Contributeurs actifs

Voici la liste des principaux contributeurs du blog par leurs commentaires. Vous pouvez cliquer sur leur lien pour obtenir leurs commentaires dans cette page :

macha (113), Michel Nizon (92), Pierre (84), Fabien (66), herve (65), leafar (44), guillaume (40), Laurent (37), Herve Kabla (30), rthomas (30), Sylvain (29), Olivier Auber (28), Jeremy Fain (27), philippe (27), Daniel COHEN-ZARDI (26), Olivier (24), Nicolas (24), Marc (24), Christophe (21), Patrick (19), Fab (19), Arnaud@Thurudev (@arnaud_thurudev) (19), julien (18), jmplanche (17), Jeremy (16), OlivierJ (16), JustinThemiddle (16), vicnent (16), bobonofx (15), Pierre Jol (14), patr_ix (14), viagra without a doctor prescription (14), Lionel Laské (@lionellaske) (13), Pierre Mawas (@Pem) (13), Franck Revelin (@FranckAtDell) (13), Lionel (12), Jerome (12), anj (12), /Olivier (12), jean (12), Pascal (11), Louis van Proosdij (11), jean-eudes queffelec (11), LVM (11), jlc (11), Phil Jeudy (11), Benoit (11), Marc-Antoine (11), dparmen1 (11), (@slebarque) (@slebarque) (11), INFO (@LINKANDEV) (11), viagra without doctor prescription (11), François (10), Fabrice (10), Filmail (10), babar (10), arnaud (10), Nicolas Andre (@corpogame) (10), online pharmacy (10), Alexis (9), Rafael (9), FredericBaud (9), Laurent Bervas (9), Mickael (9), Hugues (9), ZISERMAN (9), Olivier Travers (9), Chris (9), jequeffelec (9), Yann (9), Fabrice Epelboin (9), Benjamin (9), Benoît Granger (9), Pierre Ygrié (9), (@olivez) (@olivez) (9), faculte des sciences de la nature et de la vie (9), canadian pharmacies (9), Frederic (8), Yannick Lejeune (8), stephane (8), BScache (8), Michel (8), Daniel (8), Emmanuel (8), startuper (8), Fred A. (8), Vincent (8), @FredOu_ (8), Nicolas Bry (@NicoBry) (8), @corpogame (8), canadian pharmacy (8), Marie (7), ~laurent (7), David (7), Patrice (7), JB (7), ITI (7), Julien ÉLIE (7), Jean-Christophe (7), Nicolas Guillaume (7), Jean-Philippe (7), Stanislas (7), Alain (7), Sebastien (7), Serge Meunier (7), Pimpin (7), Lebarque Stéphane (@slebarque) (7), Pascal Lechevallier (@PLechevallier) (7), veille innovation (@vinno47) (7), YAN THOINET (@YanThoinet) (7), Legend (6), Romain (6), Jérôme (6), Paul (6), Eric (6), Serge (6), Benoit Felten (6), Alban (6), Jacques (6), sebou (6), Cybereric (6), Poussah (6), Energo (6), Bonjour Bonjour (6), boris (6), MAS (6), canard65 (6), Richard T (6), PEAI60 (6), Free4ever (6), Guerric (6), tvtweet (6), Matthieu Dufour (@_matthieudufour) (6), Nathalie Gasnier (@ObservaEmpresa) (6), gepettot (6), Michel Nizon (@MichelNizon) (6), Stephane Ingrassia (@Ingras01) (6), Frédéric Hermelin ⭐⭐ (@fredhermelin) (6), EtienneL (5), DJM (5), Tristan (5), Stéphane (5), Gilles (5), Alphonse (5), apbianco (5), dePassage (5), Sans_importance (5), Aurélien (5), herve lebret (5), Jean-Denis (5), Bruno (5), NM (5), antoine (5), Nicolas Chevallier (5), Godefroy (5), jdo (5), Renaud (5), Alain Raynaud (5), mmathieum (5), Patrick Bertrand (@pck_b) (5), Jean-Renaud ROY (@jr_roy) (5), (@bvanryb) (@bvanryb) (5), Boris Defréville (@AudioSense) (5), Richard (5), cedric naux (@cnaux) (5), (@arnaud_thurudev) (@arnaud_thurudev) (5), (@PLechevallier) (@PLechevallier) (5), Pierre Mawas (@PemLT) (5), Fabrice Camurat (@fabricecamurat) (5), loïc (5), Laurent Fournier (5), Pierre Metivier (@PierreMetivier) (5), (5), Partech Shaker (@PartechShaker) (5), AGEFI Suisse | Technologie (@Agefi_TechNews) (5), Florent (4), jean-eudes (4), cedric (4), Ploc (4), Thierry (4), Tom (4), Laurent GUERBY (4), Pierre Guillery (4), jack (4), Christophe Lauer [MS] (4), Edwin Khodabakchian (4), Fred (4), jm (4), Steph (4), Jean-Christophe Defline (4), Manuel (4), Alex (4), domotiqa.com (4), Adrien (4), Fabien Fumeron (4), Olivier Martineau (4), Franck (4), lezardbreton (4), A.M (4), Florian (4), Anne (4), Guil (4), Jean Dedieu (4), Dalai-Lama (4), businessangel (4), Christophe Faurie (4), Stan J (4), OlivierSeres (4), boris D. (4), undefined (4), JohnLeM (4), France (4), jeromewallut (4), Patrick HANNEDOUCHE (4), JN Chaintreuil (4), EDC (4), Youssef (4), Benoit Granger (4), Claude de Loupy (4), Joannes Vermorel (4), Waglioni (4), plombier paris (4), lloll (4), (@easydashboardfr) (@easydashboardfr) (4), (@entreprendre_) (@entreprendre_) (4), (@SylvainTh) (@SylvainTh) (4), Laurent Etienne (@aequoanimo) (4), OlivierAuber (4), william (4), Serge gremion (@SergeGremion) (4), Julien Bengué (@jbengue) (4), David Remaud (@DavidRemaud) (4), (@PemLT) (@PemLT) (4), Aurélia Jaeger (@aureliajaeger) (4), Hugues Sévérac (4), Jacques Froissant (@Altaide_JF) (4), Stéphane Moussie (@stephmouss) (4), Pierre Beyssac (@pbeyssac) (4), Caroline Baron (@carolynebaron) (4), Hugues Severac (4), Bruno Lamouroux (@Dassoniou) (4), romu (4)

