Télécharger en tant que PDF, PPTX
![« Il est important que les organisations utilisant
les données soient réellement tenues
responsables
C’est pourquoi les normes […] d’un monde de
données doivent intégrer un principe de
responsabilité ».
Scott Charney, Microsoft CVP Trustworthy Computing
Source : TwC Next, http://aka.ms/twcnextwp
Introduire une notion
d’éthique de la donnée](https://image.slidesharecdn.com/key101-150216180923-conversion-gate01/85/Vers-une-technologie-invisible-et-une-intelligence-omnipresente-38-320.jpg)
Téléchargé parMicrosoft Ideas
Vers une technologie invisible et une intelligence omniprésente ?
Le document explore l'évolution vers une informatique ubiquitaire et une intelligence ambiante, soutenue par le machine learning et l'intégration de dispositifs connectés. Il met en avant des exemples concrets d'applications de ces technologies, notamment dans des domaines comme la prédiction et l'analyse de données. Il soulève également des questions éthiques sur la gestion des données personnelles et la responsabilité des entreprises dans l'utilisation de ces informations.
Contenu connexe
Similaire à Vers une technologie invisible et une intelligence omniprésente ?
Vers une technologie invisible et une intelligence omniprésente ?
- 1. Vers une technologieinvisible et une intelligence omniprésente ? Bernard Ourghanlian Directeur Technique et sécurité Microsoft France
- 2. « Les technologiesles plus profondes sont celles qui disparaissent. Elles se fondent dans la trame de la vie quotidienne jusqu’à en devenir indiscernables » Informatique Ubiquitaire Mark Weiser
- 3. Les composants del’Intelligence Ambiante Ubiquité Contextualisation Interaction naturelle Intelligence
- 4. Satya Nadella –CEO Microsoft « Je crois que la prochaine décennie verra l’informatique devenir encore plus ubiquitaire et que l’intelligence deviendra ambiante… Ceci sera rendu possible grâce à un réseau toujours plus dense d’appareils connectés, à la capacité de calcul incroyable du Cloud, à la perspicacité que nous donne le Big Data et à l’intelligence apportée par le Machine Learning »
- 5. Optimisent une action étant donné unefonction d’utilité Prédisent de nouvelles données en fonction des données collectées S’adaptent en fonction des données collectées Extraient une structure cachée des données Résument les données en des descriptions concises Champ d’études qui donne aux ordinateurs la capacité d’apprendre sans avoir besoin d’être explicitement programmés Qu’est-ce que le Machine Learning ?
- 6. Vous ne pouvezle coder Vous ne pouvez passer à l’échelle Vous avez à vous adapter/personnaliser Vous ne pouvez pas suivre Quand l’ordinateur doit-il apprendre ? Quand…
- 7. 15 ans d’innovation BingMaps est livré avec un service de prévision de trafic basé sur du ML Les ordinateurs travaillent pour le compte des utilisateurs en filtrant le spam Microsoft Kinect : « vous êtes la manette » SQL Server permet la fouille de données Le moteur de recherche de Microsoft est construit sur du Machine Learning Traduction en temps réel Microsoft lance Azure ML, mettant à disposition des années d’innovation en ML 1999 2004 2005 2008 2010 2012 2014 « Si vous faites une percée en intelligence artificielle, de sorte que les machines puissent apprendre, cela vaut 10 Microsoft » Bill Gates Microsoft et le Machine Learning
- 8. Scénarios de MachineLearning Le Machine Learning et les modèles prédictifs offrent de nouvelles possibilités clés qui vont tout changer dans notre nouveau monde d’applications intelligentes et d’intelligence ambiante… Analyse des réseaux sociaux Prévision du temps Effets sur la santé Maintenance prédictive Publicité ciblée Exploration de ressources naturelles Détection de fraude Analyse de données de télémétrie Modèles d’intention d’achat Analyse de taux de désabonnement Recherche en sciences de la vie Optimisation d’applications Web Détection d’intrusion réseau Surveillance de compteur intelligent
- 9. Transformer le numériquegrâce au Machine Learning Notre ambition
- 11. Cédric Chamayou Comment voulez-vous queje vous appelle ?
- 12. Rendre intelligents lesascenseurs…
- 13.
