SlideShare une entreprise Scribd logo
1  sur  37
INTELLIGENCE
ARTIFICIELLE ÉTROITE
Comment ça marche ?
À quoi ça sert ?
• S’oppose à l’intelligence artificielle « générale », où un
système se rapproche de l'intelligence
humaine.
• Le terme « étroite » fait référence au fait que ce type
d'IA fonctionne pour une tâche spécifique
et limitée.
• Des règles à respecter sont imposées.
• Ces systèmes ne sont pas intelligents, mais ils en
donnent l’impression.
• Toutes les applications actuelles à succès
entrent dans cette catégorie d’IA « étroite ».
Pourquoi parle-t-on
d’intelligence artificielle
« étroite » ou « faible » ?
Apprentissage supervisé /non supervisé
3
• La majorité des applications d’IA a succès reposent sur
l'apprentissage supervisé.
• En substance, cette approche consiste à lier un résultat à une
entrée lors de l'apprentissage. Le système peut ainsi se
développer de manière à pouvoir déterminer un résultat
attendu pour une nouvelle entrée.
• Le résultat peut être lié manuellement à une entrée, mais il est
beaucoup plus intéressant de créer les données d'entrée-sortie
automatiquement.
• Dans l'apprentissage non supervisé, le système doit apprendre
sans disposer du résultat souhaité.
4
IA étroite basée sur l'apprentissage supervisé
• On parle également d'apprentissage supervisé lorsque l’on
travaille sur la base de paires avec une entrée d'une
part et le bon résultat d'autre part.
Ces paires sont disponibles soit par annotation manuelle,
soit parce qu’elles sont fournies par des applications.
Lorsque, dans le commerce en ligne, un site web
émet des recommandations, l'application sait si le
consommateur y réagit.
Lorsque des annonces sont publiées en ligne, on peut savoir
si le public clique dessus ou non.
Toute cette connaissance est convertie en un modèle.
Apprentissage supervisé
Création d’un modèle
Apprentissa
ge
supervisé
Modèle
prédictif
Pas canard
Pas canard
Canard
Canard
5
Modèle
prédictif
Canard Canard
6
Apprentissage supervisé
Application du modèle à un cas
Exemples d’apprentissage supervisé
Entrée A
E-mail
Audio
Anglais
Public, info utilisateurs
Image, info
radar
Image d’un téléphone
Application
Filtrage du spam
Reconnaissance vocale
Traduction automatique
Publicité en ligne
Voiture autonome
Inspection visuelle
Andrew ng - L'AI pour tous
Apprentissage supervisé
Dans ce lot d’entrées est
fourni le résultat voulu. Le
mapping Entrée -> Sortie
OU A->B est fourni. Ce lot
de données est fourni au
système pour lui permettre
d’apprendre à interpréter
Sortie B
Spam ?
(0/1)
Transcription du texte
Chinois
Clic ?
(0/1)
Position d’autres voitures
Défaut ? (0/1)
7
Apprentissage non supervisé
Lorsque des paires ne sont pas utilisées, une technique d’auto-apprentissae peut être appliquée, par exemple
par le placement des entrées dans des groupes différents
Découvrez une bonne
représentation interne des
données.
Apprentissage non supervisé
Les données d’apprentissage ne
comprennent pas les résultats
souhaités
Apprentissage automatique non supervisé
Données brutes
01010101010101010101010101010<
<01010101010101010101010101</0
/0101010101010101010101010101<<
01010101010101010101010101010<
<01010101010101010101010101</0
/0101010101010101010101010101<<
01010101010101010101010101010<
<01010101010101010101010101</0
8
Andrew ng – AI for everyone
Apprentissage non supervisé
Classer dans différents groupes
Apprentissage
non supervisé
9
Atouts et faiblesses de l'apprentissage automatique
Si le format des
données change,
le modèle risque
d'échouer et
devra
réapprendre
L’apprentissage automatique a
tendance à bien fonctionner quand :
1. il faut apprendre un concept
« simple »
2. de nombreuses données sont
disponibles
L’apprentissage automatique a
tendance à mal fonctionner quand :
1. il faut apprendre des concepts
complexes à partir de petites
quantités de données
2. Il faut partir de nouveaux types
de données
10
Andrew ng - L'AI pour tous
11
• Ne fonctionne pas sur la base de paires d'entrées
et de sorties.
• Le système reçoit un certain nombre d'actions
possibles ainsi qu’un score à la suite de l’exécution
des actions.
• Le but est de maximiser le score.
• Cela a déjà abouti à des résultats spectaculaires
dans le domaine du jeu :
• Jeux Atari
• AlphaGo Zero
• Jeu d’échecs
Apprentissage
par
renforcement
Réseaux antagonistes génératifs
Deux moitiés d'une solution d'IA se font concurrence pour obtenir de meilleurs résultats
Que sont les RAG ?
D'abord, une intuition
Générateur
But : produire de la fausse monnaie
aussi semblable que possible à la
vraie monnaie
Discriminateur
But : distinguer la monnaie
réelle de la fausse monnaie
Réseaux antagonistes génératifs
 Créés par Ian Goodfellow (OpenAI) :
 Deux réseaux de neurones en compétition (jeu minimax)
 Un réseau discriminant tente de distinguer les vraies données des fausses
données
 Un réseau générateur tente de générer des échantillons pour tromper le 12
• Le générateur crée des candidats pendant que le discriminateur les évalue.
• L'objectif du générateur est de "tromper" le discriminateur en produisant des
candidats que le discriminateur pense être réels.
• Le discriminateur reçoit une formation initiale jusqu'à ce qu'il atteigne une
précision acceptable.
• Le générateur s'entraîne selon qu'il parvient ou non à tromper le
discriminateur.
• Ensuite, les candidats synthétisés par le générateur sont évalués par le
discriminateur.
• Le feed-back est appliqué par les deux réseaux de sorte que le générateur
produise de meilleures images, tandis que le discriminateur s’améliore dans la
détection des faux candidats.
13
Réseaux antagonistes
génératifs
• L'apprentissage par transfert est une méthode d'apprentissage automatique dans laquelle un modèle
développé pour une tâche est réutilisé comme point de départ d'un modèle pour une deuxième tâche.
• Il ne fonctionne en apprentissage profond que si les caractéristiques du modèle apprises lors de la première
tâche sont générales.
• Dans l'apprentissage profond, les caractéristiques générales/basiques sont gelées tandis que les couches
ultérieures sont affinées pour des applications spécifiques.
• Approche du modèle préformé :
• Sélection du modèle source : un modèle source préformé est sélectionné parmi les modèles
disponibles.
• Modèle de réutilisation : le modèle préformé sert de point de départ à un modèle sur la deuxième
tâche d'intérêt.
• Ajustement du modèle : le modèle est adapté ou ajusté sur les paires entrée-sortie disponibles pour la
tâche d'intérêt.
14
Apprentissage par transfert
Une technique importante pour l'apprentissage supervisé est
l’apprentissage automatique basé sur les neurones
Dans l'exemple, l’entrée est un ensemble d'informations sur des logements en vente et la sortie est le prix obtenu.
Andrew ngAI pour tous
Le neurone est une énorme équation mathématique qui donne le résultat
Apprentissage profond Neurone Grande équation
mathématique
Superficie
# Nombre de chambres
# Nombre de sdb
Récemment rénové
Réseau de neurones (artificiels)
Prix
Les réseaux de
neurones ont été à
l'origine inspirés par le
cerveau, mais les
détails de leur
fonctionnement n'ont
pour ainsi dire aucun
rapport avec le
fonctionnement des
cerveaux biologiques.
A
B
15
Prévision des séries chronologiques
Tout problème de série
chronologique comme la
prévision des prix des stocks
pour un mois donné
Applications de
l'apprentissage
automatique basé
sur les neurones
16
Annotation automatique d'images
Le RNR est utilisé pour annoter
une image en analysant les
activités qui y sont présentes
"Un chien qui attrape une balle en plein air"
17
Applications de
l'apprentissage
automatique
basé sur les
neurones
Traduction automatique
L'apprentissage automatique
basé sur les neurones permet de
traduire une entrée dans une
langue dans une sortie dans
différentes langues
