PARIS
ARTIFICIAL INTELLIGENCE MEETUP
V 1.03
21 juin 2016
1
L’INTELLIGENCE ARTIFICIELLE, MYTHE & RÉALITÉ
Meetup IA - 21 jui...
VERS UN MONDE DIGITAL PLUS INTELLIGENT
2
FRANÇOIS DUCROT - PARTNER
Meetup IA - 21 juin 2016 - v1.03
INTRODUCTION
Meetup IA - 21 juin 2016 - v1.033
Cette présentation a pour objectif de présenter notre vision des opportunit...
QU’EST-CE QUE LE DIGITAL ?
Meetup IA - 21 juin 2016 - v1.034
L’ENRICHISSEMENT DU MONDE PHYSIQUE
Connaissance élargie & app...
PASSER DU DIGITAL À LA CONNAISSANCE
Meetup IA - 21 juin 2016 - v1.035
SE DONNER LES MOYENS D’APPRENDRE DES DONNÉES
Big Dat...
ZOOM SUR LES CAPACITÉS CÉRÉBRALES HUMAINES
Meetup IA - 21 juin 2016 - v1.036
GÉRER DES SITUATIONS COMPLEXES
Percevoir
Anal...
L’APPROCHE DE L’INTELLIGENCE ARTIFICIELLE
Meetup IA - 21 juin 2016 - v1.037
MODÉLISER LE FONCTIONNEMENT DE NOTRE CERVEAU
2...
PASSER DE CONNAÎTRE À COMPRENDRE
Meetup IA - 21 juin 2016 - v1.038
REPRODUIRE NOTRE FACULTÉ À COMPRENDRE
2
Observation / D...
AGIR À TRAVERS L’HOMME AUGMENTÉ
Meetup IA - 21 juin 2016 - v1.039
COOPÉRER AVEC LA MACHINE DANS LE MONDE RÉEL
Robots intel...
S’ADAPTER A LA TRANSFORMATION QUI S’ACCÉLÈRE
Meetup IA - 21 juin 2016 - v1.0310
REPENSER NOS MODÈLES ET NOS ÉQUILIBRES
Com...
Prochain SlideShare
Chargement dans…5
×

Vers un monde digital plus intelligent

333 vues

Publié le

Support de ma présentation à l'Artificial Intelligence MeetUp SOPRA STERIA du 21 juin 2016.
Cette présentation a pour objectif de présenter notre vision des opportunités
de la transformation digitale en général et de l’arrivée de l’intelligence
artificielle en particulier.
Elle aborde également l’importance du changement de paradigme, les
impacts profonds sur nos modes de vie et la nécessaires transformation de
nos modèles et des cadres normatifs et légaux.
Elle expose les grands principes, les perspectives technologiques et les
orientations que nous devons prendre en compte dans nos réflexions
d’évolution et dans nos travaux de recherche.

Publié dans : Technologie
0 commentaire
2 j’aime
Statistiques
Remarques
  • Soyez le premier à commenter

Aucun téléchargement
Vues
Nombre de vues
333
Sur SlideShare
0
Issues des intégrations
0
Intégrations
2
Actions
Partages
0
Téléchargements
10
Commentaires
0
J’aime
2
Intégrations 0
Aucune incorporation

Aucune remarque pour cette diapositive
  • Quand on tente de définir de façon simple ce qu’est le digital, on arrive à parler d’enrichissement du monde physique par la donnée. On parle bien ici de données, le digital c’est bien la donnée, le numérique au sens français du terme, on arrive aussi à une vision en trois parties. Trois niveaux finalement :