- 15. Olivier Bloch Senior TechnicalEvangelist MS OPEN TECH
- 16. 3,2 kmde long 60 GeV >1 millions de capteurs 3,5 GO/s Le SLAC en quelques chiffres 6 Prix Nobels + 1000 publications scientifiques /an Quelques découvertes réalisées au SLAC 1976 - Quark charm 1990 - Structure en quarks du proton et du neutron 1995 - Lepton tau, aussi appelé tauon
- 17. Surveillance et contrôleprédictif au SLAC Internet des objets au SLAC: Environnement et sécurité Transport Building intelligent Energie Sécurité Maintenance préventive Besoin de surveillance et contrôle prédictif: $45k-$90k / heure d’opération Coût moyen d’un incident: $250k Contrôle actuel: réglage manuel des alertes Machine Learning: Ajustement dynamique des niveaux d’alarme Apprentissage Détection d’anomalies
- 18. Détection d’anomalie avec AzureMachine Learning API de détection d’anomalie disponible dans le DataMarket https://datamarket.azure.com/dataset/aml_labs/anomalydetection Détection d’anomalie sans saisie manuelle de limites
- 19.
- 20. Altran Pascal Brier, DGAen charge de la stratégie, de l'innovation et des solutions Julien Clausse, Marketing Manager, Intelligent Systems
- 21. Terminaux CAN Bus Cloud Smartphone Tablette Microsoft Azure MicrosoftHDInsight Automobile Adapté au sein de la voiture 500 000 Voitures simulées dans le Cloud Environnement synthétique développé par Intelligent Systems / Altran basé sur le projet Orleans de Microsoft Une vraie voiture Hardware Intel pour l’unité principale Plateforme d’info-divertissement développée Par Intelligent Systems / Altran
- 22. Antoine Durieux, PDGet cofondateur de la société Alkémics Jérémy Harroch, PDG et fondateur de la société Quantmetry Joannes Vermorel, PDG et fondateur de la société Lokad
- 23. AUCHAN 8 RUE DUSENTIER Tel: 01.85.08.61.89 11 Février 2015 Carte de fidélité 6532 2938 2321 3232 TTC AUCHAN LTR COMPACT 4KG 7,23 PAMPERS ACTIFIT X34 T3 39,99 HIPP CR BIO BIB 6X25CL D10M 5,39 * REDUCTION EXLU 0,50€ - 0,50 TIM. SHAMP BLD LUMIERE 300ML 3,45 BELLE COLOR BLD FCE NO05 6,61 KELLOGS FROSTIES MAXI PACK 3,31 ------ Total 5 articles 62,17 CB 62,17 Rendu 0,00
- 24. AUCHAN 8 RUE DUSENTIER Tel: 01.85.08.61.89 11 Février 2015 Carte de fidélité 6532 2938 2321 3232 TTC AUCHAN LTR COMPACT 4KG 7,23 PAMPERS ACTIFIT X34 T3 39,99 HIPP CR BIO BIB 6X25CL D10M 5,39 * REDUCTION EXLU 0,50€ - 0,50 TIM. SHAMP BLD LUMIERE 300ML 3,45 BELLE COLOR BLD FCE NO05 6,61 KELLOGS FROSTIES MAXI PACK 3,31 ------ Total 5 articles 62,17 CB 62,17 Rendu 0,00 + + Machine learning 800+ brands network
- 25. AUCHAN 8 RUE DUSENTIER Tel: 01.85.08.61.89 11 Février 2015 Carte de fidélité 6532 2938 2321 3232 TTC AUCHAN LTR COMPACT 4KG 7,23 PAMPERS ACTIFIT X34 T3 39,99 HIPP CR BIO BIB 6X25CL D10M 5,39 * REDUCTION EXLU 0,50€ - 0,50 TIM. SHAMP BLD LUMIERE 300ML 3,45 BELLE COLOR BLD FCE NO05 6,61 KELLOGS FROSTIES MAXI PACK 3,31 ------ Total 5 articles 62,17 CB 62,17 Rendu 0,00 Hipp marque nationale lait de croissance bébé > 10mois bio biberon 25 cL pack x6 promo suitableFor HIPP CR BIO BIB 6X25CL D10M DT 1GT isPackagedAs isPackagedIn isDiscountedAs …
- 26. Hipp marque nationale Pampers couches lait de croissance bébé BELL BLD F KELLOGSFROSTIES MAXI PACK PAMPERS ACTI FIT X34 T3 TIM. SHAMP BLD LUMIERE 300ML Client HIPP CR BIO BIB 6X25CL AUCHAN 8 RUE DU SENTIER Tel: 01.85.08.61.89 11 Février 2015 Carte de fidélité 6532 2938 2321 3232 TTC AUCHAN LTR COMPACT 4KG 7,23 PAMPERS ACTIFIT X34 T3 39,99 HIPP CR BIO BIB 6X25CL D10M 5,39 * REDUCTION EXLU 0,50€ - 0,50 TIM. SHAMP BLD LUMIERE 300ML 3,45 BELLE COLOR BLD FCE NO05 6,61 KELLOGS FROSTIES MAXI PACK 3,31 ------ Total 5 articles 62,17 CB 62,17 Rendu 0,00