Ici, la personne parle en anglais et la traduction
est réalisée en chinois, en italien, en français, en
allemand et en espagnol
18
Applications de
l'apprentissage
automatique
basé sur les
neurones
Cas d'utilisation
dans l'IA
source : cogitotech.com
• L'IA en radiologie permet de détecter la maladie
avec un niveau de précision acceptable, mais
également de suggérer des médicaments selon
l'état biologique du patient.
• L’apprentissage automatique pour l'analyse des
images dentaires permet de connaître l'état des
dents et de recommander le traitement idoine.
20
Prévention des maladies
cardiaques
• Des algorithmes intelligents tels que celui utilisé par l'IA
d'Eko sont capables de détecter les sons associés à des
maladies cardiaques mortelles comme la sténose
aortique avec un taux de précision de 97,2 %.
• Le Zio Patch développé par iRhythm Technologies
surveille l'activité cardiaque remontant jusqu'à deux
semaines ; l’app ECG d'Apple peut détecter les signes
précoces de fibrillation auriculaire.
Passer d'un système de santé
réactif à un système proactif
• Les stimulateurs cardiaques,
moniteurs cardiaques, réservoirs d'oxygène et
autres glucomètres intelligents connaîtront les
rythmes et fonctions uniques de votre corps et
vous avertiront s’ils observent une tendance
inquiétante ou anormale.
• L'Internet des objets basé sur l'IA pourrait
améliorer les résultats de santé de 30 à 40 %
tout en réduisant les coûts de moitié.
• L’Owlet (chaussette connectée pour bébés)
fournit des données en temps réel sur les
signes vitaux de votre bébé pendant son
sommeil. Les données sont comparées à une
ligne de base et un pépiement est émis si les
niveaux atteignent un seuil dangereux.
21
2
2
• L'intelligence artificielle aide à
• présélectionner les candidats potentiels pour
les prochains tours ;
• analyser le formulaire de candidature rempli et
les différentes réponses pré-remplies par les
candidats ;
• aligner le workflow de recrutement afin qu'il
soit davantage axé sur les données.
• Les outils d'IA peuvent
• évaluer les employés (leur état d'esprit et leur
personnalité) ;
• configurer et créer un plan pour former les
employés, les motiver, les récompenser… ;
• Plus une entreprise déploie de l'intelligence
artificielle, plus elle peut être « humaine ».
Ressources
humaines
Systèmes comptables automatisés
• Les propriétaires de petites entreprises
sont souvent distraits par la corvée du
back-office.
• Les solutions comptables automatisée
alimentées par l'IA, telles que celles créées
par ScaleFactor ou Botkeeper, sont
capables d'aider les propriétaires de PME
dans les tâches de back-office, depuis la
comptabilité jusqu’à la gestion des
salaires.
• Grâce à une combinaison d’apprentissage
automatique, de règles, de processus et de
calculs personnalisés, le système peut
combiner diverses sources de données
pour identifier des modèles de transaction
et catégoriser les dépenses
automatiquement.
2
3
Lieu de travail toxique
source : receptivitii
• L'IA peut fournir une solution en comprenant des
modèles subtils de langage condescendant ou
d'autres signaux qui suggèrent le harcèlement, la
victimisation et l'intimidation dans les flux de
communication d'une organisation.
• L'IA peut être intégrée aux systèmes de messagerie
électronique et de messagerie instantanée d'une
entreprise pour analyser le langage susceptible de
comporter des traces de comportements toxiques.
24
Les algorithmes ont été instruits avec des décennies
de recherche sur le langage et la psychologie
analysant comment les humains révèlent
inconsciemment des informations sur leur état cognitif,
leur niveau de stress, de fatigue et d’épuisement
professionnel.
Les magasins peuvent deveni
sans caissiers
Amazon a déjà mis en place des magasins sans caisse :
• La technologie réagit lorsque vous prenez ou remettez un article sur un rayon.
• Lorsque vous sortez avec des produits, le compte Amazon prélève de l'argent pour
votre achat.
25
Recettes de whisky
26
• La société suédoise Mackmyra Whisky a créé le premier whisky au
monde développé par l'IA.
• Mackmyra puise dans ses recettes existantes, dans les types de fûts, les
données de vente et les préférences des clients, et intègre toutes ces
informations dans des modèles d'apprentissage automatique pour
inclure de nouvelles combinaisons auxquelles les Maîtres Distillateurs
humains n'auraient peut-être jamais pensé.
• Mackmyra fait toujours appel aux humains pour tester les résultats,
mais la recette demeure l’œuvre de l’IA.
Le tricorder de Startrek est devenu
réalité
(Basic Leaf Technologies)
• Le tricordeur médical de Startrek est utilisé par des
médecins (issus de la science-fiction) pour aider à
diagnostiquer des maladies et à collecter des
informations sur le corps d'un patient.
• En 2017, le système DxtER a remporté le Tricorder
Xprize.
• Le système basé sur l'IA est axé sur la collecte
précise et simple des signes vitaux.
27
Diagnostics du cancer de la peau - 2016
S'ils sont détectés à un stade précoce, 95 % des cancers de la peau peuvent être traités avec succès
Performance
du
pathologiste
96,5 %
Performance
de l’IA
97,1 %
Pathologiste + I.A.
99,5 % Source : JanWieeµgelmann (autovia)
28
Améliorer la qualité des images
(letsenhance.io)
Avant Après
Robots cueilleurs
(agriculture)
Root-ai.com
• Récolte des tomates, de concombres et des fraises
dans les champs.
• Reproduit la capacité d'une personne à récolter
plusieurs cultures.
Les applications à succès incluent la mission du rover
Mars :
• Il est capable de s'adapter aux conditions sans aucune
instruction directe.
• Il a appris lui-même à faire pivoter ses panneaux solaires et à
se débarrasser de la poussière accumulée qui bloquait
l'absorption essentielle des rayons solaires.
• Il a appris lui-même à corréler les preuves sensorielles avec
les objectifs de la mission et a ainsi pu construire le premier
modèle météorologique efficace pour une autre planète.
Commander une machine
sur une autre planète
(cognitive.ai)
Écrire un logiciel
Codebots.com
Codebots suit le processus de développement de logiciels piloté par les modèles d'une manière spéciale permettant l'évolution de leur
documentation pour piloter l'évolution du code.
Deepcode.ai
Détecte des bugs qui vont au-delà des outils standards de révision de code.
Fournit des recommandations pratiques sur la manière de les corriger.
Diffblue.com
Écrit des suites de tests unitaires pour le code Java qui, autrement, prendraient des jours ou des semaines à écrire manuellement.
Couper le bruit de fond
Krisp.ai & Babblelabs
Police proactive
Predpol.com
Police proactive basée sur le lieu.
Calcule des prévisions :
type de crime
lieu du crime
date/heure du crime
Dirige les opérations de patrouille.
Prévoit où et quand des crimes spécifiques sont le plus
susceptibles de se produire.
Détection des agressions
Identifie les agressions verbales pour
prévenir l'escalade et les agressions
Détection d’alarme de voiture
Le détecteur permet au personnel de
sécurité d'améliorer le temps de
réaction aux incidents grâce à une
alerte en temps réel
Détection de coups de feu
Reconnaît la décharge d'une arme à feu
en temps réel dans différents
environnements
Détection de bris de verre
Détecte les bris de verre feuilleté, simple ou
double, trempé et armé
Soundintel.com « Surveillance acoustique » en lieu et place de la
« vidéosurveillance » avec interprétation du son
Surveillance acoustique pour les soins de
santé
Fournit une observation et des soins non
intrusifs aux patients
Détecteurs personnalisés
Les capteurs audio peuvent être utilisés dans
une grande variété d'applications. L'intelligence
sonore peut créer.
35
IA contre la noyade (sightbit)
Merci !
Site web
www.smals.be
https://www.smalsresearch.be/
Téléphone
+3227875928
Courriel
research@smals.be

