{"id":12348,"date":"2016-03-13T17:38:34","date_gmt":"2016-03-13T15:38:34","guid":{"rendered":"http:\/\/www.oezratty.net\/wordpress\/?p=12348"},"modified":"2016-10-19T20:52:36","modified_gmt":"2016-10-19T18:52:36","slug":"avancees-intelligence-artificielle-2","status":"publish","type":"post","link":"https:\/\/www.oezratty.net\/wordpress\/2016\/avancees-intelligence-artificielle-2\/","title":{"rendered":"Les avanc\u00e9es de l&#8217;intelligence artificielle &#8211; 2"},"content":{"rendered":"<p>Apr\u00e8s une <a href=\"https:\/\/www.oezratty.net\/wordpress\/2016\/avancees-intelligence-artificielle-1\/\">petite introduction<\/a> sur ce qu\u2019est ou pas l\u2019intelligence artificielle, passons \u00e0 un c\u00f4t\u00e9 plus terre \u00e0 terre en faisant un petit inventaire approximatif des techniques de l\u2019IA. Il s\u2019agit toujours de vulgarisation et d\u2019une restitution de mon processus de d\u00e9couverte du sujet au fil de l\u2019eau ! Nous \u00e9voquerons en partie la question du mat\u00e9riel, notamment pour les r\u00e9seaux de neurones. Le reste le sera dans la derni\u00e8re partie de cette s\u00e9rie d\u2019articles.<\/p>\n<p><strong>Des hivers au printemps de l\u2019IA<\/strong><\/p>\n<p>L\u2019histoire moderne de l\u2019intelligence artificielle a d\u00e9marr\u00e9 comme nous l\u2019avons vu dans la premi\u00e8re partie en 1957. S\u2019en est suivi une p\u00e9riode de recherche fondamentale importante, notamment au MIT AI Lab, \u00e0 l\u2019origine notamment du langage <strong>LISP <\/strong>(1958) qui servit pendant deux \u00e0 trois d\u00e9cennies \u00e0 d\u00e9velopper des solutions logicielles d\u2019IA. Ces recherches \u00e9taient financ\u00e9es par l\u2019ARPA, l\u2019agence de recherche du Pentagone devenue ensuite la DARPA, l\u2019\u00e9quivalent de la DGA fran\u00e7aise, mais \u00e9videmment bien mieux financ\u00e9e. La recherche sur l\u2019IA \u00e9tait principalement financ\u00e9e par les deniers publics, notamment aux USA et au Royaume-Uni. Encore aujourd&#8217;hui, une tr\u00e8s grande partie des recherches les plus avanc\u00e9es sur l&#8217;IA aux USA le sont par l&#8217;omnipr\u00e9sente DARPA.<\/p>\n<p>L\u2019IA connu son premier \u201chiver\u201d avec une r\u00e9duction d\u2019une bonne part de ces budgets \u00e0 partir de 1973, tant au Royaume-Uni qu\u2019aux USA. C\u2019\u00e9tait la cons\u00e9quence de la publication du <a href=\"http:\/\/www.chilton-computing.org.uk\/inf\/literature\/reports\/lighthill_report\/contents.htm\">Rapport Lighthill<\/a> destin\u00e9 \u00e0 l\u2019organisme public britannique <strong>Science Research Council <\/strong>\u2013 \u00e9quivalent de l\u2019Agence Nationale de la Recherche fran\u00e7aise &#8211; qui remettait en cause le bien fond\u00e9 des recherches de l\u2019\u00e9poque en robotique et en traitement du langage.\u00a0 Cet hiver a dur\u00e9 jusqu\u2019en 1980.<\/p>\n<p><a href=\"https:\/\/www.oezratty.net\/wordpress\/wp-content\/WindowsLiveWriter\/Lintelligence-artificielle-est-elle-un-p_D8B5\/Herbert-Simon.gif\"><img loading=\"lazy\" decoding=\"async\" style=\"background-image: none; padding-top: 0px; padding-left: 0px; margin: 10px 0px 10px 10px; display: inline; padding-right: 0px; border-width: 0px;\" title=\"Herbert Simon\" src=\"https:\/\/www.oezratty.net\/wordpress\/wp-content\/WindowsLiveWriter\/Lintelligence-artificielle-est-elle-un-p_D8B5\/Herbert-Simon_thumb.gif\" alt=\"Herbert Simon\" width=\"317\" height=\"231\" border=\"0\" \/><\/a><\/p>\n<p>En cause, des promesses un peu trop optimistes des experts du secteur. Comme souvent, les pr\u00e9visions peuvent \u00eatre justes sur tout ou partie du fond mais \u00e0 c\u00f4t\u00e9 de la plaque sur leur timing. Cette <a href=\"http:\/\/kuliah-sore-malam-unkris.ggkarir.co.id\/IT\/en\/2185-2061\/history-of-artificial-intelligence_9498_kuliah-sore-malam-unkris-ggkarir.html\">histoire de l\u2019IA<\/a> en fait un inventaire int\u00e9ressant. <strong>Herbert Simon <\/strong>(<em>ci-dessus<\/em>) et <a href=\"http:\/\/kuliah-sore-malam-unkris.ggkarir.co.id\/IT\/en\/2185-2061\/Allen-Newell_17142_kuliah-sore-malam-unkris-ggkarir.html\">Allen Newell<\/a> pr\u00e9voyaient en 1958 qu\u2019en 10 ans, un ordinateur deviendrait champion du monde d\u2019\u00e9checs et un autre serait capable de prouver un nouveau et important th\u00e9or\u00e8me math\u00e9matique. 