Contributions sous le pseudo hervet

5 commentaires ont été soumis sous ce pseudo et avec le même email.

Le premier commentaire date du 6 mars 2016 et le dernier est du 19 mars 2016.

Commentaire 5 dans Les avancées de l’intelligence artificielle – 2, le 19 mars 2016

Quelques notes technico-cyniques pour synthétiser les concepts sous-jacents à ce 2ème volet.

– Le web regorge de références qui assènent que le bouquin de Minsky et Papert a tué le perceptron de Rosenblatt et l’IA pendant 10 ans. Il faut lire les 250 pages pour éviter de faire partie du presse-purée. Le traitement était visionnaire mais démarrait avec l’hypothèse de parallelisme fondée en 1943 par McCulloch and Pitts: chaque rang de neurones est mis à jour entièrement et séquentiellement. Il suffit de regarder le schéma du XOR pour comprendre que l’hypothèse était malheureuse. La démonstration a retardé les développements jusqu’en 1975, l’année ou l’algorithme de back-propagation a résolu le XOR. A partir de ce moment, l’IA est bloquée dans le mode “fabrication d’algorithmes de convergence” sur la base de structures parallèles et séquentielles.

– Certaines factions de l’IA ont essayé de sortir de l’ornière avec le réservoir computing, les réseaux récurrents et les réseaux temporels. De nouveaux algorithmes de convergence viennent naturellement en sus de ces nouvelles topologies qui s’affranchissent de certains dogmes du passé. Les papers font état de certaines améliorations en terme de classification qui ne sont pas très alléchantes au regard de leur complexité en comparaison avec les systèmes bien connus. Dans la tradition des Minsky et Papert, des articles tueurs ont probablement tué l’enthousiasme de ces pionniers et leurs subventions du même coup. Au risque de me répéter, le deep learning n’est pas vraiment une nouveauté: plutôt un raffinement intéressant présenté avec un bon emballage.

– Reconnaissance de la parole.
J’aurai cité l’algorithme de Viterbi (1967) et le réseau de Kohonen (1982) comme pierres fondatrices. La machine à écrire/dicter de Kohonen était basée sur la reconnaissance de phonèmes (finlandais). Toutes les langues – dont l’anglais – ne sont pas considérées comme phonétiques donc…

– Evolution de l’IA (1/2): construction et selection des caractéristiques
Le réseau de Kohonen, de Le Cunn, etc, sont pensés pour extraire de plus en plus de caractéristiques (features). Quel que soit le domaine considéré, un des récents problèmes de l’IA est de créer et sélectionner les features les plus informatives pour créer des bons classifiers. Les principaux outils mathématiques utilisés sont: statistiques (PCA), information theory (Shannon), matrices et transformations linéaires (eigenvectors, SVM), et biensûr on applique les techniques de l’IA sur les problèmes de l’IA pour trouver des solutions (ça vous rappelle pas la vache folle?). Je vous invite à aller voir les problèmes posés sur Kaggle pour vous faire une opinion ce qui se passe dans ce domaine.
L’hypothèse de base est que la performance d’un algorithme est limitée par la qualité et la quantité des caractéristiques analysées en vue de prendre une décision. Cette évolution est au coeur des reconnaissances faciale et vocale actuelles.

– SyNAPSE
Le projet SyNAPSE de DARPA prend une autre alternative: les algorithmes standards qui fonctionnent bien mais trop lentement sur des CPU/GPU peu adaptés,sont cablés pour les rendre plus rapides et moins chers à exploiter. C’est clairement un projet qui met toutes les chances de son côté pour fonctionner à coup/coûts sûrs. Application sur mesure: reconnaissance de signaux dans les échanges électroniques.

– Evolution de l’IA (2/2): application aux flots de données
Jusqu’à présent, les données fournies aux algorithmes sont comme des photos d’ aurores boréales: il faut une pose longue pour capturer un phénomène peu intense qui évolue rapidement dans le temps. Une intuition naît quand l’on réalise que la photo est très différente de ce que l’observateur voit: est-ce que l’ordre dans lequel les capteurs ont reçu l’information est important? Plus prosaïquement, prenez vous la même décision quand le feu passe au vert après avoir été rouge et quand le feu est passé rouge après avoir été vert? Non? Bien, alors vous portez de l’importance à l’ordre dans lequel l’information arrive mais jusqu’à récemment l’IA s’en contrefichait.
Quelques sociétés commerciales s’intéressent à l’exploitation des données en flot continu (streams), par exemple Grok. C’est une manière radicalement nouvelle de voir le problème. Cette nouvelle approche balbutiante consiste à essayer de faire sens des inputs sans les découper en tranches à l’avance.

– Artificial Intelligence A Modern Approach – Le livre de Russel et Norvig
Ce livre est probablement ok pour un étudiant en première année d’informatique. Comme il est assez daté, il pourra servir de bloque-porte geek assez rapidement. A emprunter ou à acheter d’occasion (en vue d’en faire un bloque-porte).

– Conclusion
De nombreuses applications actuelles de l’IA reposent sur des techniques imaginées il y a 25+ ans, avec un minimum de raffinement.
Le hype vient de la notoriété de leur employeur, ou des sommes investies.
Le Brain Project Européen repose sur une fusion d’anciennes techniques empruntées à la biologie et à l’IA, qui n’ont pas marché jusqu’à présent et pour des raisons assez évidentes. A 10 milliard d’Euro le bout, je comprends que certains scientifiques ont râlé.
Les nouveautés fondamentales nécessaires à l’évolution de la discipline sont rares, noyées dans le bruit, et progressent lentement par faute d’investissement. Les fonds publics sont alloués pour les 10 prochaines années. Les fonds privés sont axés sur un ROI à trop court terme. Le risque d’un Frankenstein électronique singulier est assez faible.