    Le premier niveau c’est la digitalisation au sens propre du terme. C’est-à-dire la virtualisation, la transformation en données du monde physique ou mental (les idées, les réflexions). Cette virtualisation, c’est-à-dire l’existence des choses sous la forme de données va permettre de partager ces données, de les transmettre d’un lieu à l’autre, d’une personne à l’autre, d’une machine à l’autre, sans limite géographique ou temporelle (en dehors d’éventuelles limites souhaitées liées à la limitation de moyens ou à la notion de droits d’accès). Cette virtualisation va également permettre de représenter l’élément considéré sous une autre forme (image à l’écran ou impression papier par exemple) mais également de régénérer cet éléments, y compris à distance, par l’impression 3D par exemple. C’est finalement une forme de télétransmission. Tout cela permet en fait de reconstituer une certaine perception à partir des données. C’est un cycle complet (représenté ici) qui part du monde physique, passe par le virtuel et revient au monde physique sous une forme équivalente ou différente. Ce premier niveau est indispensable permettre les niveaux supérieurs.
    Le deuxième niveau consiste à accroître la connaissance qu’on a d’un élément, soit en augmentant cette connaissance par des données supplémentaires (Je vois une voiture passer, je connais sa vitesse et son poids. Je rencontre une personne, je connais son nom et son âge.), soit en affinant la connaissance par un niveau de détail supplémentaire (Je vois une couleur, je connais sa composition en couleurs primaires, je vois une boisson, je connais sa composition). Dans les deux cas, il s’agit d’en savoir plus sur un élément donné.
    Le troisième niveau va exprimer, la situation d’un élément dans son environnement, son positionnement relatif par rapport à d’autres éléments (une personne dans un lieu ou au sein d’un groupe, un objet dans l’espace) mais également les liens qui peuvent unir ou relier deux éléments ((un lien de filiation ou hiérarchique entre deux personnes, le siège ou le volant d’un véhicule). Ce niveau va également permettre de faire exister une nouvelle notion ou de se rattacher à cette notion si elle existe déjà par l’existence d’un groupe d’éléments liés (la notion de foyer de personnes habitant au même endroit, la notion de famille par les lien qui existent entre les personnes)
    Voilà. C’est tout cela le digital. Cela ne crée rien dans l’absolu, mais cela permet de percevoir des choses que nos cinq sens ne percevaient pas forcément). De plus cela donne à ces éléments de niveau 2 et 3 une existence sous la forme de données et donc qui peut être classifiée, stockée et devient transmissible.
  • Pour passer du digital à la connaissance, il faut considérer les données dans un ensemble. Plus il y aura de données, plus il y aura de possibilité de gagner en connaissance. C’est pour cela qu’une des tendances actuelles du digital consiste à agréger le plus de données possible, aussi bien internes qu’externes aux organisations (entreprises) qui le font et autant des données structurées que des données non structurées.
    L’étape suivante pour faire émerger de la connaissance consiste à étudier les données. A réaliser des traitement mathématiques pour identifier des corrélations statistiques entre les données, identifier des liens de cause ç effet entre les informations. Ces traitements sont plutôt faits en masse car plus il y a de données traitées, plus il y a de chance d’identifier quelque chose. Dans ce traitement, une des tendances actuelles (en particulier chez Google qui est bien placé pour cela ) est ce qu’on appelle le Crowd Learning. C’est-à-dire regarder les comportement de masse vis-à-vis des données et en déduire de la connaissance (ajuster les capacités des moteurs de recherche en prenant en compte ce que les personnes qui ont fait des recherches sur un thème donné ont choisi comme résultats).
    Jusqu’à présent, les limites de traitement de la données étaient techniques et financières. Le développement récent des technologies et leur large diffusion a permis d’atteindre des puissance de calcul et des capacités de traitement accessibles à des coûts supportables par rapport au bénéfice escompté.
    Les perspectives technologiques continuent dans ce sens et la puissance continue à augmenter de façon exponentielle alors que les prix chutent dans un même ordre de grandeur.
    L’idée cible de certains acteurs du domaine (Google en particulier) est de constituer une grande base de connaissance universelle et partagée qui donnerait un état évolutif de la connaissance que regroupe notre monde. Actuellement ils cartographient, recensent les éléments physiques du monde (routes, constructions…) et agrègent en digital par numérisation la connaissance du passé (écrit, images, vidéos…).
  • Cette diapo n’a pas vocation à faire un cours sur ce que sont les capacités cérébrales humaines, mais à donner quelques éléments majeurs de ce que nous avons compris du fonctionnement de notre cerveau car c’est à partir ce ces éléments et de cette compréhension que les chercheurs tentent de faire progresser l’intelligence artificielle dont nous allons parler juste après. Il est donc important de mettre des mots et des idées sur certains sujets.
    Finalement nos capacités cérébrale dont des capacités à traiter l’information :
    La percevoir d’abord à travers l’un de nos 5 sens
    L’analyser
    Lui donner un sens, ce qui peut générer immédiatement une autre information
    La remettre dans son contexte et éventuellement faire évoluer le sens en fonction de ce contexte
    Identifier et gérer les ambiguïtés quand il y en a et faire un choix du sens
    Mémoriser l’information pour la réutiliser plus tard
    Transformer cette information
    Et la communiquer, la transmettre
    L’autre partie importante à comprendre dans le fonctionnement de notre cerveau, c’est la façon dont nous sommes capables de gérer des situations complexes, sur la base d’une infinité d’informations traitées simultanément et la démarche que nous mettons en œuvre pour gérer ces situations :
    Nous nous fixons ce qu’on peut appeler des objectifs. Nos souhaits, nos volontés, ce que nous nous préparons à faire, de que nous faisons sont à considérer comme des objectifs. Ouvrir une porte, appeler quelqu’un, réfléchir à une situation, chercher une information, manger… ce sont des objectifs.
    Nous avons ensuite inconsciemment une décomposition de ces objectifs en étapes ou en tâches qui vont devoir être réalisées pour permettre l’atteinte de l’objectif. Pour ouvrir cette porte, par exemple, je vais la situer, vérifier qu’elle est fermée, me diriger vers elle, attraper la poignée, pousser la porte… d’ailleurs, ce que je viens d’exprimer n’est pas suffisant. Car chaque étape citées peut elle aussi être décomposée. En fait cette décomposition en étape se fait sur plusieurs niveaux de détail : pour situer la porte je vais lever la tête, tourner la tête, trouver la direction de la porte et la regarder… mais pour la regarder, je vais ouvrir les yeux, accommoder à la bonne distance… Et tout cela en même temps et sans même m’en rendre compte.
    En fait sur ces différents niveaux du plus macro au plus élémentaire, nous allons combiner toutes nos capacités (celles que nous avons listées tout à l’heure) pour définir les étapes successives et les mener à bien une par une.
    On peut rajouter qu’en fonction de ce qui va se passer et des informations qu’on va rencontrer, nous allons ajuster les choses et refaire tout ce que nous avons vu précédemment.
    Voilà, c’est synthétique, mais très illustratif de la façon dont fonctionne notre cerveau et de la façon dont nous l’utilisons pour agir.
  • L’approche de l’intelligence artificielle, c’est de modéliser ce que nous venons de décrire et de voir comment une machine, un ordinateur pourrait le mettre en œuvre de façon autonome.

