Vérification des tendances de l'intelligence artificielle en 2018

C'est juste après le milieu de l'année 2018. En décembre 2017 et janvier 2018, de nombreux experts faisaient leurs prédictions annuelles sur l'intelligence artificielle. En fait, mon collègue Michael Porter a écrit à propos de prédictions d'Amnesty International plus tôt cette année. Rarement je vois quelqu'un se renseigner sur ces prédictions pour voir si elles sont réalité ou non. J'ai donc décidé de vérifier les prédictions faites sur le site populaire CIO.com. Thor Olavsrud a fait ses prédictions dans un article hardiment intitulé " 5 tendances d'intelligence artificielle qui domineront en 2018 "

Les entreprises vont opérationnaliser AI

Sa première prédiction était "Les entreprises opéraaliseront AI". Pour moi, cela signifie que les organisations ont traversé la phase d'expérimentation et sont en train de déployer l'IA dans leurs entreprises. Pour être sûr, de nombreuses entreprises ont commencé à opérationnaliser leur travail AI. Mais, à mesure que je vois des sociétés avec lesquelles nous travaillons dans l'espace IA, l'IA opérationnelle reste l'exception et non la règle. La plupart de ces organisations pensent encore à l'IA – où elle peut être utilisée, comment démarrer, etc. Beaucoup ont commencé à expérimenter leurs propres initiatives d'IA, mais sont encore aux premiers stades des expériences. Peut-être que le rythme s'accélérera au cours de la deuxième moitié de 2018, mais je pense qu'un effort plus poussé pour opérationnaliser l'IA n'a toujours pas commencé.

La réalité de l'IA sera de nouveau à la traîne

. La seconde prédiction d'Olavsrud était "la réalité de l'IA sera de nouveau à la traîne". Je pense que c'est encore vrai à mi-chemin de 2018. Comme je l'ai mentionné plus haut, le battage médiatique – que les entreprises mettent en œuvre l'IA – est encore en retard par rapport à la réalité que je vois. Je pense que l'IA a fait des progrès significatifs dans de nombreux domaines différents et la réalité commence à rattraper le battage médiatique. Mais, comme M. Olavsrud, je ne pense pas que nous verrons la réalité rattraper le battage médiatique en 2018.

Les préjugés dans les ensembles de données d'entraînement continueront à troubler l'IA

La troisième prédiction était "Biais dans les données d'entraînement les ensembles continueront à perturber AI ". Cela a été un problème traditionnel avec l'IA et continuera d'être un problème. La raison? Le manque de données est une raison majeure. Quoi, dites-vous, mais ne nageons-nous pas dans les données? Dans certaines régions, il y a une abondance de données – l'IoT seul devrait générer 500 zettaoctets de données par an (1 Zettaoctet = 1.000.000.000.000.000.000.000 octets).

Mais il y a de multiples problèmes dans l'espace AI / Data. Tout d'abord, organiser et stocker toutes ces données est extrêmement compliqué. Deuxièmement, le type de données que les organisations utilisent pour prendre des décisions et où l'IA peut être utile est souvent manquant ou incomplet ou assez petit pour rendre difficile la formation d'un moteur AI. Par exemple, supposons que vous êtes une banque essayant de déterminer si un client achètera plus de services bancaires. Si vous avez 100 000 clients, vous devez d'abord déterminer le type de données nécessaires pour faire ces prévisions et déterminer comment les collecter et les stocker. Ensuite, vous devez former le système d'apprentissage automatique pour évaluer et faire des prédictions. Supposons que vous utilisez 10 000 comptes pour former l'outil AI. Avec un tel ensemble de données limité, les données d'entraînement peuvent être facilement biaisées.

Donc, oui, le biais de données d'entraînement est toujours là en 2018 et continuera probablement dans un avenir prévisible.

L'IA doit résoudre le problème de la boîte noire pistes de vérification

Une quatrième prédiction était " AI doit résoudre le problème de la" boîte noire "avec les pistes de vérification ". Ce concept est un problème particulier pour l'IA. L'idée est que les algorithmes d'apprentissage automatique «apprennent» les données, mais ne sont pas très transparents sur la façon dont cet apprentissage fonctionne (donc la «boîte noire»). Lorsque l'outil AI commence à faire des prédictions, il est souvent difficile d'expliquer comment la machine a obtenu la réponse. Imaginez que vous essayiez de vendre un outil de prédiction à votre DSI lorsque vous ne pouvez pas expliquer comment cela fonctionne.

Les pistes d'audit peuvent vous aider à résoudre ce problème. Les pistes d'audit peuvent au moins afficher les entrées et éventuellement la notation des données lorsque la machine fonctionne sur la prédiction. En ce qui concerne le marché, je pense que la plupart des initiatives de l'IA tentent toujours de redresser l'IA et de revenir sur le problème de la boîte noire dans le futur, donc je ne pense pas que nous verrons une solution en 2018. [19659002] L'adoption du cloud va s'accélérer pour soutenir l'innovation de l'IA

La prédiction finale était " L'adoption du cloud accélérera pour soutenir l'innovation de l'IA ". Je pense que cela se passe absolument en 2018. Les principaux fournisseurs de cloud (Google, AWS, Microsoft, IBM, Oracle, etc.) investissent tous dans des capacités d'IA basées sur le cloud. Même si des logiciels comme TensorFlow facilitent l'exécution d'algorithmes complexes sur de plus petites machines de bureau, la quantité de données traitées et la complexité des systèmes de traitement exigent toujours des environnements informatiques plus importants. Le cloud computing est clairement un avantage, surtout dans la phase d'expérimentation de l'intelligence artificielle, par rapport à l'investissement dans le matériel sur site.

Dans l'ensemble, je pense que ces cinq prédictions étaient plutôt bonnes à mi-2018. Je ne pense pas beaucoup d'IA opérationnalisant cette année, mais peut-être 2019