- 27. Use case :Improve moment of life detection Methodology © Quantmetry 2015 | Distribution prohibited without prior authorization High volume Banking data Unstructured Banking transactions Call center comments Customers & contractsOnline marketing campaigns Web tracking data Insurance data External data Customers, claims & contracts Insurance datamarts Bank datamarts INSEE data Car information + = + Tree 1 Tree 2 Tree 3 Successive trees seek to minimize previous error Multiple data sources used 5 To, 4,500+ variables Algorithm Gradient Boosting (GBM)
- 28. Baseline (logistic regression) Gradient Boosting Additionalbanking data Feature engineering Lift = 2 Lift = 6 +1,8 M€ / year expected incremental margin © Quantmetry 2015 | Distribution prohibited without prior authorization Use case : Improve moment of life detection Results
- 29. Prévoir la demandePrévoir l’offre Rayon vide ?
- 30. Analyser la complexitéAnticiper les coûts Tarif contrats long terme ?
- 31. Antoine Durieux, PDGet cofondateur de la société Alkémics Jérémy Harroch, PDG et fondateur de la société Quantmetry Joannes Vermorel, PDG et fondateur de la société Lokad
- 33. Conseil d’état :Le numérique et les droits fondamentaux Définir un droit des algorithmes prédictifs (3.3.2.)
- 34. Source : Bloomberg,12 mars 2013 "Off The Charts," Scarlet Fu
- 35. Dis moi quitu aimes… je te dirais qui tu es ! 0% 10% 20% 30% 40% 50% 60% 70% 80% 90% 100% Couleur de peau Fumeur Démocrate versus Républicain Gay Lesbienne Surface sous la Courbe Michal Kosinskia, David Stillwella, Université de Cambridge, Thore Graepel, Microsoft Research http://www.pnas.org/content/110/15/5802.full.pdf+html
- 37. Les utilisateurs sont-ilsconscient de la capacité à déduire leurs caractéristiques personnelles à partir de leurs traces numériques ? S’ils l’étaient, continueraient-ils de rendre publiques ces données ? Les entreprises devraient-elles être autorisées à utiliser ces informations à des fins commerciales ? La technologie peut-elle aider à relever ces défis ? Quelques questions relatives à la vie privée
- 38. « Il estimportant que les organisations utilisant les données soient réellement tenues responsables C’est pourquoi les normes […] d’un monde de données doivent intégrer un principe de responsabilité ». Scott Charney, Microsoft CVP Trustworthy Computing Source : TwC Next, http://aka.ms/twcnextwp Introduire une notion d’éthique de la donnée
- 39. « Réussir àcréer une intelligence artificielle pourrait être le plus grand événement de l’histoire de l’humanité. Cela pourrait également être le dernier, si nous n’apprenons pas à éviter les risques. » Stephen Hawking Déverrouiller le potentiel de l’Intelligence Ambiante…
- 41.
- 42. Computers understanding what ishappening in the real world Computers seamlessly interacting with people Computers analyzing data and enabling decisions Computer Vision Speech Recognition Digital Signal Processing Distributed Systems Machine Learning Networking Data Visualization Human Computer Interfaces Security and Privacy
- 43.
- 44. 0% 20% 40% 60% 80% 100% 1993 1994 1995 1996 1997 1998 1999 2000 2001 2002 2003 2004 2005 2006 2007 2008 2009 2010 2011 2012 Word Error Rate% Context- dependent deep neural networks
- 47. Computers understanding what ishappening in the real world Computers seamlessly interacting with people Computers analyzing data and enabling decisions
- 49. The Rise Ofthe Machines ?
- 50. « Les avancéesles plus passionnantes du 21ème siècle ne se produiront pas en raison de la technologie mais à cause de l’idée même que l’on se fait de l’humain » JOHN NAISBITT
- 51. The Rise ofthe Humans
- 52.
- 53. PARTENAIRES GOLD ETSILVER