    Trois mécanismes cérébraux sont concernés :
    L’auto-apprentissage qui est la capacité à fonctionner par hypothèses successives, vérification de ces hypothèses, formulations de nouvelles…etc… un peu à tâtons en fait. En s’adaptant en permanence mais aussi en mémorisant et en apprenant. C’est comme cela que se forme l’expérience et qu’elle joue un rôle par la suite dans les choix.
    Le raisonnement en utilisant ce que nous avons vu tout à l’heure dans la décomposition des choses en informations élémentaires et en les combinant pour reconstruire des concepts de façon progressive. C’est le raisonnement par complexité croissante. Le meilleur exemple est celui de l’écriture : nous utilisons des points, des traits et des courbes (données élémentaires), pour composer des lettres, puis des mots, puis des phrases pour faire passer des informations qui constituent des idées voire des idéologies.
    Le dernier mécanisme que nous essayons de reproduire est celui de l’imitation. C’est-à-dire savoir observer des comportement physique et les reproduire par imitation. C’est le mécanisme utilisé par les petits enfants. Il n’est même pas nécessaire de donner un sens aux comportement ou gestes ainsi imités. La capacité à le reproduire est la plus importante. Lui donner un sens vient ensuite : j’utilise un marteau (de haut en bas, comme j’ai vu faire) puis je le fais sur un clou (toujours en imitant) puis le sens arrive (j’enfonce le clou) et ensuite il peut y avoir une façon de tenir le marteau sous un certain angle, de taper plus ou moins fort et vite… L’imitation permet d’apprendre les gestes et les comportement pour les reproduire et ensuite le sens permettra de choisir dans quelle situation les refaire.