Contenu connexe

Tendances

EXPOSE SUR INTELLIGENCE ARTIFICIELLE.ppt
EXPOSE SUR INTELLIGENCE ARTIFICIELLE.pptEXPOSE SUR INTELLIGENCE ARTIFICIELLE.ppt
EXPOSE SUR INTELLIGENCE ARTIFICIELLE.pptwassimbousmaa
 
Intelligence artificielle et robotique
Intelligence artificielle et robotiqueIntelligence artificielle et robotique
Intelligence artificielle et robotiqueSKYWARE COMPAGNY
 
Introduction a IA(The first course of IA).pptx
Introduction a IA(The first course of IA).pptxIntroduction a IA(The first course of IA).pptx
Introduction a IA(The first course of IA).pptxwhatinspiremyworld
 
iA Générative : #ChatGPT #MidJourney
iA Générative : #ChatGPT #MidJourney iA Générative : #ChatGPT #MidJourney
iA Générative : #ChatGPT #MidJourney Hicham Sabre
 
06032019 Intelligence Artificielle
06032019 Intelligence Artificielle06032019 Intelligence Artificielle
06032019 Intelligence ArtificielleJordanBrl
 
COURS INTELLIGENCE ARTIFICIELLE.pptx
COURS INTELLIGENCE ARTIFICIELLE.pptxCOURS INTELLIGENCE ARTIFICIELLE.pptx
COURS INTELLIGENCE ARTIFICIELLE.pptxPROF ALAIN NDEDI
 
Introduction à la BIG DATA et l'Intelligence Artificielle
Introduction à la BIG DATA et l'Intelligence ArtificielleIntroduction à la BIG DATA et l'Intelligence Artificielle
Introduction à la BIG DATA et l'Intelligence ArtificielleMedhi Corneille Famibelle*
 
réseaux de neurones artificiels
réseaux de neurones artificiels réseaux de neurones artificiels
réseaux de neurones artificiels Oussama Werfelli
 
AI Apprentissage Automatique, Machine Learnig
AI Apprentissage Automatique, Machine LearnigAI Apprentissage Automatique, Machine Learnig
AI Apprentissage Automatique, Machine LearnigFelipe Sanchez Garzon
 
L’internet des objets connectés en agriculture
L’internet des objets connectés en agricultureL’internet des objets connectés en agriculture
L’internet des objets connectés en agricultureDavide Rizzo
 
Intelligence Artificielle et cybersécurité
Intelligence Artificielle et cybersécuritéIntelligence Artificielle et cybersécurité
Intelligence Artificielle et cybersécuritéOPcyberland
 
Intelligence Artificielle - Comment change-t-elle le mode ? JBU2018
Intelligence Artificielle - Comment change-t-elle le mode ? JBU2018Intelligence Artificielle - Comment change-t-elle le mode ? JBU2018
Intelligence Artificielle - Comment change-t-elle le mode ? JBU2018OPcyberland
 
Les réseaux de neurones
Les réseaux de neuronesLes réseaux de neurones
Les réseaux de neuronesMariam Amchayd
 
Algorithmes machine learning/ neural network / deep learning
Algorithmes machine learning/ neural network / deep learningAlgorithmes machine learning/ neural network / deep learning
Algorithmes machine learning/ neural network / deep learningBassem Brayek
 
La classification des Emails utilisant le modèle MapReduce
La classification des Emails utilisant le modèle MapReduce La classification des Emails utilisant le modèle MapReduce
La classification des Emails utilisant le modèle MapReduce Nour El Houda Megherbi
 
Les 10 plus populaires algorithmes du machine learning
Les 10 plus populaires algorithmes du machine learningLes 10 plus populaires algorithmes du machine learning
Les 10 plus populaires algorithmes du machine learningHakim Nasaoui
 

Tendances (20)

AI_course.pdf
AI_course.pdfAI_course.pdf
AI_course.pdf
 
EXPOSE SUR INTELLIGENCE ARTIFICIELLE.ppt
EXPOSE SUR INTELLIGENCE ARTIFICIELLE.pptEXPOSE SUR INTELLIGENCE ARTIFICIELLE.ppt
EXPOSE SUR INTELLIGENCE ARTIFICIELLE.ppt
 
Intelligence artificielle et robotique
Intelligence artificielle et robotiqueIntelligence artificielle et robotique
Intelligence artificielle et robotique
 
Deep learning
Deep learningDeep learning
Deep learning
 
Introduction a IA(The first course of IA).pptx
Introduction a IA(The first course of IA).pptxIntroduction a IA(The first course of IA).pptx
Introduction a IA(The first course of IA).pptx
 
iA Générative : #ChatGPT #MidJourney
iA Générative : #ChatGPT #MidJourney iA Générative : #ChatGPT #MidJourney
iA Générative : #ChatGPT #MidJourney
 
06032019 Intelligence Artificielle
06032019 Intelligence Artificielle06032019 Intelligence Artificielle
06032019 Intelligence Artificielle
 
COURS INTELLIGENCE ARTIFICIELLE.pptx
COURS INTELLIGENCE ARTIFICIELLE.pptxCOURS INTELLIGENCE ARTIFICIELLE.pptx
COURS INTELLIGENCE ARTIFICIELLE.pptx
 
