comme une magie. Ils y voient quelque chose au-delà de leur capacité cognitive à traiter et à accepter sans problème toute marque de fabrique comme «alimentée par l'IA». Nous avons donc cet article!

Source – Mashable

Alors, quelle est la vérité sur l’IA? Si vous creusez suffisamment, ou si vous retirez suffisamment de couches (jeu de mots voulu), que se passe-t-il?

Avant de passer à autre chose, examinons certains concepts de base.

Principales tendances de l'intelligence artificielle à surveiller en 2019

Qu'est-ce que l'intelligence artificielle?

De wiki L'intelligence artificielle est l'intelligence démontrée par des machines . C'est l'étude des «agents intelligents»: tout appareil qui perçoit son environnement et prend des mesures qui maximisent ses chances d'atteindre ses objectifs.

Mais, en réalité, qu'est-ce que l'intelligence artificielle?

IM [not so H] O, AI est juste un mot à la mode. Vraiment, c'est juste un jargon dénué de sens. Ok, peut-être pas de sens, mais c'est toujours du jargon. Ne me crois pas? Laissez-moi vous donner quelques exemples:

• Les ordinateurs jouant aux dames et battant les meilleurs joueurs humains étaient considérés comme une IA. Jusqu'à ce que ce ne soit pas quand il a été accompli vers 1994 par Chinook, le programme informatique destiné aux dames.
• Les ordinateurs jouant aux échecs et battant les meilleurs joueurs humains étaient considérés comme une IA. Jusqu’à ce que ce ne soit pas le cas lorsque cela a été accompli vers 1997 lorsque Deep Blue d’IBM a battu le champion du monde de l’époque, Garry Kasparov.
• Le régulateur de vitesse était considéré comme une IA. Jusqu'à ce que ce ne soit pas quand il a commencé à être disponible dans les voitures de production en 1990+ (partielle) et 2010+ (plage de pleine vitesse).
• Le stationnement automatique a été considéré comme AI. Jusqu'à ce que ce ne soit pas quand il a commencé à être disponible dans les voitures de série quelque part vers 2006.
• La reconnaissance de la parole humaine était considérée comme une IA. Jusqu'à ce que ce ne soit pas quand il a commencé à être disponible en tant qu'assistant Google, Cortana, Siri, etc. Nous avons maintenant une traduction de parole en temps réel!

XKCD obligatoire .

Je pourrais continuer, il y a tout à fait Quelques exemples de ce phénomène, connu officiellement sous le nom (oui, il est tellement connu qu’il porte un nom), l’effet AI [ wiki ].

. Douglas Hofstadter a mis en avant le principe de l'intelligence artificielle.

"L'IA est ce qui n'a pas encore été fait." – Douglas Hofstadter

Un calcul juste

"Chaque fois que nous en trouvons une partie, cesse d'être magique; nous disons, "Oh, ce n'est qu'un calcul". "

– Rodney Brooks

Donc, si ce n'est que du calcul, pourquoi n'a-t-il pas été" calculé "plus tôt? [19659005] Oui, le calcul, ou plutôt, la capacité de calcul est la clé. Beaucoup de problèmes ont été qualifiés d'IA car, à l'époque, des algorithmes de résolution inconnus à ce jour, ou encore, les ressources nécessaires à leur calcul n'étaient pas encore disponibles.

• Disponibilité de la puissance de calcul

Par ex. Echecs / autres jeux, etc.

La loi de Moore et l’explosion de la disponibilité des stocks ont joué un rôle majeur dans l’inversion des rôles. [Ilestimportantdenoterquelestableaux n'ont pas complètement transformé . Encore. Il y a tellement plus de matière à couvrir.]

• Disponibilité des données non biaisées

Par ex. Traitement du langage naturel (NLP).

Bon, maintenant vous pensez peut-être: «Assez de données n'étaient pas disponibles pour la reconnaissance vocale? Ce mec est plein de BS ”, mais écoutez-moi. Avec l'explosion des réseaux sociaux, le contenu créé et mis à disposition est si vaste qu'il est possible de trouver d'énormes bandes de voix / vidéo non biaisées (c'est la clé ici), ce qui a favorisé les progrès de la PNL. [19659007]

Disponibilité des infrastructures

Je suppose que je n’ai pas à mentionner l’amélioration de la vitesse de l’internet qui s’est produite au cours de la décennie. Cela a accéléré la création de contenu, le traitement en temps réel, etc.

Alors, de quoi parle tout le battage médiatique actuel

Le battage médiatique n’est pas d'actualité. L'intelligence artificielle suscite un intérêt considérable depuis le moment où elle a été proposée vers les années 50. Le grand nombre de films qui s'y rapportent nous en dit plus long.

Mais la vague actuelle de battage publicitaire entourant AI vient des récents progrès réalisés dans, drumroll s'il vous plaît, Machine Learning . 19659066] Qu'est-ce que l'apprentissage machine?

L'apprentissage machine consiste à

• donner à l'ordinateur la capacité d'apprendre
• à rechercher des motifs dans des données
• à partir de l'expérience
• sans programmation explicite .

ML is essentiellement à propos de classant et prédisant des choses .

L’opération type ressemble à quelque chose comme:

1. Prenez quelques données
2. Apprenez des modèles dans les données
3. Lorsque vous présentez de nouvelles données, classez-les pour obtenir la meilleure approximation possible, sur la base de ”Qui s'est passé en [2].

Related Read: Apprentissage automatique – Déchiffrer l'innovation la plus perturbante

Meh! Alors, quel est le problème?

Une fois formé dans un but précis, le même système ML peut être réutilisé (avec une formation supplémentaire) pour apprendre de nouveaux concepts. Cela peut être fait sans réécrire le code. Maintenant, c'est un gros problème.

Voyons un exemple simple: Classer les courriels.

Programmation traditionnelle:

si le courriel contient "ce n'est jamais un travail, c'est toujours une carrière" puis envoyez-le à

si le courrier électronique contient…

puis…

si le courrier électronique contient…

puis…

Programmes ML:

essayez de classer certains courriers électroniques;

soi pour réduire les erreurs;

répéter;

C'était une introduction de deux minutes à l'apprentissage automatique. Ainsi, la prochaine fois que quelqu'un commencera à parler de Artificial I, j'espère que vous ressentirez la douleur et vous direz «Excusez-moi, je pense que vous voulez parler de l'apprentissage automatique, pas de l'IA».

Source – HubSpot