30 ans d\u2019erreur pour la premi\u00e8re pr\u00e9vision et autant pour la seconde sachant qu\u2019elle est toujours largement en devenir pour \u00eatre g\u00e9n\u00e9rique ! Cet \u00e9cueil est le m\u00eame dans les pr\u00e9visions actuelles autour de la singularit\u00e9 et du transhumanisme (l\u2019ordinateur plus intelligent que l\u2019homme en 2030, l\u2019immortalit\u00e9 pour nos enfants, etc).<\/p>\n<p>Le chercheur d\u2019IBM Herbert Gelernter avait r\u00e9ussi en 1958 \u00e0 utiliser un logiciel de d\u00e9monstration de th\u00e9or\u00e8mes de g\u00e9om\u00e9trie fonctionnant en chainage arri\u00e8re (de la solution jusqu\u2019au probl\u00e8me) sur un IBM 704 et \u00e0 partir d\u2019une base de 1000 r\u00e8gles. Cela relevait d\u2019une combinatoire plut\u00f4t simple. Il en va autrement du th\u00e9or\u00e8me d\u2019incompl\u00e9tude de <strong>Godel <\/strong>qui dit que \u201c<em>dans n&#8217;importe quelle th\u00e9orie r\u00e9cursivement axiomatisable, coh\u00e9rente et capable de \u00ab formaliser l&#8217;arithm\u00e9tique, on peut construire un \u00e9nonc\u00e9 arithm\u00e9tique qui ne peut \u00eatre ni prouv\u00e9 ni r\u00e9fut\u00e9 dans cette th\u00e9orie\u201d <\/em>ou encore du dernier th\u00e9or\u00e8me de <strong>Fermat <\/strong>(x^n + y^n = z^n impossible pour un entier n&gt;2) qui n\u2019ont jamais \u00e9t\u00e9 d\u00e9montr\u00e9s via de l\u2019IA.<\/p>\n<p>Le th\u00e9or\u00e8me de Fermat a \u00e9t\u00e9 d\u00e9montr\u00e9 au milieu des ann\u00e9es 1990 et apr\u00e8s des ann\u00e9es d\u2019efforts de plusieurs math\u00e9maticiens dont <a href=\"https:\/\/fr.wikipedia.org\/wiki\/Andrew_Wiles\">Andrew Wiles<\/a>. Sa d\u00e9monstration publi\u00e9e dans les annales de math\u00e9matiques fait 109 pages et fait appel \u00e0 de nombreux concepts ! Un <a href=\"http:\/\/www.cs.rug.nl\/~wim\/fermat\/wilesEnglish.html\">d\u00e9fi a \u00e9t\u00e9 lanc\u00e9 en 2005<\/a> par un certain Jan Bergstra pour d\u00e9montrer le th\u00e9or\u00e8me de Fermat avec un ordinateur et il reste toujours \u00e0 relever. A vous de jouer si cela vous tente !<\/p>\n<p><a href=\"https:\/\/www.oezratty.net\/wordpress\/wp-content\/WindowsLiveWriter\/Lintelligence-artificielle-est-elle-un-p_D8B5\/Fermat-Theorem-Demonstration-by-Wile.jpg\"><img loading=\"lazy\" decoding=\"async\" style=\"background-image: none; padding-top: 0px; padding-left: 0px; margin: 10px 0px 10px 10px; display: inline; padding-right: 0px; border-width: 0px;\" title=\"Fermat Theorem Demonstration by Wile\" src=\"https:\/\/www.oezratty.net\/wordpress\/wp-content\/WindowsLiveWriter\/Lintelligence-artificielle-est-elle-un-p_D8B5\/Fermat-Theorem-Demonstration-by-Wile_thumb.jpg\" alt=\"Fermat Theorem Demonstration by Wile\" width=\"420\" height=\"361\" border=\"0\" \/><\/a><\/p>\n<p>Herbert Simon pr\u00e9voyait aussi \u2013 toujours en 1958 &#8211; qu\u2019en 1978, les machines seraient capables de r\u00e9aliser toutes les activit\u00e9s intellectuelles humaines. Et la loi de Moore n\u2019existait pas encore puisqu\u2019elle a \u00e9t\u00e9 \u00e9nonc\u00e9e apr\u00e8s, en 1965 ! En 1967, Marvin Minsky pensait qu\u2019en une g\u00e9n\u00e9ration, tous les probl\u00e8mes li\u00e9s \u00e0 l\u2019IA seraient r\u00e9solus. Deux g\u00e9n\u00e9rations plus tard, on en discute encore. Il pr\u00e9voyait aussi qu\u2019au milieu des ann\u00e9es 1970, les ordinateurs auraient l\u2019intelligence d\u2019un homme moyen. Reste \u00e0 savoir ce qu\u2019est un homme moyen. Les retards \u00e9taient aussi manifestes dans la traduction automatique et dans la reconnaissance de la parole. Notons qu\u2019Herbert Simon a \u00e9t\u00e9 r\u00e9compens\u00e9 en 1978 par le Prix Nobel d\u2019\u00e9conomie, pour ses travaux sur les rationalit\u00e9s de la prise de d\u00e9cision, apr\u00e8s avoir gagn\u00e9 la fameuse m\u00e9daille de Turing en 1975. Il n\u2019existe pas de prix Nobel de la pr\u00e9vision ! Il faudrait en g\u00e9n\u00e9ral les attribuer \u00e0 des personnes d\u00e9j\u00e0 d\u00e9c\u00e9d\u00e9es !