Introduction à la BIG DATA et l'Intelligence Artificielle
Introduction à la BIG DATA et l'Intelligence ArtificielleIntroduction à la BIG DATA et l'Intelligence Artificielle
Introduction à la BIG DATA et l'Intelligence Artificielle
 
réseaux de neurones artificiels
réseaux de neurones artificiels réseaux de neurones artificiels
réseaux de neurones artificiels
 
AI Apprentissage Automatique, Machine Learnig
AI Apprentissage Automatique, Machine LearnigAI Apprentissage Automatique, Machine Learnig
AI Apprentissage Automatique, Machine Learnig
 
Intelligence-artificielle-cancer-du-sein.pptx
Intelligence-artificielle-cancer-du-sein.pptxIntelligence-artificielle-cancer-du-sein.pptx
Intelligence-artificielle-cancer-du-sein.pptx
 
L’internet des objets connectés en agriculture
L’internet des objets connectés en agricultureL’internet des objets connectés en agriculture
L’internet des objets connectés en agriculture
 
IA et éducation
IA et éducationIA et éducation
IA et éducation
 
Intelligence Artificielle et cybersécurité
Intelligence Artificielle et cybersécuritéIntelligence Artificielle et cybersécurité
Intelligence Artificielle et cybersécurité
 
Intelligence Artificielle - Comment change-t-elle le mode ? JBU2018
Intelligence Artificielle - Comment change-t-elle le mode ? JBU2018Intelligence Artificielle - Comment change-t-elle le mode ? JBU2018
Intelligence Artificielle - Comment change-t-elle le mode ? JBU2018
 
Les réseaux de neurones
Les réseaux de neuronesLes réseaux de neurones
Les réseaux de neurones
 
Algorithmes machine learning/ neural network / deep learning
Algorithmes machine learning/ neural network / deep learningAlgorithmes machine learning/ neural network / deep learning
Algorithmes machine learning/ neural network / deep learning
 
La classification des Emails utilisant le modèle MapReduce
La classification des Emails utilisant le modèle MapReduce La classification des Emails utilisant le modèle MapReduce
La classification des Emails utilisant le modèle MapReduce
 
Les 10 plus populaires algorithmes du machine learning
Les 10 plus populaires algorithmes du machine learningLes 10 plus populaires algorithmes du machine learning
Les 10 plus populaires algorithmes du machine learning
 

Similaire à Intelligence artificielle etroite introduction

2019-06-04 aOS Strasbourg - Décideurs 1 - L'intelligence artificielle démysti...
2019-06-04 aOS Strasbourg - Décideurs 1 - L'intelligence artificielle démysti...2019-06-04 aOS Strasbourg - Décideurs 1 - L'intelligence artificielle démysti...
2019-06-04 aOS Strasbourg - Décideurs 1 - L'intelligence artificielle démysti...aOS Community
 
Comment le Data et Deep Learning révolutionnent la science
Comment le Data et Deep Learning révolutionnent la scienceComment le Data et Deep Learning révolutionnent la science
Comment le Data et Deep Learning révolutionnent la sciencehabib200
 
Présentation_IA.pptx
Présentation_IA.pptxPrésentation_IA.pptx
Présentation_IA.pptxmelissa943854
 
Mix it2014 - Machine Learning et Régulation Numérique
Mix it2014 - Machine Learning et Régulation NumériqueMix it2014 - Machine Learning et Régulation Numérique
Mix it2014 - Machine Learning et Régulation NumériqueDidier Girard
 
IA et Test - MeetUp MoT - Julien Van Quackebeke - CEO All4Test
IA et Test - MeetUp MoT - Julien Van Quackebeke - CEO All4TestIA et Test - MeetUp MoT - Julien Van Quackebeke - CEO All4Test
IA et Test - MeetUp MoT - Julien Van Quackebeke - CEO All4TestMimoun Kissi 🤖
 
Comprenez-vous l’intelligence artificielle ?
Comprenez-vous l’intelligence artificielle ?Comprenez-vous l’intelligence artificielle ?
Comprenez-vous l’intelligence artificielle ?BigBrain Evolution
 
TPE 2005 - Intelligence artificielle
TPE 2005 - Intelligence artificielleTPE 2005 - Intelligence artificielle
TPE 2005 - Intelligence artificielleSebastien Warin
 
Soirée du Test Logiciel - Intelligence Artificielle dans le test - J. VAN QUA...
Soirée du Test Logiciel - Intelligence Artificielle dans le test - J. VAN QUA...Soirée du Test Logiciel - Intelligence Artificielle dans le test - J. VAN QUA...
Soirée du Test Logiciel - Intelligence Artificielle dans le test - J. VAN QUA...TelecomValley
 
IA, vous avez dit IA ?
IA, vous avez dit IA ?IA, vous avez dit IA ?
IA, vous avez dit IA ?Ipsos France
 
Parlez-vous le langage IA ? 30 notions pour comprendre l'IA
Parlez-vous le langage IA ? 30 notions pour comprendre l'IAParlez-vous le langage IA ? 30 notions pour comprendre l'IA
Parlez-vous le langage IA ? 30 notions pour comprendre l'IABigBrain Evolution
 
Euratech'trends : Machine Learning
Euratech'trends : Machine LearningEuratech'trends : Machine Learning
Euratech'trends : Machine LearningEuraTechnologies
 
Introduction Azure machine learning
Introduction Azure machine learningIntroduction Azure machine learning
Introduction Azure machine learningsana khiari
 
Exposé réseaux des neurones (NN) - (RN)
Exposé réseaux des neurones (NN) - (RN)Exposé réseaux des neurones (NN) - (RN)
Exposé réseaux des neurones (NN) - (RN)Soumia Elyakote HERMA
 
Le progrès de l'intelligence artificielle et ses conséquences
Le progrès de l'intelligence artificielle et ses conséquencesLe progrès de l'intelligence artificielle et ses conséquences
Le progrès de l'intelligence artificielle et ses conséquencesFernando Alcoforado
 
Quel quotidien bercé d'IA créons-nous ?
Quel quotidien bercé d'IA créons-nous ?Quel quotidien bercé d'IA créons-nous ?
Quel quotidien bercé d'IA créons-nous ?Aymeric
 
Les algorithmes génétiques dans tous leurs états
Les algorithmes génétiques dans tous leurs étatsLes algorithmes génétiques dans tous leurs états
Les algorithmes génétiques dans tous leurs étatsGeneticIO
 
Test slideshare
Test slideshareTest slideshare
Test slideshareAgroData
 
En 2016 : Faire du SEO face à une intelligence artificielle
En 2016 : Faire du SEO face à une intelligence artificielleEn 2016 : Faire du SEO face à une intelligence artificielle
En 2016 : Faire du SEO face à une intelligence artificiellePeak Ace
 
manuel-de-cours-culture-et-techniques-avancees-du-numerique-2eme-annee-31-08-...
manuel-de-cours-culture-et-techniques-avancees-du-numerique-2eme-annee-31-08-...manuel-de-cours-culture-et-techniques-avancees-du-numerique-2eme-annee-31-08-...
manuel-de-cours-culture-et-techniques-avancees-du-numerique-2eme-annee-31-08-...FootballLovers9
 

Similaire à Intelligence artificielle etroite introduction (20)

2019-06-04 aOS Strasbourg - Décideurs 1 - L'intelligence artificielle démysti...
2019-06-04 aOS Strasbourg - Décideurs 1 - L'intelligence artificielle démysti...2019-06-04 aOS Strasbourg - Décideurs 1 - L'intelligence artificielle démysti...
2019-06-04 aOS Strasbourg - Décideurs 1 - L'intelligence artificielle démysti...
 
