Publié le 13 février 2018 Mis à jour le 13 février 2018
Anima est un cabinet spécialisé dans des projets d’innovation radicale. Faisant suite au discours de conquête spatiale de Kennedy pour aller jusque sur la lune, il anime un "Moonshots Studio". L’un de ses principaux terrains d’exploration réside dans l’exploration du potentiel des IA.
L'IA est une technologie transversale à toutes les activités humaines. Comme le développement de l’électricité et de ses usages a tout transformé en son temps, les IA suivent le même chemin de disruption. Disrupter signifie « sauter des étapes de développement ». C’est à quoi s’emploie Anima en représentant en France la Fondation Xprize ; dont la devise est "Making the impossible possible" et les illustres pensionnaires sont notamment des dirigeants tels qu’Elon Musk et Larry Page.
À cette occasion le cabinet a analysé plus de 17 000 projets en IA et acquis une vision de leur potentiel. Pour l’un des codirigeants du cabinet, Alexandre Cadain,
« Il y a 1 000 ans pour changer le monde il fallait être un roi. Il y a 100 ans il fallait être un entrepreneur, et maintenant tout le monde peut transformer le monde ».
La solution résiderait dans l’organisation de compétition pour émuler les innovateurs, mais aussi dans le repérage des grappes d'innovation radicale. Ce que fait en permanence, la commission de l'ONU projet IA for good qui se mobilise sur 17 objectifs de développement durable
Anima développe la méthode Xtopia pour dessiner le futur dans un contexte de disruption et d'incertitudes. La méthode permet d’identifier beaucoup de futurs possibles et sortir des seules visions incrémentales. Il s’agit de partir de dystopies à un horizon très lointain puis revenir au présent par des cheminements (roadmaps) en s’appuyant sur le « moon shooting » et la prospective. Anima s’y emploie avec brio en matière d’intelligence artificielle.
Les mythes relatifs à l'Intelligence Artificielle
Les mythes ténébreux prédominent
D’où naissent les mythes. "L'Intelligence est une capacité à convertir des informations en connaissances actionnables pour nous permettre de réaliser des choses que nous ne faisions pas avant" selon Dennis Hassabis. Alan Turing a inventé la première machine à traiter automatiquement des informations. Elle augmente notre intelligence, même si l’on sait mal définir la notion.
Il existe une nébuleuse inquiétante autour de l'IA et de nombreux mythes boiteux qu'il serait intéressant de remplacer par des mythes ouvrant sur de nouveaux imaginaires.
Les plus grosses peurs sont liées à la « singularité ». Il s'agit d'un concept de science-fiction des années 82 de Ray Kurzweil dans son livre "The singularity is near" il estime qu'en 2045, date révisée à 2029, la machine devient plus intelligence que l'homme. En effet, Gordon Moore a prédit une croissance exponentielle de la puissance des transistors et une amélioration constante des capacités de calcul des ordinateurs. Cette prédiction est vérifiée depuis 1962 (à l'exception de deux années) mais l'intelligence n'est pas que de la puissance de calcul.
D’autres gourous comme Laurent Alexandre exhortent à une prise de conscience face aux mutations en cours et à leurs conséquences possibles. Tout se passe comme si l’homme passait son temps à augmenter le pouvoir de ses outils, puis était contraint à s’augmenter lui-même pour ne pas être dépassé par ses propres créations.
Le recours à des mythes constructifs
Il est possible de rappeler le mythe de Prométhée, pour revenir à notre propre intelligence. Prométhée était nu; les hommes n'avaient pas la force des lions ou les ailes des oiseaux. Ils n’avaient reçu aucun don. C’est pourquoi, il a volé le feu. Feu intérieur et première technologie. Ce feu réchauffe mais détruit aussi les premiers villages. La technologie est amorale, de même pour les IA, à nous de les domestiquer
Le mythe du génie créatif de Léonard de Vinci rappelle les conditions de la fécondité : la réunion de la science, des arts et de la technique constitue un carrefour puissant d’innovation. Après Léonard ces trois dimensions ont rarement été réunies.
Pourquoi un tel décalage entre mythe et réalité des IA ? Peut-être parce qu’il y a un manque de leadership et de vision sur l'IA, un manque de compétence sur les champs d'application : où sont les IA managers? Peut-être manque-t-il aussi d’usages ?
Ce qui pousse à une appréciation erronée des IA c'est leur constante comparaison aux hommes. Hors l'IA n'est pas que le dépassement des capacités humaines de calcul. L'IA n'est pas encore prédictive de comportement ou d'avenir. Le predictive learning cette capacité d'un algorithme à prédire la fin d'une séquence à partir de son début est encore à améliorer. C’est une quête pour les chercheurs.
Qu'est-ce que l'IA? Comment « apprend » t-elle ?