<\/p>\n<p>S\u2019en est suivie une p\u00e9riode d\u2019enthousiasme au d\u00e9but des ann\u00e9es 1980 aliment\u00e9e notamment par la vague des syst\u00e8mes experts. Le langage <strong>Prolog <\/strong>du fran\u00e7ais Alain Colmerauer a contribu\u00e9 \u00e0 cette vague. Une nouvelle vague de d\u00e9sillusions s\u2019en est suivie autour des ann\u00e9es 1990. L\u2019une des raisons \u00e9tait que le mat\u00e9riel n\u2019arrivait pas \u00e0 suivre les besoins de l\u2019IA, notamment pour traiter deux besoins cl\u00e9s : la reconnaissance de la parole et celle des images, tr\u00e8s gourmandes en puissance de calcul (cf la <a href=\"http:\/\/www.menzies.us\/pdf\/03aipride.pdf\">source du sch\u00e9ma<\/a> ci-dessous).<\/p>\n<p><a href=\"https:\/\/www.oezratty.net\/wordpress\/wp-content\/WindowsLiveWriter\/Lintelligence-artificielle-est-elle-un-p_D8B5\/AI-Winter.jpg\"><img loading=\"lazy\" decoding=\"async\" style=\"background-image: none; padding-top: 0px; padding-left: 0px; display: inline; padding-right: 0px; border-width: 0px;\" title=\"AI Winter\" src=\"https:\/\/www.oezratty.net\/wordpress\/wp-content\/WindowsLiveWriter\/Lintelligence-artificielle-est-elle-un-p_D8B5\/AI-Winter_thumb.jpg\" alt=\"AI Winter\" width=\"501\" height=\"292\" border=\"0\" \/><\/a><\/p>\n<p>Lors des ann\u00e9es 1980 avaient \u00e9t\u00e9 lanc\u00e9s divers gosplans d\u2019ordinateurs \u201cde la cinqui\u00e8me g\u00e9n\u00e9ration\u201d d\u00e9di\u00e9s aux applications de l\u2019IA. Cela a commenc\u00e9 avec celui du <strong>MITI Japonais,\u00a0<\/strong>lanc\u00e9 en 1981 avec des d\u00e9penses d\u2019un milliard de dollars, puis avec le projet anglais <strong>Alvey <\/strong>lanc\u00e9 \u00e0 \u20a4350 million et enfin le <a href=\"http:\/\/kuliah-sore-malam-unkris.ggkarir.co.id\/IT\/en\/2185-2061\/Strategic-Computing-Initiative_21812_kuliah-sore-malam-unkris-ggkarir.html\">Strategic Computing Initiative<\/a> de la DARPA. Tous ces projets ont capot\u00e9 et ont \u00e9t\u00e9 termin\u00e9s discr\u00e8tement. Le projet du MITI visait \u00e0\u00a0faire avancer l\u2019\u00e9tat de l\u2019art c\u00f4t\u00e9 mat\u00e9riel et logiciel. Ils cherchaient \u00e0 traiter le langage naturel, \u00e0 d\u00e9montrer des th\u00e9or\u00e8mes et m\u00eame \u00e0 gagner au jeu de Go. Le projet a probablement p\u00e2ti d\u2019une organisation trop traditionnelle, lin\u00e9aire et centralis\u00e9e. La fin des ann\u00e9es 1980 a aussi connu l\u2019effondrement du march\u00e9 des <a href=\"http:\/\/kuliah-sore-malam-unkris.ggkarir.co.id\/IT\/en\/2185-2061\/Lisp-machine_10966_kuliah-sore-malam-unkris-ggkarir.html\">ordinateurs d\u00e9di\u00e9s au langage LISP<\/a>.<\/p>\n<p>Pendant les ann\u00e9es 1990 et 2000 ont \u00e9merg\u00e9 de nombreux projets de <strong>HPC<\/strong> (high-performance computing) tr\u00e8s \u00e9loign\u00e9s de l\u2019IA et focalis\u00e9s sur la puissance brute et les calculs en \u00e9l\u00e9ments finis. Ils \u00e9taient et sont encore utilis\u00e9s pour de la simulation, notamment d\u2019armes nucl\u00e9aires, d\u2019\u00e9coulements d\u2019air sur les ailes d\u2019avion ou pour faire des pr\u00e9visions m\u00e9t\u00e9orologiques. Les HPC de <strong>Cray Computers <\/strong>avaient \u00e9t\u00e9 cr\u00e9\u00e9s pour cela ! Cette soci\u00e9t\u00e9 existe <a href=\"http:\/\/www.cray.com\/products\/computing\/xc-series\">toujours<\/a>. C\u2019est l\u2019une des rares survivantes des ann\u00e9es 1970 !<\/p>\n<p>Depuis le d\u00e9but des ann\u00e9es 2000, l\u2019IA a \u00e9t\u00e9 relanc\u00e9e gr\u00e2ce \u00e0 diverses \u00e9volutions :<\/p>\n<ul>\n<li>L\u2019augmentation de la <strong>puissance du mat\u00e9riel<\/strong> qui a permis de diversifier la mise en \u0153uvre de nombreuses m\u00e9thodes jusqu\u2019alors inaccessibles. Et en particulier, l\u2019usage de m\u00e9thodes statistiques pouvant exploiter la puissance des machines autant c\u00f4t\u00e9 calcul que stockage et puis, plus r\u00e9cemment, les r\u00e9seaux neuronaux.