Comment le Data et Deep Learning révolutionnent la science
Comment le Data et Deep Learning révolutionnent la scienceComment le Data et Deep Learning révolutionnent la science
Comment le Data et Deep Learning révolutionnent la science
 
Présentation_IA.pptx
Présentation_IA.pptxPrésentation_IA.pptx
Présentation_IA.pptx
 
Mix it2014 - Machine Learning et Régulation Numérique
Mix it2014 - Machine Learning et Régulation NumériqueMix it2014 - Machine Learning et Régulation Numérique
Mix it2014 - Machine Learning et Régulation Numérique
 
IA et Test - MeetUp MoT - Julien Van Quackebeke - CEO All4Test
IA et Test - MeetUp MoT - Julien Van Quackebeke - CEO All4TestIA et Test - MeetUp MoT - Julien Van Quackebeke - CEO All4Test
IA et Test - MeetUp MoT - Julien Van Quackebeke - CEO All4Test
 
Comprenez-vous l’intelligence artificielle ?
Comprenez-vous l’intelligence artificielle ?Comprenez-vous l’intelligence artificielle ?
Comprenez-vous l’intelligence artificielle ?
 
TPE 2005 - Intelligence artificielle
TPE 2005 - Intelligence artificielleTPE 2005 - Intelligence artificielle
TPE 2005 - Intelligence artificielle
 
Soirée du Test Logiciel - Intelligence Artificielle dans le test - J. VAN QUA...
Soirée du Test Logiciel - Intelligence Artificielle dans le test - J. VAN QUA...Soirée du Test Logiciel - Intelligence Artificielle dans le test - J. VAN QUA...
Soirée du Test Logiciel - Intelligence Artificielle dans le test - J. VAN QUA...
 
IA, vous avez dit IA ?
IA, vous avez dit IA ?IA, vous avez dit IA ?
IA, vous avez dit IA ?
 
Parlez-vous le langage IA ? 30 notions pour comprendre l'IA
Parlez-vous le langage IA ? 30 notions pour comprendre l'IAParlez-vous le langage IA ? 30 notions pour comprendre l'IA
Parlez-vous le langage IA ? 30 notions pour comprendre l'IA
 
Euratech'trends : Machine Learning
Euratech'trends : Machine LearningEuratech'trends : Machine Learning
Euratech'trends : Machine Learning
 
La Big Question du Big Data
La Big Question du Big DataLa Big Question du Big Data
La Big Question du Big Data
 
Introduction Azure machine learning
Introduction Azure machine learningIntroduction Azure machine learning
Introduction Azure machine learning
 
Exposé réseaux des neurones (NN) - (RN)
Exposé réseaux des neurones (NN) - (RN)Exposé réseaux des neurones (NN) - (RN)
Exposé réseaux des neurones (NN) - (RN)
 
Le progrès de l'intelligence artificielle et ses conséquences
Le progrès de l'intelligence artificielle et ses conséquencesLe progrès de l'intelligence artificielle et ses conséquences
Le progrès de l'intelligence artificielle et ses conséquences
 
Quel quotidien bercé d'IA créons-nous ?
Quel quotidien bercé d'IA créons-nous ?Quel quotidien bercé d'IA créons-nous ?
Quel quotidien bercé d'IA créons-nous ?
 
Les algorithmes génétiques dans tous leurs états
Les algorithmes génétiques dans tous leurs étatsLes algorithmes génétiques dans tous leurs états
Les algorithmes génétiques dans tous leurs états
 
Test slideshare
Test slideshareTest slideshare
Test slideshare
 
En 2016 : Faire du SEO face à une intelligence artificielle
En 2016 : Faire du SEO face à une intelligence artificielleEn 2016 : Faire du SEO face à une intelligence artificielle
En 2016 : Faire du SEO face à une intelligence artificielle
 
manuel-de-cours-culture-et-techniques-avancees-du-numerique-2eme-annee-31-08-...
manuel-de-cours-culture-et-techniques-avancees-du-numerique-2eme-annee-31-08-...manuel-de-cours-culture-et-techniques-avancees-du-numerique-2eme-annee-31-08-...
manuel-de-cours-culture-et-techniques-avancees-du-numerique-2eme-annee-31-08-...
 

Plus de Smals

Wat zijn chatbots en waarvoor gebruiken we ze
Wat zijn chatbots en waarvoor gebruiken we zeWat zijn chatbots en waarvoor gebruiken we ze
Wat zijn chatbots en waarvoor gebruiken we zeSmals
 
Wat is augmented reality en waarvoor gebruiken we het nl
Wat is augmented reality en waarvoor gebruiken we het nlWat is augmented reality en waarvoor gebruiken we het nl
Wat is augmented reality en waarvoor gebruiken we het nlSmals
 
Named entity recognition hoe werkt het wat kunnen we er mee doen nl
Named entity recognition hoe werkt het wat kunnen we er mee doen nlNamed entity recognition hoe werkt het wat kunnen we er mee doen nl
Named entity recognition hoe werkt het wat kunnen we er mee doen nlSmals
 
Natural language generation nederlands
Natural language generation nederlandsNatural language generation nederlands
Natural language generation nederlandsSmals
 
Wat is ai en wat kan het nl
Wat is ai en wat kan het nlWat is ai en wat kan het nl
Wat is ai en wat kan het nlSmals
 
Realite augmentee
Realite augmenteeRealite augmentee
Realite augmenteeSmals
 
Internet des objets
Internet des objetsInternet des objets
Internet des objetsSmals
 
Chatbots comment ca marche a quoi ca sert
Chatbots comment ca marche a quoi ca sertChatbots comment ca marche a quoi ca sert
Chatbots comment ca marche a quoi ca sertSmals
 
Analyse predictive comment ca marche a quoi ca sert
Analyse predictive comment ca marche a quoi ca sertAnalyse predictive comment ca marche a quoi ca sert
Analyse predictive comment ca marche a quoi ca sertSmals
 
Traduction vocale quasi instantanee introduction
Traduction vocale quasi instantanee introductionTraduction vocale quasi instantanee introduction
Traduction vocale quasi instantanee introductionSmals
 
Automatisation des processus robotises introduction
Automatisation des processus robotises introductionAutomatisation des processus robotises introduction
Automatisation des processus robotises introductionSmals
 
Interfaces conversationnelle introduction
Interfaces conversationnelle introductionInterfaces conversationnelle introduction
Interfaces conversationnelle introductionSmals
 
Reconnaissance d'entites nommees introduction
Reconnaissance d'entites nommees introductionReconnaissance d'entites nommees introduction
Reconnaissance d'entites nommees introductionSmals
 