Wikipédia définit simplement l’IA comme un « Agent intelligent ». L’IA se caractérise par ses « capacités d’apprentissage », même si les mots apprentissages et intelligence sont discutables pour des programmes aussi sophistiqués soient-ils.
L’expression qui montre l’enrichissement des modalités de réponses des IA se nomme « apprentissage profond » (deep learning). L’apprentissage profond renvoie à l'idée de réseaux de neurones électroniques connectés et organisés en couches avec des fonctions de pondération. Mais, ce réseau diffère du fonctionnement organique et imprévisible d'un cerveau humain. Pour prendre une analogie, Anima compare le cerveau humain à un aigle et le réseau de neurones d’une IA à un avion de ligne. D’un côté la souplesse et l’agilité de l’autre la puissance et la rigidité.
Apprentissage des IA
Les IA apprendraient donc. Tensorflow est un jeu d'assemblage open source de neurones virtuels et d'assemblage de couches de neurones qui complexifient le modèle. Il a été créé par Google et il est mis en libre circulation. Chaque couche répond à des fonctions mathématiques complexes. La combinaison de couches est une boîte noire pour la compréhension d'un cerveau humain car il y a des millions de combinaisons possibles. Chris Pollock imagine aussi des IA qui aient aussi de l’imagination.
Apprentissage par renforcement ou supervisé
L’une des façons d’apprendre des machines est l’exploration des possibilités, associées à des récompenses quand elles réussissent. C’est le cas de l’alpha go pour le jeu de go ou bien d’une IA intégrée dans un robot qui apprend à faire sauter une crêpe. Il y parvient très bien après 50 itérations, beaucoup plus lent qu’une humain.
Apprentissage non supervisé
L'IA apprend aussi par elle-même, par exemple à identifier des classes d'objets à partir de formes qu'on lui présente. C’est ce qui est nommé apprentissage non-supervisé.
Apprendre à apprendre
Apprendre à apprendre des concepts ou à reconnaître des formes et des éléments est possible. C’est un apprentissage par capsules mais qui ne hiérarchise pas encore les informations. Si l’IA sait distinguer un œil, elle ne sait pas encore en déduire sa place dans un visage. Apprendre à apprendre nécessite à l’IA d’aller vers de nouvelles capacités de synthèse. Bayesian programming synthetis
Il existe une variété d’algorithmes; qui sera le plus performant ?
Une compétition à qui aura l'IA la plus performante est lancée entre les grands acteurs d’internet. Voici les principaux algorithmes qu’il est possible de rencontrer et dont les fonctionnalités sont plutôt centrées sur la maison, les téléphones ou les applications informatiques d’accompagnement.
pour se restreindre aux IA des puissantes sociétés américaines. Pour rire certains testeurs organisent des discussions entre IA. Ces dialogues ont un air surréaliste. Il s’agit souvent d’une succession de phrases à l'eau de rose, éloignées des répliques du Terminator poursuivant sa cible.
Mais la caractéristique la plus intrigante en cours d’exploration est le dialogue entre un homme et une machine. Norbert Wiener un des pères fondateurs de la cybernétique s'intéresse à la relation entre l'homme et la machine. Pour lui, si nous regardons le travail à la façon d’une machine, c’est que nous sommes devenus des machines. Comment l'homme et la machine vont-ils combiner leurs apports réciproques ?
Du cyborg à la « cyb-org »
Si les images du cyborg Terminator nous reviennent en boucle, l’intégration des IA tiendra plutôt de la « cyb-org » ou « cyber organisation ». La solution passe par une réinvention de la dimension collective du travail utilisant les IA pour leur potentiel de calcul.
Selon un article de la Harvard Business Review, les IA pourraient en effet libérer plus de 54% du temps des managers. Il s’agit des tâches répétitives, celles qui utilisent la mémoire ou qui nécessitent de la précision. Dès lors comment réorganiser le travail? Les 5 idées clés de l'article sont les suivantes :
Les catégories d'augmentation des tâches des plus simples au plus complexe
Imaginons les conséquences pour les tâches d’un concepteur de formation
Le cabinet Anima distingue 4 niveaux de complexité de tâches :
Voici ce que ce qu’il serait possible d’imaginer pour les tâches de conception de formation.
À partir de cette délégation de tâches, il est possible de voir évoluer le métier de concepteur de formation vers celui de « Designer d'écosystèmes d'apprentissage ». Le concepteur devient un dessinateur de paysage pédagogique. Il s’appuie sur son IA pour le soulager de tâches les plus répétitives.
Quels que soient les métiers ayant trait à la pédagogie les questions à se poser sont : Comment j'imagine mon travail demain ? Comment je peux utiliser l'IA en complément ? Quelle partie de mon métier ais-je envie d'automatiser? Faut-il tout automatiser même quand on le peut?