Répondre à ce commentaire

Commentaire 4 dans Les avancées de l’intelligence artificielle – 1, le 9 mars 2016

Mes excuses. C’est la réponse [3] que je visais.

Répondre à ce commentaire

Commentaire 3 dans Les avancées de l’intelligence artificielle – 1, le 9 mars 2016

L’article cité démontre que les hypothèses de Kurtzweil ne sont pas faciles à démonter: les 3 points avancés à propos de la capacité de calcul du cerveau humain sont pour le moins approximatifs.

1) Les connections sont importantes, nonobstant aucune théorie n’a pour le moment permis de rendre compte des observations déjà obtenues, ni de prédire -soit un comportement à partir d’un connectome, soit la structure d’un connectome à partir de comportements connus-, ni d’expliquer les mécanismes en jeu. Des vraies théories: aucune. Des hypothèses non prouvées: pléthore! “It was shown..”? Yeah right. Passez, il n’y a rien à voir.

2) et 3) “Neurons learn”. Wow. Je pense que l’auteur a vulgarisé le concept de plasticity à la limite de l’utile. Il y a d’autres hypothèses: les synapses apprennent et sont entièrement responsables de la mémoire; les gènes sont responsables de la mémoire… Ce sont des hypothèses de travail corroborées par des observations, mais l’élément prédictif est manquant. Une certaine dose de circonspection est donc requise, d’autant plus qu’il est important d’appréhender les concepts “apprentissage” et “mémoire” avec les connotations spécifiques relatives au domaine spécifique de chaque auteur. L’auteur du blog n’est pas tout terrain, et encore une fois il ne démontre rien.

Le presse-purée psychologico-biologique qui constitue la plus grosse partie de l’article ne justifie aucunement la juxtaposition entre deep-learning/GPU et cerveau humain, et encore moins une comparaison.

Il a aussi laissé de côté une intéressante observation biologique que voici. Le système cardiaque de la sangsue médicinale est régulé par une poignée de neurones bien identifiés, qui produisent un rythme cardiaque très spécifique et identifiable. Les électrophysiologistes (planteurs d’électrodes chez les Minimoys) ont noté que les caractéristiques des neurones en question varient allègrement par un facteur 5 d’un individu à l’autre, sans que le rythme cardiaque diffère entre individus. Ils appellent ça “animal-to-animal” variability. Ce phénomène est présent dans tout un tas d’espèces animales dans une variété de systèmes.
En quoi est-ce relevant quand on discute IA? La réponse est évidente pour les familiers des réseaux de neurones et du deep learning: l’output des réseaux de neurones de l’IA n’est pas immune quand on modifie une quantité aléatoire de “poids synaptiques” (pouffons à l’outrecuidance du terme) par des facteurs aléatoires dans [1, 5].
Ceci prouve que les réseaux de neurones actuels de l’IA, ce qui inclut le deep learning, ne peuvent pas être pris comme modèles du système nerveux ou du cerveau. Il suffit de comprendre comment la théorie des SVMs se décline sur un perceptron, pour intuiter le résultat d’une généralisation “par partie” à n’importe quel réseau de neurones.

De la même manière, les réseaux de neurones n’apprennent pas et ils ne reconnaissent pas: ils sont configurés pour des tâches de classification ou de regression, et les résultats sont extrapolés dans le même domaine. Point. Rien à voir avec de la mémoire ou de l’apprentissage tels que définis en biologie ou psychologie. Les seules comparaisons qui existent naissent dans l’esprit des gens qui ne grattent pas plus loin que le vernis, ou des marketeurs de NVidia. Faut les comprendre: c’est pas facile de vendre des CPUs…

Répondre à ce commentaire

Commentaire 2 dans Les avancées de l’intelligence artificielle – 1, le 6 mars 2016

You are welcome. Le titre exact de leur article: “A logical calculus of the idea immanent in nervous activity”. Les concepts introduits ont la vie dure, et persistent tant en IA qu’en neuroscience, malgré leur inadéquation avec les résultats expérimentaux. C’est un dogme. Vous pouvez me contacter offline.