    L’autre point de l’intelligence artificielle, c’est la capacité à proposer un mode d’interaction entre l’homme et la machine. Beaucoup de progrès ont été faits à ce sujet :

    Les interactions par le langage (parole vers texte ou texte vers parole) permet maintenant un échange oral entre l’homme et la machine. Même avec une traduction intermédiaire s’il y a des écarts de langue.
    La reconnaissance des gestes et par les geste permet également d’échanger (comme avec les consoles de jeux), mais les progrès sont tels que maintenant, ce sont même les attitudes, les sentiments qui peuvent être détectés. La reconnaissance spatiale permet également de prendre en compte une présence reconnue.
    Les recherches avancent aussi à grand pas vers un échange directement par la pensée. Donc agir simplement en se concentrant. Ce sont les ondes émises par le cerveau qui sont utilisées. Les avancées pourront à terme permettre d’échanger directement avec la machine de la même façon qu’on « échange » soi-même avec son propre cerveau quand on réfléchit ou qu’on pense… On voit vite à quoi cela pourrait mener !!
  • Tout ce que nous avons vu jusque là n’est pas de l’intelligence. C’est de la connaissance. Pour que le système soit réellement considéré comme intelligent, il doit comprendre la connaissance qu’il a perçue, lui donner un sens et le formaliser.
    Les fonctions des machines qui permettent ça sont ce qu’on appelle l’apprentissage profond (Deep Learning en anglais). Le système reproduit le fonctionnement de notre cerveau qui permet la reconnaissance de schémas récurrents dans les données qu’il traite, qui identifie des liens entre ces récurrences quand ils existent et va par hypothèses définir la nature des liens puis vérifier ses hypothèses dans une démarche progressive et apprenante. La compréhension va intervenir dans la capacité à utiliser ces reconnaissance pour formaliser des concepts qui n’auront pas été appris mais déduits. Ces concepts seront la formalisation de la compréhension de façon autonome en observant, reconnaissant et déduisant une chose nouvelle, un concept qui formalise un ensemble d’éléments et les liens. Ces systèmes permettent aujourd’hui par observation de millions de photos de voiture par exemple de permettre à une machine d’isoler d’elle-même le concept de voiture et la connaissance va lui permettre de mettre un nom sur son concept. De la même façon, en lisant tous les écrits qui existent, la machine saura reconnaitre à travers les différentes descriptions de la littérature les concepts qui y sont manipulés et comprendre ainsi le sens du texte.
    Les concepts ainsi identifiés vont pouvoir être réutilisés, liés entre eux et servir à continuer à apprendre et à comprendre, jusqu’à avoir une représentation du monde du même type que celle que nous avons.
  • Transposer l’IA dans le monde physique
    Robots intelligents
    Créer des machines intelligentes capables d’accomplir des tâches physiques
    Rendre les machines autonomes et apprenantes dans leur périmètre

    Assister l’humain
    Interface Homme Machine
    Doter les machines de capacités d’interactions avec l’humain
    Robotisation des tâches
    Confier aux robots les tâches sans valeur ajoutée humaine
    Confier aux robots les tâches consommatrices de temps
    Confier aux robots les tâches à risque humain supérieur au risque machine
    Intégration dans la vie quotidienne
    Transformer les robots en assistants intelligents
    Rendre proactifs et autonomes ces assistants
    Rendre transparente l’intervention de la machine intelligente
  • Intégrer le digital dans nos réflexions
    Combiner l’homme et la machine
    Intégrer l’IA dans nos organisations, processus et fonctionnement
    Refondre nos modèles de fonctionnement dans un monde assisté par l’IA
    Identifier la création de valeur
    Confronter les nouveaux modèles aux enjeux vitaux de notre monde (Santé, environnement, alimentation, conditions de vie)
    Décliner les modèles sur les domaines sociétaux (Travail, finance, politique, transport, loisirs)