Generation automatique de textes
Generation automatique de textesGeneration automatique de textes
Generation automatique de textesSmals
 
Named entity recognition hoe werkt het wat kunnen we er mee doen
Named entity recognition hoe werkt het wat kunnen we er mee doenNamed entity recognition hoe werkt het wat kunnen we er mee doen
Named entity recognition hoe werkt het wat kunnen we er mee doenSmals
 
Real time voice translation handig maar hoe ver staat het
Real time voice translation   handig  maar hoe ver staat hetReal time voice translation   handig  maar hoe ver staat het
Real time voice translation handig maar hoe ver staat hetSmals
 
Wat is predictive analytics en waarvoor kun je het gebruiken
Wat is predictive analytics en waarvoor kun je het gebruikenWat is predictive analytics en waarvoor kun je het gebruiken
Wat is predictive analytics en waarvoor kun je het gebruikenSmals
 
Wat is robotic process automation en wat kun je er mee doen
Wat is robotic process automation en wat kun je er mee doenWat is robotic process automation en wat kun je er mee doen
Wat is robotic process automation en wat kun je er mee doenSmals
 
Exemples europeens comme source d inspiration
Exemples europeens comme source d inspirationExemples europeens comme source d inspiration
Exemples europeens comme source d inspirationSmals
 
Wat zijn conversational interfaces en waarvoor kun je ze gebruiken
Wat zijn conversational interfaces en waarvoor kun je ze gebruikenWat zijn conversational interfaces en waarvoor kun je ze gebruiken
Wat zijn conversational interfaces en waarvoor kun je ze gebruikenSmals
 

Plus de Smals (20)

Wat zijn chatbots en waarvoor gebruiken we ze
Wat zijn chatbots en waarvoor gebruiken we zeWat zijn chatbots en waarvoor gebruiken we ze
Wat zijn chatbots en waarvoor gebruiken we ze
 
Wat is augmented reality en waarvoor gebruiken we het nl
Wat is augmented reality en waarvoor gebruiken we het nlWat is augmented reality en waarvoor gebruiken we het nl
Wat is augmented reality en waarvoor gebruiken we het nl
 
Named entity recognition hoe werkt het wat kunnen we er mee doen nl
Named entity recognition hoe werkt het wat kunnen we er mee doen nlNamed entity recognition hoe werkt het wat kunnen we er mee doen nl
Named entity recognition hoe werkt het wat kunnen we er mee doen nl
 
Natural language generation nederlands
Natural language generation nederlandsNatural language generation nederlands
Natural language generation nederlands
 
Wat is ai en wat kan het nl
Wat is ai en wat kan het nlWat is ai en wat kan het nl
Wat is ai en wat kan het nl
 
Realite augmentee
Realite augmenteeRealite augmentee
Realite augmentee
 
Internet des objets
Internet des objetsInternet des objets
Internet des objets
 
Chatbots comment ca marche a quoi ca sert
Chatbots comment ca marche a quoi ca sertChatbots comment ca marche a quoi ca sert
Chatbots comment ca marche a quoi ca sert
 
Analyse predictive comment ca marche a quoi ca sert
Analyse predictive comment ca marche a quoi ca sertAnalyse predictive comment ca marche a quoi ca sert
Analyse predictive comment ca marche a quoi ca sert
 
Traduction vocale quasi instantanee introduction
Traduction vocale quasi instantanee introductionTraduction vocale quasi instantanee introduction
Traduction vocale quasi instantanee introduction
 
Automatisation des processus robotises introduction
Automatisation des processus robotises introductionAutomatisation des processus robotises introduction
Automatisation des processus robotises introduction
 
Interfaces conversationnelle introduction
Interfaces conversationnelle introductionInterfaces conversationnelle introduction
Interfaces conversationnelle introduction
 
Reconnaissance d'entites nommees introduction
Reconnaissance d'entites nommees introductionReconnaissance d'entites nommees introduction
Reconnaissance d'entites nommees introduction
 
Generation automatique de textes
Generation automatique de textesGeneration automatique de textes
Generation automatique de textes
 
Named entity recognition hoe werkt het wat kunnen we er mee doen
Named entity recognition hoe werkt het wat kunnen we er mee doenNamed entity recognition hoe werkt het wat kunnen we er mee doen
Named entity recognition hoe werkt het wat kunnen we er mee doen
 
Real time voice translation handig maar hoe ver staat het
Real time voice translation   handig  maar hoe ver staat hetReal time voice translation   handig  maar hoe ver staat het
Real time voice translation handig maar hoe ver staat het
 
Wat is predictive analytics en waarvoor kun je het gebruiken
Wat is predictive analytics en waarvoor kun je het gebruikenWat is predictive analytics en waarvoor kun je het gebruiken
Wat is predictive analytics en waarvoor kun je het gebruiken
 
Wat is robotic process automation en wat kun je er mee doen
Wat is robotic process automation en wat kun je er mee doenWat is robotic process automation en wat kun je er mee doen
Wat is robotic process automation en wat kun je er mee doen
 
Exemples europeens comme source d inspiration
Exemples europeens comme source d inspirationExemples europeens comme source d inspiration
Exemples europeens comme source d inspiration
 
Wat zijn conversational interfaces en waarvoor kun je ze gebruiken
Wat zijn conversational interfaces en waarvoor kun je ze gebruikenWat zijn conversational interfaces en waarvoor kun je ze gebruiken
Wat zijn conversational interfaces en waarvoor kun je ze gebruiken
 