Répondre à ce commentaire

Commentaire 1 dans Les avancées de l’intelligence artificielle – 1, le 6 mars 2016

Bon démarrage. J’aurai personellement placé le travail de McCullochs et Pitts de 1943 comme la premiere pierre à l’édifice. Leurs principes de réseaux de neurones – qui étaient déjà erronés si l’on considère les travaux de Helmholtz presque 100 ans plus tôt – sont toujours la base des cours d’IA dans le monde entier.

Répondre à ce commentaire

Derniers articles

Derniers albums photos

Depuis juillet 2014, mes photos sont maintenant intégrées dans ce site sous la forme d'albums consultables dans le plugin "Photo-Folders". Voici les derniers albums publiés ou mis à jour. Cliquez sur les vignettes pour accéder aux albums.
albth
Universités d'Eté du MEDEF Aug2018
2018
37 photos
albth
L'Echappée Volée Jul2018
2018
297 photos
albth
Nouveaux portraits
Expo
511 photos
albth
Lancement Fondation Femmes Numériques Jun2018
2018
112 photos
albth
USI Jun2018
2018
195 photos
albth
Web2day Nantes Jun2018
2018
327 photos
albth
CEA Saclay Daniel Estève Jun2018
2018
23 photos

Téléchargements gratuits

Le Guide des Startups, mis à jour chaque année au printemps, avec la somme la plus complète et actualisée d'informations pour lancer et faire vivre votre startup :

image

Le Rapport du CES de Las Vegas, publié chaque année en janvier depuis 2006. Vous souhaitez une restitution personnalisée et un point de veille du marché pour votre organisation ? Contactez-moi.

CouvertureRapportCES

L'ebook Les usages de l'intelligence artificielle, octobre 2017 (362 pages)

CouvertureAvanceesIA

Voir aussi la liste complète des publications de ce blog.

image

Avec Marie-Anne Magnac, j'ai lancé #QFDN, l'initiative de valorisation de femmes du numérique par la photo. Installée depuis début octobre 2015 au Hub de Bpirance à Paris, elle circule dans différentes manifestations. L'initiative rassemble plus de 650 femmes du numérique (en juillet 2017) et elle s'enrichi en continu. Tous les métiers du numérique y sont représentés.

