IA : ce qu’il faut suivre en 2018

Mises en avant par le chercheur américain Geoff Hinton, les capsules neuronales (ou CapsNet) offrent une alternative à la construction mathématique des réseaux neuronaux classiques. Evidement, les neurones ne s’entendent pas ici au sens biologique du terme. En algorithmie, un neurone représente une unité mathématique capable de délivrer une solution ou déboucher sur une série de fonctions. En réseau, ces éléments forment un arbre, sorte de champ des possibles, pour interpréter un ordre, répondre à une question, déterminer un objet…

 

Prenons un exemple concret.

Une IA classique a besoin de s’abreuver d’une grande quantité d’informations pour déterminer seule la nature d’une image. Elle nécessitera de nombreuses ressources pour trouver qu’il s’agit bel et bien d’un chien et non d’un cookie. Pire, si l’on modifie l’orientation de la même image, la machine parviendra avec peine à identifier à nouveau un compagnon canin.

Les capsules neuronales interviennent à des niveaux plus fins. Elles vont en premier lieu s’attarder sur certaines catégories de l’image et relever les caractéristiques propres à un museau de chien, par exemple. Que la même photographie soit orientée dans un sens différent ne modifie en rien l’analyse puisque les capsules neuronales parviendront à identifier le même museau de par sa forme, sa couleur, sa texture…

Les CapsNet ouvrent donc une utilisation plus puissante mais également moins gourmande en ressources de l’intelligence artificielle. Des secteurs tels que la vidéo, la reconnaissance d’images ou d’événements complexes pourraient profiter de cette avancée. D’autant que de nouveaux travaux sont actuellement en cours via notamment la bibliothèque de deep learning Keras.

Sans aller jusqu’à évoquer des intelligences artificielles capables de converser entre elles ou de livrer des réponses à nos questionnements les plus profonds, les IA sont en mesure de s’entraider. Des recherches ont montré que deux outils pouvaient agir de concert dans l’unique but d’atteindre un objectif plus rapidement.

Les travaux publiés sur le site openAI ont tendu à démontrer qu’il était possible d’entrainer des intelligences dans un unique but : la communication. Les développeurs ont donc appris aux machines à se créer leur propre langage rudimentaire afin qu’ils puissent s’échanger des informations capitales pour mener à bien leur objectif. Pour une mission simple, du type rejoindre le point A, deux capteurs situés à différents points d’une carte vont être en mesure de dialoguer entre eux. L’un va expliquer à l’autre qu’il est le plus proche du but, et que c’est à lui qu’il revient d’exécuter l’ordre de rejoindre l’arrivée.

Les perspectives pour ce type d’avancées pourraient être conséquentes. Des outils plus rapides, à même d’anticiper des événements, tout du moins de les éviter verront inévitablement le jour. Parmi les secteurs qui pourraient, à terme, bénéficier de ce type de progrès, l’aide aux personnes handicapées figure en tête de liste.

Les IA seront à même de mieux nous comprendre. Tout du moins, interpréter nos visages et d’analyser notre langage corporel. Des recherches sur la prévention de la fatigue au volant ont mis en avant la capacité des machines à prendre en compte non seulement les éléments physiologiques (clignement des yeux, baisse du regard) que psychologiques.

Ces derniers sont d’autant plus compliqués à extraire qu’ils ne concernent que l’état mental d’une personne. En classant des résultats d’électro-encéphalogrammes, une intelligence artificielle entraînée par des chercheurs de l’Université de Sydney ont compris comment anticiper la fatigue d’un conducteur et de créer des modélisations fines. Les applications peuvent être nombreuses. On pense logiquement à la conduite automobile, mais également aux process de sécurité dans l’aviation, les trains…

Au registre des éléments compris par une intelligence, on notera, outre le visage, l’importance de la voix (via notamment les travaux de la société Affectiva) pour mieux analyser le comportement d’un individu. Ce type de renseignement pourrait servir à déceler certaines émotions (fatigue, état mental dégradé, stress…) chez une personne en situation de souffrance.

La médecine devrait rester un domaine dans lequel l’intelligence artificielle peut soutenir l’expertise des praticiens. En matière de détection des pneumonies, des chercheurs sont parvenus à mieux détecter et anticiper les signes avant-coureurs. La technique est classique puisqu’ils ont nourri leur machine avec plus de 100 000 clichés aux rayons X pour qu’elle soit en mesure d’extraire des routines de détection. A terme, l’intelligence artificielle ainsi formée peut s’exercer sur pas moins de 14 autres maladies.

La santé mentale devrait également être un terrain d’expérimentation. En 2017, un chatbot du nom de Woebot (disponible sur Facebook Messenger) fut censé faire office de thérapeute. Il s’agit alors davantage d’un robot conversationnel qu’un véritable outil de soin. Toutefois, Woebot ouvre une porte dans le domaine de l’assistance aux personnes les plus fragiles.

Mark Twain avait vu loin. Celui qui conseillait de vendre des pelles et des pioches aux chercheurs d’or aurait pu vivre à notre époque. Inutile en effet de se coltiner l’éreintant minage de ressources premières lorsqu’il est possible de s’enrichir en fournissant un outil aux autres. Appliqué au domaine de l’intelligence artificielle, on notera l’essor de plateforme de développement spécifiques à ces outils.

Parmi les services majeurs, on retrouve Tensorflow (majoritairement utilisé) mais également keras, caffe, theano, pytorch ou encore chainer. Il ne serait pas impossible de voir ses outils être rachetés par de grands groupes, dans leur quête de développement de l’IA.

Ce déferlement d’innovations et de recherches aura un impact sur le paysage technologique. Si 2017 a été l’année des grandes annonces, rien ne laisse encore présager ce à quoi ressemblera l’intelligence artificielle cette année. Plusieurs scénarios demeurent envisageables.

Probabilité faible : la théorie du « cygne noir ». Un évènement imprévisible, majeur et instantané survient. Ce fait, de par sa portée et ses implications, a des conséquences considérables et exceptionnelles. Imprévisible, cet événement rebat totalement les cartes du secteur pour imposer de nouveaux paradigmes.

Par nature, difficilement envisageable, ce scénario n’en demeure pas moins plausible. Un algorithme rédigé dans un garage pourrait rendre un développeur multimilliardaire et changer radicalement un secteur d’activité.

 

Probabilité moyenne : Un ralentissement, tout du moins en apparence, du secteur. La majorité des applications n’étant pas forcément au point, la visibilité et la communication autour des projets risque de faiblir. Si la recherche fondamentale devrait poursuivre sa route, d’autres projets, en recherche de financements pourraient pâtir de ce reflux.

Le retour de hype aura pour conséquence de mettre sur le bas-côté, des innovations jugées pas forcement encore matures ou en avance de phase. Si cette baisse de régime est clairement envisageable, elle ne devrait pas porter sur l’ensemble du secteur de l’intelligence artificielle, mais uniquement sur certains pans spécifiques.

Probabilité forte : la fin de l’enchantement mais l’ère du pragmatisme. Après que chacun se soit gobergé de figurer parmi les pionniers d’un domaine particulier de l’intelligence artificielle, l’heure de la rationalité vient. L’IA s’implique davantage dans les usages du quotidien et devient progressivement utile pour tout un chacun.

Les démonstrations de capacité deviennent inutiles et les outils intégrant des IA s’intègrent dans les applications et objets connectés. La technologie permet également de répondre à des problématiques comme celles du « dernier kilomètre ». Un scénario quasi-idyllique dans la mesure où l’impact sur l’emploi demeure limité.