Conclusion
« Les grands pouvoirs engagent de grandes responsabilités » disait Voltaire.
Il en va certainement de même avec les IA dont le pouvoir de disruption est encore à venir. C’est aux concepteurs de devenir attentifs à leur choix de développement. À voir de nombreux usages en cours de développement les humains ne sont pas à l’abri du meilleur.
Sources :
Wikipédia – Agent intelligent - https://fr.m.wikipedia.org/wiki/Intelligence_artificielle
Wikipédia – Dennis Hassabis - https://fr.m.wikipedia.org/wiki/Demis_Hassabis
Replika - https://replika.ai/
Wikipédia - Tamagotchi - https://fr.m.wikipedia.org/wiki/Tamagotchi
Mon étrange relation avec Replika, un robot qui voulait un peu trop devenir mon ami - Vincent Manilève - Slate
http://www.slate.fr/story/141239/replika-robot-intelligence-artificielle-ami
Autodesk- Dreamcatcher - https://autodeskresearch.com/projects/dreamcatcher
Ces deux intelligence artificielle discutent de la pluie et du beau temps depuis des heures - Gregory Rozieres - Huffingtonpost
http://www.huffingtonpost.fr/2017/01/06/ces-deux-intelligences-artificielles-google-home-discutent-de-la_a_21649361/
Fondation Xprize - https://fr.m.wikipedia.org/wiki/Fondation_X_Prize
Wikipédia - Loi de Moore - https://fr.m.wikipedia.org/wiki/Loi_de_Moore
TensorFlow - https://www.tensorflow.org/
Wikipédia – Raymond Kurzweill - https://fr.m.wikipedia.org/wiki/Raymond_Kurzweil
ANIMA https://www.anima.ai/
Wikipédia – predictive learning https://en.m.wikipedia.org/wiki/Predictive_learning
Alpha GO zéro – la nouvelle version du jeu de go se suffit à elle-même - Louis Adam - ZDNet
http://www.zdnet.fr/actualites/alphago-zero-la-nouvelle-version-de-l-ia-de-go-se-suffit-a-elle-meme-39858884.htm
Quelle est la différence entre l’apprentissage supervisé et l’apprentissage non-supervisé - Quora.com
https://fr.quora.com/Quelle-est-la-différence-entre-l’apprentissage-supervisé-et-l’apprentissage-non-supervisé-dans-l’apprentissage-machine
Apprendre à faire sauter une crêpe https://m.youtube.com/watch?v=429y21xqlMk
Microsoft cortana https://www.microsoft.com/fr-fr/windows/cortana
Amazon Alexa http://mashable.france24.com/monde/20170224-amazon-alexa-premier-amendement-justice
Apple Siri https://fr.m.wikipedia.org/wiki/Siri_(logiciel)
Google home https://store.google.com/fr/product/google_home?hl=fr-FR
Accédez à des services exclusifs gratuitement
Inscrivez-vous et recevez nos infolettres en pédagogie et technologies éducatives
Vous pourrez aussi indexer vos ressources préférées et retrouver votre historique de consultation
M’abonner à l'infolettreVous pourriez aussi aimer:
Démystifions les différents types de robots à usage pédagogique
Vous désirez aborder la robotique avec votre groupe, mais vous ne savez pas quels types de robots choisir? Selon le niveau enseigné et les appareils numériques disponibles, Martine Beaudoin nous guide pour planifier vos achats et la réalisation de votre projet.
Cette formation offre les outils et les conseils nécessaires pour d’approfondir votre compréhension des principes de la robotique et de la programmation, et ainsi développer les visées pédagogiques pertinentes et efficaces pour votre contexte de classe.
Des tâches telles que cartographie, navigation, collecte de données, coopération multi-robots sont proposées et peuvent faire l’objet de projets d’équipe ou de classe. La programmation se fait en C++ mais des librairies des contrôles sont fournies (déplacements, sécurité, acquisition capteurs, etc.), ce qui rend la programmation nettement plus accessible.
L'industrie du futur : la synergie des hommes, des robots et de l'internet des objets
Le thème de la journée, « Le robot collaboratif au service de l'industrie 4.0 », permet de traiter des avancées technologiques en matière d'interaction homme-robot, de robots collaboratifs et d'architectures de commande ouvertes dans le contexte de l'industrie 4.0.
Bras robotique programmable pour la classe
Un robot dépourvu de bras nous parait plus comme une «machine» qu’un robot. Dans notre esprit un robot doit pouvoir saisir et utiliser des éléments de son environnement, dont des outils. Une étape de base fréquente en robotique est d’apprendre à programmer un bras.
Voici un bras robotisé abordable et fonctionnel pour s'y mettre.