<\/li>\n<li>L\u2019atteinte de diverses <strong>\u00e9tapes symboliques <\/strong>marquantes comme la victoire de Deep Blue contre Kasparov en 1997 puis d\u2019IBM Watson dans Jeopardy en 2011. Enfin, il y a quelques jours, la victoire de DeepMind au jeu de Go.<\/li>\n<li>L\u2019<strong>Internet <\/strong>qui a cr\u00e9\u00e9 de nouveaux besoins comme les moteurs de recherche et permis la mise en place d\u2019architectures massivement distribu\u00e9es.<\/li>\n<li>La disponibilit\u00e9 de tr\u00e8s <strong>gros volumes de donn\u00e9es<\/strong>, via les usages de l\u2019Internet et des mobiles, des objets connect\u00e9s ou la g\u00e9nomique, qui permet d\u2019associer les m\u00e9thodes de force brute et les r\u00e9seaux neuronaux et autres machine learning ou m\u00e9thodes statistiques.<\/li>\n<li>Les <strong>besoins <\/strong>dans la robotique, dans la conqu\u00eate spatiale (Curiosity, Philae\u2026), dans les v\u00e9hicules \u00e0 conduite assist\u00e9e ou autonome, dans la s\u00e9curit\u00e9 informatique, la lutte contre la fraude et les scams.<\/li>\n<li>Les <strong>nombreuses applications commerciales <\/strong>de l\u2019IA croisant le machine learning, les objets connect\u00e9s, la mobilit\u00e9 et le big data.<\/li>\n<li>L\u2019adoption de <strong>m\u00e9thodes <\/strong>scientifiques et pragmatiques \u2013 bas\u00e9es sur l\u2019exp\u00e9rimentation &#8211; et transdisciplinaires, par les chercheurs et industriels.<\/li>\n<\/ul>\n<p><!--EndFragment--><\/p>\n<p>Comme tout domaine scientifique complexe, l\u2019IA n\u2019a jamais \u00e9t\u00e9 un terrain d\u2019unanimit\u00e9 et cela risque de perdurer. Diverses \u00e9coles de pens\u00e9e se disputent sur les approches \u00e0 adopter. On a vu s\u2019opposer les partisans du connexionnisme \u2013 utilisant le principe des r\u00e9seaux de neurones et de l\u2019auto-apprentissage &#8211; face \u00e0 ceux du computationnisme qui pr\u00e9f\u00e8rent utiliser des concepts de plus haut niveau sans chercher \u00e0 les r\u00e9soudre via des proc\u00e9d\u00e9s de biomim\u00e9tisme.<\/p>\n<p>On retrouve cette dichotomie dans la <a href=\"http:\/\/kuliah-sore-malam-unkris.ggkarir.co.id\/IT\/en\/2185-2061\/scruffy_20408_kuliah-sore-malam-unkris-ggkarir.html\">bataille entre \u201cneats\u201d et \u201cscuffies\u201d<\/a>, les premiers, notamment John McCarthy (Stanford), consid\u00e9rant que les solutions aux probl\u00e8mes devraient \u00eatre \u00e9l\u00e9gantes et carr\u00e9es, et les seconds, notamment Marvin Minsky (MIT) que l\u2019intelligence fonctionne de mani\u00e8re plus empirique et pas seulement par le biais de la logique. Comme si il y avait un \u00e9cart entre la c\u00f4t\u00e9 Est et la c\u00f4te Ouest !<\/p>\n<p>Ces d\u00e9bats ont leur \u00e9quivalent dans les sciences cognitives, dans l\u2019identification de l\u2019inn\u00e9 et de l\u2019acquis pour l\u2019apprentissage des langues. Burrhus Frederic Skinner est \u00e0 l\u2019origine du comportementalisme linguistique qui d\u00e9crit le conditionnement op\u00e9rant dans l\u2019apprentissage des langues. Noam Chomsky avait remis en cause cette approche en mettant en avant l\u2019inn\u00e9, une sorte de pr\u00e9-conditionnement du cerveau des enfants avant leur naissance qui leur permet d\u2019apprendre facilement les langues. En gros, le fonctionnement de l\u2019intelligence humaine est toujours l\u2019objet de d\u00e9saccords scientifiques ! On continue d\u2019ailleurs, comme nous le verrons dans le dernier article de cette s\u00e9rie, \u00e0 en d\u00e9couvrir sur la neurobiologie et le fonctionnement du cerveau.