    Définir un cadre adapté
    Évolution de l’éthique
    Adaptation des normes, règles et de la déontologie au monde digital
    Évolution des organes de contrôle du monde digital collaboratif (Block Chain)
    Évolution du cadre légal
    Adaptation des lois sur le fond, sur leur cadre et leurs modalités d’application
    Définition des cadres de responsabilité des activités humaines liées l’intervention des machines intelligentes autonomes

    Finalement on ne parle pas juste de d’évolution, de transformation ou même de révolution digitale, mais de changement de paradigme, c’est-à-dire de l’évolution de notre représentation du monde et des impacts sur notre vie quotidienne. La technologie est bien là, maintenant il faut repenser nos modèles et nos équilibres pour en tirer le meilleur.
  • Vers un monde digital plus intelligent

    1. 1. PARIS ARTIFICIAL INTELLIGENCE MEETUP V 1.03 21 juin 2016 1 L’INTELLIGENCE ARTIFICIELLE, MYTHE & RÉALITÉ Meetup IA - 21 juin 2016 - v1.03
    2. 2. VERS UN MONDE DIGITAL PLUS INTELLIGENT 2 FRANÇOIS DUCROT - PARTNER Meetup IA - 21 juin 2016 - v1.03
    3. 3. INTRODUCTION Meetup IA - 21 juin 2016 - v1.033 Cette présentation a pour objectif de présenter notre vision des opportunités de la transformation digitale en général et de l’arrivée de l’intelligence artificielle en particulier. Elle aborde également l’importance du changement de paradigme, les impacts profonds sur nos modes de vie et la nécessaires transformation de nos modèles et des cadres normatifs et légaux. Elle expose les grands principes, les perspectives technologiques et les orientations que nous devons prendre en compte dans nos réflexions d’évolution et dans nos travaux de recherche.
    4. 4. QU’EST-CE QUE LE DIGITAL ? Meetup IA - 21 juin 2016 - v1.034 L’ENRICHISSEMENT DU MONDE PHYSIQUE Connaissance élargie & approfondie Augmentation de la connaissance perçue à travers des données supplémentaires Affinage de la connaissance à travers l’accroissement du niveau de détail 2 Situation Relation Composition Identification de la situation relative des entités dans leur environnement Formalisation des liens entre les différentes entités Formalisation de l’information composée par les éléments liés 3 Volume Virtualisation Partage Perception Passage du monde physique ou mental au digital (classifiable et stockable) Accès aux données sans limite géographique ou temporelle Représentation du monde mental ou physique jusqu’à même sa régénération 1
    5. 5. PASSER DU DIGITAL À LA CONNAISSANCE Meetup IA - 21 juin 2016 - v1.035 SE DONNER LES MOYENS D’APPRENDRE DES DONNÉES Big Data Agréger toutes les données internes et externes, structurées ou non Garder la mémoire des résultats des traitements dans un mode apprenant Science des données Traiter mathématiquement les données Identifier les corrélations statistiques (Analytics) Identifier les liens de cause à effet Apprendre par les comportements de masse (Crowd Learning) 1 Traitement de masse 2 Puissance de calcul Capacités de calcul Coût des traitements Les puissances de calcul continuent à augmenter de façon exponentielle et les évolutions technologiques sont prometteuses (quantique, photonique…) Les coûts de traitement continuent à chuter à la même vitesse que la puissance croît et permettent de donner accès à un traitement d’information à un coût acceptable Base de connaissance universelle partagée
    6. 6. ZOOM SUR LES CAPACITÉS CÉRÉBRALES HUMAINES Meetup IA - 21 juin 2016 - v1.036 GÉRER DES SITUATIONS COMPLEXES Percevoir Analyser Donner un sens Contextualiser Gérer l’ambiguïté Mémoriser Transformer Transmettre Capacitésdetraitementdel’information Identifier un objectif 1 A B CLe décomposer en sous-étapes2 Combiner les capacités pour mener à bien toutes les étapes une à une 3