Intelligence artificielle etroite introduction

  • 2. • S’oppose à l’intelligence artificielle « générale », où un système se rapproche de l'intelligence humaine. • Le terme « étroite » fait référence au fait que ce type d'IA fonctionne pour une tâche spécifique et limitée. • Des règles à respecter sont imposées. • Ces systèmes ne sont pas intelligents, mais ils en donnent l’impression. • Toutes les applications actuelles à succès entrent dans cette catégorie d’IA « étroite ». Pourquoi parle-t-on d’intelligence artificielle « étroite » ou « faible » ?
  • 3. Apprentissage supervisé /non supervisé 3 • La majorité des applications d’IA a succès reposent sur l'apprentissage supervisé. • En substance, cette approche consiste à lier un résultat à une entrée lors de l'apprentissage. Le système peut ainsi se développer de manière à pouvoir déterminer un résultat attendu pour une nouvelle entrée. • Le résultat peut être lié manuellement à une entrée, mais il est beaucoup plus intéressant de créer les données d'entrée-sortie automatiquement. • Dans l'apprentissage non supervisé, le système doit apprendre sans disposer du résultat souhaité.
  • 4. 4 IA étroite basée sur l'apprentissage supervisé • On parle également d'apprentissage supervisé lorsque l’on travaille sur la base de paires avec une entrée d'une part et le bon résultat d'autre part. Ces paires sont disponibles soit par annotation manuelle, soit parce qu’elles sont fournies par des applications. Lorsque, dans le commerce en ligne, un site web émet des recommandations, l'application sait si le consommateur y réagit. Lorsque des annonces sont publiées en ligne, on peut savoir si le public clique dessus ou non. Toute cette connaissance est convertie en un modèle.
  • 5. Apprentissage supervisé Création d’un modèle Apprentissa ge supervisé Modèle prédictif Pas canard Pas canard Canard Canard 5
  • 7. Exemples d’apprentissage supervisé Entrée A E-mail Audio Anglais Public, info utilisateurs Image, info radar Image d’un téléphone Application Filtrage du spam Reconnaissance vocale Traduction automatique Publicité en ligne Voiture autonome Inspection visuelle Andrew ng - L'AI pour tous Apprentissage supervisé Dans ce lot d’entrées est fourni le résultat voulu. Le mapping Entrée -> Sortie OU A->B est fourni. Ce lot de données est fourni au système pour lui permettre d’apprendre à interpréter Sortie B Spam ? (0/1) Transcription du texte Chinois Clic ? (0/1) Position d’autres voitures Défaut ? (0/1) 7
  • 8. Apprentissage non supervisé Lorsque des paires ne sont pas utilisées, une technique d’auto-apprentissae peut être appliquée, par exemple par le placement des entrées dans des groupes différents Découvrez une bonne représentation interne des données. Apprentissage non supervisé Les données d’apprentissage ne comprennent pas les résultats souhaités Apprentissage automatique non supervisé Données brutes 01010101010101010101010101010< <01010101010101010101010101</0 /0101010101010101010101010101<< 01010101010101010101010101010< <01010101010101010101010101</0 /0101010101010101010101010101<< 01010101010101010101010101010< <01010101010101010101010101</0 8 Andrew ng – AI for everyone
  • 9. Apprentissage non supervisé Classer dans différents groupes Apprentissage non supervisé 9
  • 10. Atouts et faiblesses de l'apprentissage automatique Si le format des données change, le modèle risque d'échouer et devra réapprendre L’apprentissage automatique a tendance à bien fonctionner quand : 1. il faut apprendre un concept « simple » 2. de nombreuses données sont disponibles L’apprentissage automatique a tendance à mal fonctionner quand : 1. il faut apprendre des concepts complexes à partir de petites quantités de données 2. Il faut partir de nouveaux types de données 10 Andrew ng - L'AI pour tous
  • 11. 11 • Ne fonctionne pas sur la base de paires d'entrées et de sorties. • Le système reçoit un certain nombre d'actions possibles ainsi qu’un score à la suite de l’exécution des actions. • Le but est de maximiser le score. • Cela a déjà abouti à des résultats spectaculaires dans le domaine du jeu : • Jeux Atari • AlphaGo Zero • Jeu d’échecs Apprentissage par renforcement
  • 12. Réseaux antagonistes génératifs Deux moitiés d'une solution d'IA se font concurrence pour obtenir de meilleurs résultats Que sont les RAG ? D'abord, une intuition Générateur But : produire de la fausse monnaie aussi semblable que possible à la vraie monnaie Discriminateur But : distinguer la monnaie réelle de la fausse monnaie Réseaux antagonistes génératifs  Créés par Ian Goodfellow (OpenAI) :  Deux réseaux de neurones en compétition (jeu minimax)  Un réseau discriminant tente de distinguer les vraies données des fausses données  Un réseau générateur tente de générer des échantillons pour tromper le 12
  • 13. • Le générateur crée des candidats pendant que le discriminateur les évalue. • L'objectif du générateur est de "tromper" le discriminateur en produisant des candidats que le discriminateur pense être réels. • Le discriminateur reçoit une formation initiale jusqu'à ce qu'il atteigne une précision acceptable. • Le générateur s'entraîne selon qu'il parvient ou non à tromper le discriminateur. • Ensuite, les candidats synthétisés par le générateur sont évalués par le discriminateur. • Le feed-back est appliqué par les deux réseaux de sorte que le générateur produise de meilleures images, tandis que le discriminateur s’améliore dans la détection des faux candidats. 13 Réseaux antagonistes génératifs
  • 14. • L'apprentissage par transfert est une méthode d'apprentissage automatique dans laquelle un modèle développé pour une tâche est réutilisé comme point de départ d'un modèle pour une deuxième tâche. • Il ne fonctionne en apprentissage profond que si les caractéristiques du modèle apprises lors de la première tâche sont générales. • Dans l'apprentissage profond, les caractéristiques générales/basiques sont gelées tandis que les couches ultérieures sont affinées pour des applications spécifiques. • Approche du modèle préformé : • Sélection du modèle source : un modèle source préformé est sélectionné parmi les modèles disponibles. • Modèle de réutilisation : le modèle préformé sert de point de départ à un modèle sur la deuxième tâche d'intérêt. • Ajustement du modèle : le modèle est adapté ou ajusté sur les paires entrée-sortie disponibles pour la tâche d'intérêt. 14 Apprentissage par transfert
  • 15. Une technique importante pour l'apprentissage supervisé est l’apprentissage automatique basé sur les neurones Dans l'exemple, l’entrée est un ensemble d'informations sur des logements en vente et la sortie est le prix obtenu. Andrew ngAI pour tous Le neurone est une énorme équation mathématique qui donne le résultat Apprentissage profond Neurone Grande équation mathématique Superficie # Nombre de chambres # Nombre de sdb Récemment rénové Réseau de neurones (artificiels) Prix Les réseaux de neurones ont été à l'origine inspirés par le cerveau, mais les détails de leur fonctionnement n'ont pour ainsi dire aucun rapport avec le fonctionnement des cerveaux biologiques. A B 15
  • 16. Prévision des séries chronologiques Tout problème de série chronologique comme la prévision des prix des stocks pour un mois donné Applications de l'apprentissage automatique basé sur les neurones 16
  • 17. Annotation automatique d'images Le RNR est utilisé pour annoter une image en analysant les activités qui y sont présentes "Un chien qui attrape une balle en plein air" 17 Applications de l'apprentissage automatique basé sur les neurones
  • 18. Traduction automatique L'apprentissage automatique basé sur les neurones permet de traduire une entrée dans une langue dans une sortie dans différentes langues Ici, la personne parle en anglais et la traduction est réalisée en chinois, en italien, en français, en allemand et en espagnol 18 Applications de l'apprentissage automatique basé sur les neurones