<\/p>\n<p>D\u2019autres d\u00e9bats ont cours entre les langages de programmation d\u00e9claratifs et les moteurs d\u2019inf\u00e9rences utilisant des bases de r\u00e8gles. Sont arriv\u00e9es ensuite les m\u00e9thodes statistiques s\u2019appuyant notamment sur les r\u00e9seaux bay\u00e9siens et les techniques d\u2019optimisation. A ce jour, les m\u00e9thodes les plus couramment utilis\u00e9es sont plut\u00f4t des domaines math\u00e9matiques et proc\u00e9duraux, mais les m\u00e9thodes \u00e0 base de r\u00e9seaux neuronaux et d\u2019auto-apprentissage font leur chemin. L\u2019intelligence artificielle int\u00e9grative qui se d\u00e9veloppe vise \u00e0 exploiter conjointement toutes les approches.<\/p>\n<p>Aujourd\u2019hui, l\u2019IA est aussi l\u2019objet d\u2019un d\u00e9bat de soci\u00e9t\u00e9, philosophique, \u00e9conomique (sur le futur de l\u2019emploi) et donc politique. Les d\u00e9bats ont tendance \u00e0 trop sortir de la sph\u00e8re scientifique et technique, au point que, parfois, on ne sait plus de quoi l\u2019on parle ! L\u2019IA est un vaste machin ou tout est mis dans le m\u00eame sac. On y anthropomorphise \u00e0 outrance l\u2019IA en imaginant qu\u2019elle imite, remplace et d\u00e9passe l\u2019homme. C\u2019est l\u2019une des raisons d\u2019\u00eatre de ces papiers que d\u2019essayer de remettre quelques pendules \u00e0 l\u2019heure !<\/p>\n<p>Sur ce, je vais maintenant partir des couches d\u2019abstraction les plus basses (syst\u00e8mes experts, r\u00e9seaux neuronaux, machine learning, m\u00e9thodes statistiques, \u2026) pour ensuite monter dans les couches plus hautes qui font g\u00e9n\u00e9ralement appel aux couches basses, comme dans la reconnaissance de la parole ou des images. Pour chacune de ces techniques, je vais \u00e9voquer si besoin est leur anciennet\u00e9, les progr\u00e8s les plus r\u00e9cents, les applications phares ainsi que quelques acteurs des march\u00e9s correspondants.<\/p>\n<p><strong>Force brute<\/strong><\/p>\n<p>La force brute est un moyen courant de simuler l\u2019intelligence humaine ou de la d\u00e9passer. Pour un jeu comme les \u00e9checs, elle vise \u00e0 tester toutes les possibilit\u00e9s et \u00e0 identifier les chemins les plus optimums parmi des zillions de combinaisons. Cela peut fonctionner si c\u2019est \u00e0 la port\u00e9e de la puissance de calcul des machines. Ces m\u00e9canismes peuvent \u00eatre optimis\u00e9s avec des algorithmes d\u2019\u00e9lagage qui \u00e9vacuent les \u201cbranches mortes\u201d de la combinatoire ne pouvant aboutir \u00e0 aucune solution. C\u2019est plus facile \u00e0 r\u00e9aliser aux \u00e9checs qu\u2019au jeu de Go ! La force brute a \u00e9t\u00e9 utilis\u00e9e pour gagner aux premiers avec l\u2019ordinateur <strong>Deeper Blue <\/strong>d\u2019IBM en 1997, calculant 200 millions de positions par seconde. Des r\u00e9seaux neuronaux ont \u00e9t\u00e9 exploit\u00e9s pour gagner au Go r\u00e9cemment avec la solution cr\u00e9\u00e9e par <strong>DeepMind<\/strong>, la filiale en IA de Google.<\/p>\n<p>La force brute est utilis\u00e9e dans de nombreux domaines comme dans les moteurs de recherche ou la d\u00e9couverte de mots de passe. On peut consid\u00e9rer que de nombreux pans de l\u2019IA l\u2019utilisent, m\u00eame lorsqu\u2019ils s\u2019appuient sur des techniques modernes de r\u00e9seaux neuronaux ou de machine learning que nous traiterons plus loin. Elle ne fonctionne que si la combinatoire reste dans l\u2019enveloppe de puissance de l\u2019ordinateur. Si elle est trop \u00e9lev\u00e9e, des m\u00e9thodes de simplification des probl\u00e8mes et de r\u00e9duction de la combinatoire sont n\u00e9cessaires.<\/p>\n<p><a href=\"https:\/\/www.oezratty.net\/wordpress\/wp-content\/WindowsLiveWriter\/Lintelligence-artificielle-est-elle-un-p_D8B5\/travelling_salesman_problem.jpg\"><img loading=\"lazy\" decoding=\"async\" style=\"background-image: none; padding-top: 0px; padding-left: 0px; margin: 10px 0px 10px 10px; display: inline; padding-right: 0px; border: 0px;\" title=\"travelling_salesman_problem\" src=\"https:\/\/www.oezratty.net\/wordpress\/wp-content\/WindowsLiveWriter\/Lintelligence-artificielle-est-elle-un-p_D8B5\/travelling_salesman_problem_thumb.jpg\" alt=\"travelling_salesman_problem\" width=\"541\" height=\"239\" border=\"0\" \/><\/a><\/p>\n<p>(<a href=\"https:\/\/xkcd.com\/399\/\">source de l\u2019image<\/a>)<\/p>\n<p>La force brute s\u2019est aussi g\u00e9n\u00e9ralis\u00e9e parce que la puissance des ordinateurs le permet : ils tournent plus vite, sont distribuables, le stockage co\u00fbte de moins en moins cher, les t\u00e9l\u00e9communications sont abordables et les capteurs de plus en plus nombreux, des appareils photo\/vid\u00e9o des smartphones aux capteurs d\u2019objets connect\u00e9s divers.