Les photos et les bios de ces femmes du numérique sont présentés au complet sur le site QFDN ! Vous pouvez aussi visualiser les derniers portraits publiés sur mon propre site photo. Et ci-dessous, les 16 derniers par date de prise de vue, les vignettes étant cliquables.
flow
Elise de Préville
Elise est consultante en Data Privacy et Cyber sécurité chez KPMG.
flow
Aroussia Maadi (Orange)
Aroussia est team Manager chez Orange, en charge d'une équipe de spécialistes en bases de données à la DSI d''Orange. Elle accompagne les applications du SI dans la construction d'architectures de bases de données et assure le maintien en conditions opérationnelles des plateformes. Elle est aussi investie dans la société civile, pour l'empowerment des femmes, en particulier en Afrique.
flow
Amina Maïza
Amina est ingénieure études et développement en Java/JEE chez Vizeo Technologies.
flow
Maud Franca (CDC)
Maud est Directrice Adjointe du Programme des Investissements d’Avenir en charge de l’économie numérique, Banque des Territoires, Groupe Caisse des dépôts (CDC). Membre de la cellule nationale French Tech, mentor et aux boards de startups.
flow
Chloé-Agathe Azencott
Chloé-Agathe est chargée de recherche au Centre de Bioinformatique de MINES ParisTech et de l'Institut Curie. Cofondatrice de la branche parisienne du meetup Women in Machine Learning and Data Science.
flow
Béatrice Moulin et Clara Deletraz (Switch Collective)
Béatrice et Clara sont cofondatrices de la startup Switch Collective.
flow
Laurence Devillers
Laurence est chercheur et Professeur en Intelligence Artificielle à Sorbonne Université/LIMSI-CNRS, équipe de recherche "Dimensions affectives et sociales dans les interactions parlées". Membre du comité de réflexion sur l’éthique du numérique (CERNA) d’Allistène, Auteure de « Des Robots et des Hommes : mythes, fantasmes et réalité », Plon 2017.
flow
Sophie Viger
Sophie est Directrice de la Web@cadémie, de la Coding Academy by Epitech et directrice pédagogique du Samsung Campus.
flow
Laura Jacquemod
Laura est consultante digitale au sein de Nexworld, accompagnant notamment ses clients dans l'intégration d'Intelligence Artificielle, comme dans un chatbot.
flow
Anais Barut (Damae Medical)
Anaïs est co-fondatrice et présidente de DAMAE Medical, elle est en charge de la stratégie globale de la société ainsi que des problématiques marketing et financières. La startup développe un dispositif médical permettant au dermatologue au sein même de son cabinet d’acquérir des images d’anomalies de la peau, en profondeur, de manière non invasive. #entrepreneuse
flow
Virginie Mathivet
Virginie est ingénieure en innovation spécialisée en Intelligence Artificielle (IA) et objets connectés (IoT), chargée de Recherche et Développement dans l’équipe innovation de TeamWork (InTW’IT), société de services du numérique.
flow
Catherine Bocquet
Catherine est fondatrice et dirigeante de SFI, une ESN de 25 personnes. Aussi co-présidente de Digital League, Cluster des entreprises du numérique en Auvergne Rhône-Alpes. Membre de l’association Femmes & Business et du Pôle Femmes à la CPME Loire. #entrepreneuse
flow
Nicole Sgro
Nicole est co-fondatrice et présidente de la société Fingerprint Technologies, opérateur télécom et intégrateur de services numériques hébergés, membre du cluster numérique Digital League. #entrepreneuse
flow
Frédérique Segond
Frédérique est Directrice de l'Innovation et des Partenariats pour l'Université Grenoble Alpes, Professeur Associée à l'Institut National des Langues et des Cultures Orientales, à Paris, où elle enseigne la représentation des connaissances. Co fondatrice et Présidente de l'Association ScientiMix pour promouvoir la mixité dans les Sciences et les technologies.
flow
Sonia Mokhtar
Sonia est chercheuse au CNRS en informatique au Laboratoire d'Informatique en Image et Systèmes d'Information (LIRIS). Responsable de l'équipe de recherche DRIM: Distribution, Recherche d'Information et Mobilité. Spécialiste des systèmes distribués et de la protection des données personnelles.
flow
Nathalie Mancuso
Nathalie est Directrice Générale du site de e-commerce Wanimo.com, une animalerie en ligne 100% française.

Derniers commentaires

“En effet ! Mais avec les Qubits on est aussi bien servis... :) ! On n'est donc plus à cela près...”
“Bonjour, gros et beau travail comme toujours ! sinon pour AgilePQ il devrait changer de nom pour le développement en France...”
“Comprendre l’informatique quantique – cryptographie (là, c'est vraiment dodu)...”
“Super complet : "Comprendre l’informatique quantique – cryptographie" de @olivez sur ...”
“Bonjour a tous, Je viens de tomber sur un article bien fait sur l'histoire du photobooth et les photomatons. Pour ceux que ca intéresse...”

Abonnement email

Pour recevoir par email les alertes de parution de nouveaux articles :


 

Catégories

Tags


Voyages

Voici les compte-rendu de divers voyages d'études où j'ai notamment pu découvrir les écosystèmes d'innovation dans le numérique de ces différents pays :

Evénements

J'interviens dans de nombreuses conférences, événements, et aussi dans les entreprises. Quelques exemples d'interventions sont évoqués ici. De nombreuses vidéos de mes interventions en conférence sont également disponibles sur YouTube.