    7. 7. L’APPROCHE DE L’INTELLIGENCE ARTIFICIELLE Meetup IA - 21 juin 2016 - v1.037 MODÉLISER LE FONCTIONNEMENT DE NOTRE CERVEAU 2 Interactions par le langage Interagir avec la machine Interaction gestuelle Reconnaissance et interaction vocales et textuelles Reconnaissance et interaction par les gestes Reconnaissance spatiale Auto-apprentissage Apprentissage par hypothèses successives, vérification, confirmation et adaptation Raisonnement Décomposition élémentaire, combinatoire puis reconstruction progressive Raisonnement par complexité croissante du plus élémentaire au plus complexe 1 Répliquer les mécanismes cérébraux Imitation Imitation des comportements sans donner de sens immédiatement Interaction par la pensée
    8. 8. PASSER DE CONNAÎTRE À COMPRENDRE Meetup IA - 21 juin 2016 - v1.038 REPRODUIRE NOTRE FACULTÉ À COMPRENDRE 2 Observation / Déduction Compréhension Formalisation de la vision Formaliser des concepts et leurs liens entre eux Être en mesure de les réutiliser et de les appliquer Modéliser notre compréhension Créer une représentation des choses, de l’environnement et du monde Disposer d’une représentation partagée du monde Reconnaissance Reconnaître des schémas récurrents dans les données Identifier des liens entre les récurrences Reconnaître des éléments du monde physique (Images, formes, sons, odeurs…) 1 Apprentissage en profondeur Approche par hypothèses Sur la nature des liens entre les récurrences Sur la reconnaissance des éléments et leurs liens Vérifier les hypothèses dans une démarche apprenante
    9. 9. AGIR À TRAVERS L’HOMME AUGMENTÉ Meetup IA - 21 juin 2016 - v1.039 COOPÉRER AVEC LA MACHINE DANS LE MONDE RÉEL Robots intelligents Créer des machines intelligentes capables d’accomplir des tâches physiques Rendre les machines autonomes et apprenantes dans leur périmètre 1 Transposer l’IA dans le monde physique 2 Assister l’humain Interface Homme Machine Doter les machines de capacités d’interactions avec l’humain Robotisation des tâches Confier aux robots les tâches sans valeur ajoutée humaine Confier aux robots les tâches consommatrices de temps Confier aux robots les tâches à risque humain supérieur au risque machine Intégration dans la vie quotidienne Transformer les robots en assistants intelligents Rendre proactifs et autonomes ces assistants Rendre transparente l’intervention de la machine intelligente
    10. 10. S’ADAPTER A LA TRANSFORMATION QUI S’ACCÉLÈRE Meetup IA - 21 juin 2016 - v1.0310 REPENSER NOS MODÈLES ET NOS ÉQUILIBRES Combiner l’homme et la machine Intégrer l’IA dans nos organisations, processus et fonctionnement Refondre nos modèles de fonctionnement dans un monde assisté par l’IA 1 Intégrer le digital dans nos réflexions Identifier la création de valeur Confronter les nouveaux modèles aux enjeux vitaux de notre monde (Santé, environnement, alimentation, conditions de vie) Décliner les modèles sur les domaines sociétaux (Travail, finance, politique, transport, loisirs) 2 Définir un cadre adapté Évolution de l’éthique Adaptation des normes, règles et de la déontologie au monde digital Évolution des organes de contrôle du monde digital collaboratif (Block Chain) Évolution du cadre légal Adaptation des lois sur le fond, sur leur cadre et leurs modalités d’application Définition des cadres de responsabilité des activités humaines liées l’intervention des machines intelligentes autonomes Accompagner le changement de paradigme

    ×