<\/p>\n<p><strong>Moteurs de r\u00e8gles et syst\u00e8mes experts<\/strong><\/p>\n<p>Les d\u00e9buts des moteurs de r\u00e8gles remontent \u00e0 1957 quand Alan Newell et Herbert Simon d\u00e9veloppaient le General Problem Solver (GPS), un logiciel de r\u00e9solution de probl\u00e8mes utilisant des r\u00e8gles mod\u00e9lisant les inf\u00e9rences possibles d\u2019un domaine et r\u00e9solvant un probl\u00e8me en partant de la solution attendue et en remontant vers les hypoth\u00e8ses.<\/p>\n<p>Les moteurs de r\u00e8gles s\u2019appuient sur la notion de raisonnement contraint par des r\u00e8gles. On fournit au moteur un ensemble de r\u00e8gles pouvant par exemple repr\u00e9senter le savoir des experts dans un domaine donn\u00e9. Avec des r\u00e8gles proches de la programmation logique du genre \u201csi X et Y sont vrais, alors Z est vrai\u201d ou \u201cX entraine Y\u201d. On peut alors interroger le syst\u00e8me en lui posant des questions genre \u201cest-ce que W est vrai\u201d et il va se d\u00e9brouiller pour exploiter les r\u00e8gles enregistr\u00e9es pour r\u00e9pondre \u00e0 la question. Les moteurs de r\u00e8gles utilisent la th\u00e9orie des graphes et la gestion de contraintes.<\/p>\n<p>Cette branche de l\u2019IA a \u00e9t\u00e9 introduite par John McCarthy en 1958. Elle aboutit dans les ann\u00e9es 1970 aux travaux de Robert Kowalski de l\u2019Universit\u00e9 d\u2019Edinbourg, d\u2019Alain Colmerauer et Philippe Roussel qui sont \u00e0 l\u2019origine du langage de programmation <strong>Prolog<\/strong> qui connut ses heures de gloire dans les ann\u00e9es 1980. Le <strong>LISP <\/strong>a \u00e9t\u00e9 aussi utilis\u00e9 dans ce domaine. Il s\u2019est m\u00eame d\u00e9velopp\u00e9 une petite industrie avec les ordinateurs sp\u00e9cialis\u00e9s de <strong>Lisp Machines <\/strong>et <strong>Symbolics <\/strong>(1979-2005), et des logiciels d\u2019<strong>Intellicorp <\/strong>(cr\u00e9\u00e9 en 1980 et maintenant sp\u00e9cialis\u00e9 dans les logiciels de gestion d\u2019applications pour SAP).<\/p>\n<p>Les moteurs de r\u00e8gles sont employ\u00e9s dans les syst\u00e8mes experts, un domaine et un march\u00e9 qui s\u2019est d\u00e9velopp\u00e9 depuis les ann\u00e9es 1980. Les syst\u00e8mes experts ont \u00e9t\u00e9 notamment th\u00e9oris\u00e9s dans le cadre du <a href=\"http:\/\/www.aaai.org\/ojs\/index.php\/aimagazine\/article\/viewArticle\/89\">Stanford Heuristic Programming Project<\/a> en 1980. Ils r\u00e9pondent \u00e0 des questions dans des domaines sp\u00e9cifiques dont on a codifi\u00e9 la connaissance. Cela permit \u00e0 l\u2019IA de se rendre utile dans des domaines sp\u00e9cifiques, comme dans la sant\u00e9. L\u2019approche se heurtait cependant \u00e0 la difficult\u00e9 de capter la connaissance des experts. Cela explique son d\u00e9clin dans les ann\u00e9es 1990. Dans de nombreux domaines, la force brute s\u2019est impos\u00e9e en lieu et place de la logique et de la captation manuelle de connaissances. Cela se retrouve dans le traitement du langage, la traduction automatique, la reconnaissance des images ou les moteurs de recherche. M\u00eame IBM Watson utilise la force brute pour exploiter de gros volumes de bases de donn\u00e9es de connaissances non structur\u00e9es.