  • 19. Cas d'utilisation dans l'IA source : cogitotech.com • L'IA en radiologie permet de détecter la maladie avec un niveau de précision acceptable, mais également de suggérer des médicaments selon l'état biologique du patient. • L’apprentissage automatique pour l'analyse des images dentaires permet de connaître l'état des dents et de recommander le traitement idoine.
  • 20. 20 Prévention des maladies cardiaques • Des algorithmes intelligents tels que celui utilisé par l'IA d'Eko sont capables de détecter les sons associés à des maladies cardiaques mortelles comme la sténose aortique avec un taux de précision de 97,2 %. • Le Zio Patch développé par iRhythm Technologies surveille l'activité cardiaque remontant jusqu'à deux semaines ; l’app ECG d'Apple peut détecter les signes précoces de fibrillation auriculaire.
  • 21. Passer d'un système de santé réactif à un système proactif • Les stimulateurs cardiaques, moniteurs cardiaques, réservoirs d'oxygène et autres glucomètres intelligents connaîtront les rythmes et fonctions uniques de votre corps et vous avertiront s’ils observent une tendance inquiétante ou anormale. • L'Internet des objets basé sur l'IA pourrait améliorer les résultats de santé de 30 à 40 % tout en réduisant les coûts de moitié. • L’Owlet (chaussette connectée pour bébés) fournit des données en temps réel sur les signes vitaux de votre bébé pendant son sommeil. Les données sont comparées à une ligne de base et un pépiement est émis si les niveaux atteignent un seuil dangereux. 21
  • 22. 2 2 • L'intelligence artificielle aide à • présélectionner les candidats potentiels pour les prochains tours ; • analyser le formulaire de candidature rempli et les différentes réponses pré-remplies par les candidats ; • aligner le workflow de recrutement afin qu'il soit davantage axé sur les données. • Les outils d'IA peuvent • évaluer les employés (leur état d'esprit et leur personnalité) ; • configurer et créer un plan pour former les employés, les motiver, les récompenser… ; • Plus une entreprise déploie de l'intelligence artificielle, plus elle peut être « humaine ». Ressources humaines
  • 23. Systèmes comptables automatisés • Les propriétaires de petites entreprises sont souvent distraits par la corvée du back-office. • Les solutions comptables automatisée alimentées par l'IA, telles que celles créées par ScaleFactor ou Botkeeper, sont capables d'aider les propriétaires de PME dans les tâches de back-office, depuis la comptabilité jusqu’à la gestion des salaires. • Grâce à une combinaison d’apprentissage automatique, de règles, de processus et de calculs personnalisés, le système peut combiner diverses sources de données pour identifier des modèles de transaction et catégoriser les dépenses automatiquement. 2 3
  • 24. Lieu de travail toxique source : receptivitii • L'IA peut fournir une solution en comprenant des modèles subtils de langage condescendant ou d'autres signaux qui suggèrent le harcèlement, la victimisation et l'intimidation dans les flux de communication d'une organisation. • L'IA peut être intégrée aux systèmes de messagerie électronique et de messagerie instantanée d'une entreprise pour analyser le langage susceptible de comporter des traces de comportements toxiques. 24 Les algorithmes ont été instruits avec des décennies de recherche sur le langage et la psychologie analysant comment les humains révèlent inconsciemment des informations sur leur état cognitif, leur niveau de stress, de fatigue et d’épuisement professionnel.
  • 25. Les magasins peuvent deveni sans caissiers Amazon a déjà mis en place des magasins sans caisse : • La technologie réagit lorsque vous prenez ou remettez un article sur un rayon. • Lorsque vous sortez avec des produits, le compte Amazon prélève de l'argent pour votre achat. 25
  • 26. Recettes de whisky 26 • La société suédoise Mackmyra Whisky a créé le premier whisky au monde développé par l'IA. • Mackmyra puise dans ses recettes existantes, dans les types de fûts, les données de vente et les préférences des clients, et intègre toutes ces informations dans des modèles d'apprentissage automatique pour inclure de nouvelles combinaisons auxquelles les Maîtres Distillateurs humains n'auraient peut-être jamais pensé. • Mackmyra fait toujours appel aux humains pour tester les résultats, mais la recette demeure l’œuvre de l’IA.
  • 27. Le tricorder de Startrek est devenu réalité (Basic Leaf Technologies) • Le tricordeur médical de Startrek est utilisé par des médecins (issus de la science-fiction) pour aider à diagnostiquer des maladies et à collecter des informations sur le corps d'un patient. • En 2017, le système DxtER a remporté le Tricorder Xprize. • Le système basé sur l'IA est axé sur la collecte précise et simple des signes vitaux. 27
  • 28. Diagnostics du cancer de la peau - 2016 S'ils sont détectés à un stade précoce, 95 % des cancers de la peau peuvent être traités avec succès Performance du pathologiste 96,5 % Performance de l’IA 97,1 % Pathologiste + I.A. 99,5 % Source : JanWieeµgelmann (autovia) 28
  • 29. Améliorer la qualité des images (letsenhance.io) Avant Après
  • 30. Robots cueilleurs (agriculture) Root-ai.com • Récolte des tomates, de concombres et des fraises dans les champs. • Reproduit la capacité d'une personne à récolter plusieurs cultures.
  • 31. Les applications à succès incluent la mission du rover Mars : • Il est capable de s'adapter aux conditions sans aucune instruction directe. • Il a appris lui-même à faire pivoter ses panneaux solaires et à se débarrasser de la poussière accumulée qui bloquait l'absorption essentielle des rayons solaires. • Il a appris lui-même à corréler les preuves sensorielles avec les objectifs de la mission et a ainsi pu construire le premier modèle météorologique efficace pour une autre planète. Commander une machine sur une autre planète (cognitive.ai)
  • 32. Écrire un logiciel Codebots.com Codebots suit le processus de développement de logiciels piloté par les modèles d'une manière spéciale permettant l'évolution de leur documentation pour piloter l'évolution du code. Deepcode.ai Détecte des bugs qui vont au-delà des outils standards de révision de code. Fournit des recommandations pratiques sur la manière de les corriger. Diffblue.com Écrit des suites de tests unitaires pour le code Java qui, autrement, prendraient des jours ou des semaines à écrire manuellement.
  • 33. Couper le bruit de fond Krisp.ai & Babblelabs
  • 34. Police proactive Predpol.com Police proactive basée sur le lieu. Calcule des prévisions : type de crime lieu du crime date/heure du crime Dirige les opérations de patrouille. Prévoit où et quand des crimes spécifiques sont le plus susceptibles de se produire.
  • 35. Détection des agressions Identifie les agressions verbales pour prévenir l'escalade et les agressions Détection d’alarme de voiture Le détecteur permet au personnel de sécurité d'améliorer le temps de réaction aux incidents grâce à une alerte en temps réel Détection de coups de feu Reconnaît la décharge d'une arme à feu en temps réel dans différents environnements Détection de bris de verre Détecte les bris de verre feuilleté, simple ou double, trempé et armé Soundintel.com « Surveillance acoustique » en lieu et place de la « vidéosurveillance » avec interprétation du son Surveillance acoustique pour les soins de santé Fournit une observation et des soins non intrusifs aux patients Détecteurs personnalisés Les capteurs audio peuvent être utilisés dans une grande variété d'applications. L'intelligence sonore peut créer. 35
  • 36. IA contre la noyade (sightbit)

Notes de l'éditeur

  1. https://www.liberalforum.eu/wp-content/uploads/2019/11/PUBLICATION_AI-in-e-governance.pdf
  2. https://www.techopedia.com/top-20-ai-use-cases-artificial-intelligence-in-healthcare/2/34047
  3. https://www.iotplaybook.com/article/5-best-artificial-intelligence-use-cases
  4. https://www.kdnuggets.com/2020/04/successful-use-cases-ai-business.html
  5. Claudio Bultice
  6. Claudio butice
  7. https://spd.group/artificial-intelligence/ai-for-retail/#1_Stores_can_become_cashier-free
  8. https://www.frontier-enterprise.com/weird-ai-five-cool-uses-for-artificial-intelligence/