La prochaine entreprise d'un billion de dollars dont vous n'avez pas encore entendu parler

La définition communément admise de l'intelligence artificielle (IA) est la capacité d'un ordinateur à décider sans intervention humaine. Réfléchissons un instant à cela : si j'apprenais à un ordinateur que 2 plus 2 égalent 4, alors à partir de ce moment, cet ordinateur pourra répondre à la question "Combien font 2 plus 2 ?" sans intervention humaine.

Cela signifie-t-il qu'il a une capacité d'IA ? En quelque sorte, mais c'est un peu comme de la triche parce qu'une intervention humaine a eu lieu, juste dans le passé. L'ordinateur ne peut résoudre que les questions spécifiques auxquelles il a été chargé de répondre.

Les humains ont passé les 50 dernières années à fournir aux ordinateurs des millions d'instructions sous forme d'algorithmes. Par conséquent, les ordinateurs peuvent aujourd'hui intervenir dans de nombreuses situations bien définies, telles que le calcul de la trajectoire d'un vaisseau spatial, les déclarations fiscales, les soldes comptables, etc.

Alors, c'est de l'IA ? Formellement oui, mais ce n'est pas vraiment ce que les gens veulent dire quand ils disent IA de nos jours.

La véritable magie dont tout le monde parle est la capacité d'un ordinateur à apprendre à penser et à résoudre le problème par lui-même – sans recevoir d'instructions spécifiques.

C'est la partie la plus intrigante de l'IA, appelée Machine Learning (ML).

Tout comme les gens, les ordinateurs doivent être formés sur la façon d'apprendre de nouvelles choses et d'agir dans de nouvelles situations. Semblable au cerveau humain, le réseau neuronal informatique doit être formé pour utiliser un chemin optimal lors de la prise de décision. C'est ce qu'on appelle la formation.

Comment les ordinateurs apprennent-ils aujourd'hui ?

Souvent, les gens entendent parler de ML et imaginent une approche plug-and-play. Ils essaient, mais ça ne marche pas.

Eh bien, soyons justes envers les ordinateurs. Imaginez enseigner à un enfant des concepts complexes sans lui apprendre d'abord les bases comme la lecture et l'écriture. Même l'enfant le plus intelligent échouerait.

Malheureusement, c'est ce que certaines personnes font aux ordinateurs. Nous formons des ordinateurs sur des données compliquées (réelles), ce qui confond l'ordinateur. Nous ne faisons pas cela lorsque nous enseignons aux gens – pourquoi alors, jetons-nous simplement des ordinateurs dans le grand bain ?

L'une des raisons est que nous avons besoin et que nous voulons voir des résultats immédiatement. De plus, de nombreuses entreprises ne disposent tout simplement pas des données, de l'expertise ou des ressources nécessaires pour faire passer un ordinateur par toutes les étapes nécessaires à une formation adéquate.

Certaines entreprises ont déjà fait un pas dans la bonne direction en construisant des données artificielles pour former des ordinateurs, notammentRéseaux d'enseignement génératifetApprentissage progressif méthodologie. DansAndré NgLors de la récente session de Google Brain, le cofondateur de Google Brain a souligné les avantages de mettre davantage l'accent sur la préparation des données.

Évidemment, chaque industrie et projet dans le domaine nécessite une formation. Cette couche de formation peut être assimilée à des connaissances de niveau collégial et devrait reposer sur les bases acquises antérieurement.

Alors, à quoi devrait ressembler la formation ML pour qu'elle fonctionne réellement ?

Étape 1 : Commencez par les bases.

Avant qu'un élève puisse apprendre l'algèbre, il doit savoir compter.

La formation en informatique ML devrait également commencer avec des données simples. Pensez à la garderie informatique. Lentement, la complexité des données augmente, allant jusqu'à utiliser des données réelles.

En rapport:3 utilisations entrepreneuriales de l'intelligence artificielle qui changeront votre entreprise

Étape 2 : Construire une fondation.

On enseigne couramment aux enfants le « danger de l'étranger », ce qui encourage les jeunes à faire confiance à leurs parents et à certaines figures d'autorité plutôt qu'à quelqu'un qu'ils ne connaissent pas. Pour les machines, il est essentiel de comprendre que toutes les données ne sont pas égales. ML doit être informé de la manière de reconnaître les sources fiables.

En rapport:Comment tirer parti de l'intelligence artificielle dans les relations publiques

Étape 3 : Spécialisation.

Les enfants qui entrent en garderie arrivent tous avec une « ardoise vierge ». On leur apprend tous les mêmes informations de base : les lettres de l'alphabet, comment compter et à qui faire confiance. Au moment où ils vont à l'école, ils peuvent prendre un livre simple et effectuer des calculs de base.

Lentement, tout au long de son parcours scolaire, chaque enfant commence à développer plus de connaissances dans une matière spécifique. Un enfant est meilleur en sciences, tandis qu'un autre excelle dans les arts. Au niveau collégial, les étudiants reçoivent un enseignement approfondi sur un sujet dans un domaine restreint.

De même, cette approche mesurée doit être appliquée lors de la formation d'une application ML. Pour former des ordinateurs dans des domaines spécifiques tels que la banque, la vente au détail ou la médecine, vous devez d'abord construire une base sur des données artificielles simples, en ajoutant de nouvelles couches d'informations jusqu'à ce que l'application soit enfin prête à être formée pour l'industrie spécifique.

La prédiction pour la prochaine entreprise de billions de dollars.

Bien que la première étape de la formation ML semble claire, elle n'est pas facile à mettre en œuvre, car :

1. Nous n'avons pas le temps
2. Nous ne sommes pas qualifiés pour créer des programmes d'éducation de la petite enfance pour les ordinateurs
3. C'est une entreprise très coûteuse

De plus, la complexité ne fait qu'augmenter à chaque étape supplémentaire du processus de formation ML.

Tout cela pour dire que je prédis que la prochaine entreprise d'un billion de dollars sera un système d'établissements d'enseignement publics pour le ML. C'est là que les futurs ordinateurs seront formés pour entrer sur le marché du travail.

En rapport:Ce que tout entrepreneur doit savoir sur l'intelligence artificielle