<\/p>\n<p><img loading=\"lazy\" decoding=\"async\" title=\"Expert Systems\" src=\"http:\/\/intelligence.worldofcomputing.net\/wp-content\/uploads\/2010\/10\/ExpertSystems1.JPG\" alt=\"Figure: Expert System\" width=\"446\" height=\"229\" \/><\/p>\n<p>Un syst\u00e8me expert s\u2019appuie sur deux composantes cl\u00e9s : une base de connaissance, g\u00e9n\u00e9r\u00e9e souvent manuellement ou \u00e9ventuellement par exploitation de bases de connaissances existantes, puis un moteur d\u2019inf\u00e9rence, plus ou moins g\u00e9n\u00e9rique, qui va utiliser la base de connaissance pour r\u00e9pondre \u00e0 des questions pr\u00e9cises. Les syst\u00e8mes experts peuvent expliquer le rationnel de leur r\u00e9ponse. La tra\u00e7abilit\u00e9 est possible jusqu\u2019au savoir codifi\u00e9 dans la base de connaissances.<\/p>\n<p>On compte encore des outils et langages dans ce domaine et notamment l\u2019offre du fran\u00e7ais <strong>ILOG<\/strong>, acquis en 2009 par IBM et dont les laboratoires de R&amp;D sont toujours \u00e0 Gentilly pr\u00e8s de Paris. Le moteur d\u2019inf\u00e9rence ILOG Jrules est devenu <a href=\"http:\/\/www-03.ibm.com\/software\/products\/en\/odm\">IBM Operational Decision Manager<\/a>. De son c\u00f4t\u00e9, ILOG Solver est une biblioth\u00e8que C++ de programmation par contraintes, devenue IBM ILOG CPLEX CP Optimizer. Une strat\u00e9gie de branding moins efficace que celle de IBM Watson, comme nous le verrons dans le prochain article de cette s\u00e9rie.<\/p>\n<p><strong>M\u00e9thodes statistiques<\/strong><\/p>\n<p>Les m\u00e9thodes statistiques et notamment bay\u00e9siennes permettent de pr\u00e9voir la probabilit\u00e9 d\u2019\u00e9v\u00e9nement en fonction de l\u2019analyse d\u2019\u00e9v\u00e9nements pass\u00e9s. Les r\u00e9seaux bay\u00e9siens utilisent des mod\u00e8les \u00e0 base de graphes pour d\u00e9crire des relations d\u2019interd\u00e9pendances statistiques et de causalit\u00e9 entre facteurs.<\/p>\n<p>Les applications sont nombreuses comme la d\u00e9tection de potentiel de fraudes dans les transactions de cartes bancaires ou l\u2019analyse de risques d\u2019incidents pour des assur\u00e9s. Elles sont aussi tr\u00e8s utilis\u00e9es dans les moteurs de recherche au d\u00e9triment de m\u00e9thodes plus formelles, comme le rappelle Brian Bannon en 2009 dans <a href=\"http:\/\/static.googleusercontent.com\/media\/research.google.com\/fr\/\/pubs\/archive\/35179.pdf\">Unreasonable Effectiveness of Data<\/a>.<\/p>\n<p>La plupart des \u00e9tudes scientifiques dans le domaine de la biologie et de la sant\u00e9 g\u00e9n\u00e8rent des corpus sous forme de r\u00e9sultats statistiques comme des gaussiennes d\u2019efficacit\u00e9 de nouveaux m\u00e9dicaments. L\u2019exploitation de la masse de ces r\u00e9sultats rel\u00e8ve aussi d\u2019approches bay\u00e9siennes. Le cerveau met d\u2019ailleurs en \u0153uvre une logique bay\u00e9sienne pour ses propres prises de d\u00e9cision, notamment motrices, les centres associ\u00e9s \u00e9tant d\u2019ailleurs situ\u00e9s dans le cervelet tandis que dans le cortex c\u00e9r\u00e9bral g\u00e8re la m\u00e9moire et les actions explicites (source : <a href=\"http:\/\/www.college-de-france.fr\/media\/stanislas-dehaene\/UPL5981541562447201298_Cours2012_CerveauStatisticien_6.pdf\">Stanislas Dehaene<\/a>).<\/p>\n<p><a href=\"https:\/\/www.oezratty.net\/wordpress\/wp-content\/WindowsLiveWriter\/Lintelligence-artificielle-est-elle-un-p_D8B5\/Bayesian-And-Diabetes-2.jpg\"><img loading=\"lazy\" decoding=\"async\" style=\"background-image: none; padding-top: 0px; padding-left: 0px; margin: 10px 0px 10px 10px; display: inline; padding-right: 0px; border-width: 0px;\" title=\"Bayesian And Diabetes 2\" src=\"https:\/\/www.oezratty.net\/wordpress\/wp-content\/WindowsLiveWriter\/Lintelligence-artificielle-est-elle-un-p_D8B5\/Bayesian-And-Diabetes-2_thumb.jpg\" alt=\"Bayesian And Diabetes 2\" width=\"370\" height=\"306\" border=\"0\" \/><\/a><\/p>\n<p><strong>Logique floue<\/strong><\/p>\n<p>La logique floue est un concept de logique invent\u00e9 par l\u2019am\u00e9ricain Lofti Zadeh (\u201cFuzzy Logic\u201d) en 1965. J\u2019avais eu l\u2019occasion de l\u2019entendre la pr\u00e9senter lors d\u2019une conf\u00e9rence \u00e0 l\u2019Ecole Centrale en 1984, lorsque j\u2019\u00e9tais en option informatique en troisi\u00e8me ann\u00e9e. Ca ne nous rajeunit pas !