Centre d’abonnement

Des informations en temps réel du chef de file de l'industrie TI.
AI graphic

Intelligence artificielle : ce n’est pas que de la robotique

28 Nov 2017 by Lana Gates

L’intelligence artificielle (IA) occupe une place de plus en plus importante dans les articles et les nouvelles en ce moment. En août, Microsoft l’a placé en tant que priorité en lieu et place de la mobilité. Ceci est intervenu lorsque la société a fait l’acquisition de Maluuba et SwiftKey, des entreprises en démarrage dans le domaine de l’IA. Elle a mis sur pied un groupe de recherche ainsi qu’une IA structurée. Ces initiatives ont permis à la société de se positionner en tant que chef de file dans ce domaine en plein essor.

Mais dès avril 2016, Google a prédit un passage du monde mobile vers un monde de l’IA. Cependant, on entend encore beaucoup de choses sur ce qu’est réellement l’IA.

De nombreuses personnes pensent que cela concerne la robotique et la menace que cela représente pour la force de travail. Le terme évoque des images comme celles représentées dans le film de 2001, I.A. Intelligence artificielle, dans lequel un garçon robot se met à développer des sentiments humains, y compris de la jalousie à l’encontre de son « frère » humain.

Des développements, comme le programme IA de Facebook qui a créé son propre langage, rendent cette idée moins farfelue.

En réalité, l’IA n’est pas quelque chose qui doit faire peur et ne tourne pas qu’autour de la robotique. C’est bien plus que cela. Dissipons les mythes et définissons ce qu’est exactement l’intelligence artificielle.

Qu’est-ce que l’intelligence artificielle?

L’IA n’est pas un nouveau concept. Le terme a été utilisé pour la première fois en 1955 dans le cadre d’une conférence à Dartmouth College, présentée par le professeur d’informatique John McCarthy. La robotique, science derrière l’IA, évoluait au gré de la technologie informatique.

En 1966, à Edinburgh, Écosse, le premier atelier sur l’intelligence machine a eu lieu. Il a été suivi par la première conférence internationale sur l’intelligence artificielle à Washington, D.C., en 1969.

Le traitement du langage naturel a émergé au début des années 1970 avec une capacité avérée des ordinateurs à comprendre des phrases en anglais. Peu de temps après, un groupe de l’Université d’Edinburgh, nommé Assembly Robotics, a élaboré un robot doté de vision lui permettant de localiser et d’assembler des modèles.

Avance rapide à 1997, année durant laquelle la robotique autonome a joué un rôle majeur dans l’atterrissage réussi de la NASA sur Mars. Lors de la même décennie, les programmes basés sur l’IA ont permis l’extension du World Wide Web.

20 ans après, le marché de l’IA est en plein essor. En fait, un rapport de McKinsey Global Institute prédit que le marché de la technologie IA connaîtra une « forte croissance au cours des trois prochaines années ». La firme de connaissance du marché, Tractica confirme ce fait et prédit des recettes annuelles à l’échelle mondiale qui passeront de 1,38 milliard $ en 2016 à 59,75 milliards $ en 2025 (Figure 1). Cela représente une hausse de 58,37 milliards $ en seulement neuf ans, soit un taux de croissance annuel composé de 52 %.

A bar graph depicting the revenues from the artificial intelligence (AI) market worldwide, from 2016 to 2025 (in million U.S. dollars)
Figure 1
 

Mais qu’est-ce que l’IA? Selon le rapport McKinsey, l’intelligence artificielle comprend six domaines majeurs : le langage naturel, les véhicules autonomes, la robotique appliquée, les agents virtuels, la vision artificielle et l’apprentissage machine. Accenture catégorise ces six domaines un peu différemment. Bien qu’en accord avec la vision artificielle, l’apprentissage machine et le langage naturel, les autres domaines sont catégorisés en tant que traitement audio, représentation audio et système expert.

Qu’est-ce que l’apprentissage machine?

L’apprentissage machine est le domaine qui concentre le plus d’efforts de nos jours. En fait, le terme est souvent utilisé indistinctement avec celui d’IA. Cette catégorie a bénéficié de la plus grosse part du gâteau des investissements en 2016 : près de 60 % de tous les investissements en dehors de l’industrie TI, selon McKinsey.

