-
Voici la quatrième édition de l’ebook “Les usages de l’intelligence artificielle”. Il fait suite à une première édition publiée en octobre 2017, une seconde en novembre 2018 puis une troisième en novembre 2019. Cette série prolongeait le prequel “Les avancées de l’intelligence artificielle” publié en 2016 et reprenant une série d’article du début de cette année-là. Donc quatrième ou cinquième édition selon le point de départ !
Cet ouvrage a pour objectif de vous permettre de découvrir le champ de l’intelligence artificielle à 360°. Il s’adresse surtout aux entreprises et organisations qui veulent en comprendre le fonctionnement, les usages et les enjeux. Faisant 742 pages, il n’est probablement pas destiné à être lu d’une seule traite mais consulté en fonction des besoins.
[...]
-
En fin ou début de chaque année, je m’interroge habituellement de manière distanciée sur ces exercices, souvent vains, consistant à tenter de prédire ce qui va se passer dans les 12 mois qui viennent. Les prédictions ont été encore plus à côté de la plaque que d’habitude en 2020.
Rares sont ceux qui avaient imaginé comment le covid-19 allait bouleverser l’année, chambouler notre relation au temps, aux autres, à l’espace, au risque, à la mort, au délicat équilibre entre nos libertés personnelles et au bien commun. Une année pénible qui a aussi permis de se démener, d’aider à distance ses proches et amis et aussi resserrer des liens malgré les distances. On pense évidemment aussi au dévouement des professionnels de santé tout comme ceux qui ont assuré le fonctionnement des activités essentielles telles que le commerce alimentaire.
[...]
-
Dans ce nouvel épisode des entretiens Decode Quantum, enregistré avec Fanny Bouton et Richard Menneveux de Frenchweb / Decode Media, nous allons à la rencontre de Iordanis Kerenidis et d’un thème crucial à la croisée de deux chemins technologiques : l’intelligence artificielle (surtout le machine learning) et le calcul quantique. Et oui, les deux ont un lien. On peut utiliser le calcul quantique pour exécuter des algorithmes de machine learning et même des réseaux de neurones.
C’est un domaine exploratoire, encore en devenir, à la fois pour des raisons logicielles (le calcul quantique s’appuie sur des mécanismes qui relèvent de l’algèbre linéaire et les réseaux de neurones classiques utilisent des fonctions non linéaires, dites d’activation) et matérielles (les calculateurs quantiques d’aujourd’hui ont encore une puissance limitée par rapport aux besoins de ces algorithmes). Mais c’est prometteur.
[...]