Le rapport définit l’apprentissage machine comme une IA « qui permet aux machines de montrer une cognition semblable à celle des humains ». PwC extrapole sur ce point, décrivant l’IA comme « un élément clé, que ce soit pour les services de traduction sur demande, les prévisions météo ou la détermination des souhaits des utilisateurs en se basant sur leur emplacement et leurs activités ».

Exemples d’IA

Watson d'IBM est un bon exemple d’apprentissage machine. L’ordinateur a attiré l’attention sur lui en 2011 lorsqu’il a remporté l’émission de jeux télévisée « Jeopardy! » contre deux champions de haut niveau.

Cependant, il faut garder à l’esprit que ce type de machines ne peut pas apprendre par elle-même. Elles sont programmées par des humains. « C’est du calcul élémentaire », explique Mike Guggemos, responsable des technologies de l’information à Insight. « Les machines ne pensent pas. Des personnes écrivent des scripts qui disent à des agents conversationnels quoi faire. »

IBM explique que « l’apprentissage machine actuel utilise des modèles d’analyse et des algorithmes qui apprennent à partir des données, trouvant des informations cachées sans programmation explicite leur indiquant où effectuer les recherches. »

Examples of this can be found in our everyday lives. Did you engage in a chat session on a website? That was likely driven by AI that followed an algorithm to locate the information you requested. When you ask Siri or Cortana questions or give commands to Alexa or Google Home, you’re also accessing analytics and algorithms. Similarly, AI is at the heart of some security surveillance, big data analytics and accurate predictive technology.

Digging deeper: Deep learning

Some people argue that these examples of AI aren’t true representations of the technology. They believe authentic AI involves machines learning on their own. And that’s the part that raises fears in many individuals.

This form of AI is referred to as deep learning, a subset of machine learning. It requires teaching computers to learn by example. This is the technique behind self-driving cars. For deep learning to be effective, two key ingredients are required: large amounts of labeled data and significant computing power.

Fed by big data, deep learning can be used, for example, to analyze billions of transactions and predict what customers want to buy. It can also help retailers pinpoint product deliveries with drones. Automating hearing and speech translation is yet another example.

Elon Musk, the chief executive officer of Tesla, hasn’t been quiet about his fears of this type of AI. He’s called it the “biggest risk we face as a civilization.” With scenes from movies such as “iRobot” in our minds, his fears don’t seem unfounded. But in the near term, AI offers more benefits than it does harm.

Benefits of AI

The idea behind AI — specifically machine learning — is that it can be used for tedious, repetitive tasks, freeing people to focus on more thought-intensive projects. This can be seen in automated prescription reordering over the phone, which frees pharmacists to consult with patients and fill prescriptions. Another example is automated data analytics, which frees workers to concentrate on innovation.

Artificial intelligence offers numerous business advantages, across myriad industries. Some of the most notable benefits of AI are:

  • Efficiency — particularly in production and maintenance
  • More informed decision-making
  • Personalized experiences
  • Reduced costs
  • Targeted sales and marketing

Already, AI is being adopted to optimize sales and marketing efforts, fraud detection, credit risk scoring and customer service, as shown in Figure 2, just to give a few examples. But its potential is widespread.

Adoption of Specific AI Use Cases in 2017, by Category

A double bar graph depicting the adoption of specific AI use cases in 2017 by category
Figure 2
 

Looking ahead

The truth is AI will eliminate some jobs that can be automated, such as those of factory workers and manufacturing processes. Despite that, it will be the catalyst for new job creation, just as the First Industrial Revolution was in the late 1700s and early 1800s.

AI promises to improve traffic flow and significantly reduce the number of car accidents each year. It holds the potential to streamline the time it takes to get medical test results, decrease the number of misdiagnoses and even track health in real time. It will save us time by selling us what we want without needing to search among products. And that’s only the beginning.

Guggemos predicts AI will be the new cloud. “AI is not a transformative technology just because it can do the things that humans currently do,” he sums. “It’s a transformative technology because it empowers us to do more.”