<\/p>\n<p>La <a href=\"https:\/\/fr.wikipedia.org\/wiki\/Logique_floue\">logique floue<\/a> permet de manipuler des informations floues qui ne sont ni vraie ni fausses, en compl\u00e9ment de la logique bool\u00e9enne, mais \u00e0 pouvoir faire des op\u00e9rations dessus comme l\u2019inversion, le minimum ou le maximum de deux valeurs. On peut aussi faire des OU et des ET sur des valeurs \u201cfloues\u201d.<\/p>\n<p><a href=\"https:\/\/www.oezratty.net\/wordpress\/wp-content\/WindowsLiveWriter\/Lintelligence-artificielle-est-elle-un-p_D8B5\/Fuzzy-Logic-Example.jpg\"><img loading=\"lazy\" decoding=\"async\" style=\"background-image: none; padding-top: 0px; padding-left: 0px; margin: 10px 0px 10px 10px; display: inline; padding-right: 0px; border: 0px;\" title=\"Fuzzy Logic Example\" src=\"https:\/\/www.oezratty.net\/wordpress\/wp-content\/WindowsLiveWriter\/Lintelligence-artificielle-est-elle-un-p_D8B5\/Fuzzy-Logic-Example_thumb.jpg\" alt=\"Fuzzy Logic Example\" width=\"504\" height=\"187\" border=\"0\" \/><\/a><\/p>\n<p>Quid des applications ? Elles sont relativement rares. On les trouve dans le contr\u00f4le industriel, dans des boites de vitesse chez Volkswagen (pour tenir compte de l\u2019intention \u201cfloue\u201d du conducteur), pour g\u00e9rer des <a href=\"http:\/\/www.doc.ic.ac.uk\/~nd\/surprise_96\/journal\/vol4\/sbaa\/report.traff.html\">feux de circulation<\/a> et maximiser le d\u00e9bit, dans la reconnaissance de la parole et d\u2019images, le plus souvent, en compl\u00e9ment du bay\u00e9sien. Des <a href=\"http:\/\/www.hindawi.com\/journals\/afs\/2013\/581879\/\">dizaines de milliers de brevets<\/a> auraient \u00e9t\u00e9 d\u00e9pos\u00e9s pour prot\u00e9ger des proc\u00e9d\u00e9s techniques utilisant la th\u00e9orie de la logique floue.<\/p>\n<p><strong>R\u00e9seaux de neurones<\/strong><\/p>\n<p>Les r\u00e9seaux de neurones visent \u00e0 reproduire approximativement par bio mim\u00e9tisme le fonctionnement des neurones vivants avec des sous-ensembles mat\u00e9riels et logiciels capables de faire des calculs \u00e0 partir de quelques donn\u00e9es en entr\u00e9es et de g\u00e9n\u00e9rer un r\u00e9sultat en sortie. Combin\u00e9es en grand nombre, les neurones artificiels permettent de cr\u00e9er des syst\u00e8mes capables par exemple de reconna\u00eetre des formes. Les r\u00e9seaux neuronaux les plus int\u00e9ressants sont ceux qui peuvent faire de l\u2019auto-apprentissage. Attention cependant, les r\u00e9seaux neuronaux visent l&#8217;efficacit\u00e9 algorithmique et ne pr\u00e9tendent pas \u00eatre des reproductions fines du syst\u00e8me nerveux biologique \u00e0 bas niveau.<\/p>\n<p>Le concept de base est n\u00e9 en 1943 des travaux de Warren McCullochs et Walter Pitts. Donald Hebb ajouta le principe de modulation la connexion entre neurones en 1949, permettant aux neurones de m\u00e9moriser de l\u2019exp\u00e9rience. La connaissance est acquise via les interconnexions entre neurones et via un processus d\u2019apprentissage. Elle est mat\u00e9rialis\u00e9e sous la forme de poids de connexions synaptiques entre neurones qui varient en fonction de l\u2019exp\u00e9rience acquise, par exemple dans la reconnaissance d\u2019images.<\/p>\n<p>Le premier r\u00e9seau de neurones mat\u00e9riel fut cr\u00e9\u00e9 par Marvin Minsky et Dean Edmons en 1950. Le SNARC simulait 40 neurones avec 3000 lampes \u00e0 tubes ! Frank Rosenblatt, un coll\u00e8gue de Marvin Minsky, cr\u00e9a ensuite le concept du <strong>perceptron <\/strong>en 1957 qui \u00e9tait un neurone assez simple dans son principe. Le premier perceptron \u00e9tait un r\u00e9seau de neurones artificiels \u00e0 une seule couche tournant sous forme de logiciel dans un <a href=\"https:\/\/fr.wikipedia.org\/wiki\/IBM_704\">IBM 704<\/a>, le premier ordinateur du constructeur dot\u00e9 de m\u00e9moires \u00e0 tores magn\u00e9tiques. C\u2019\u00e9tait un outil de classification lin\u00e9aire utilisant un seul extracteur de caract\u00e9ristique.<\/p>\n<p>En 1969, Marvin Minsky publia avec Seymour Papert le livre \u201cPerceptrons\u201d qui critiquait s\u00e9v\u00e8rement les travaux de Frank Rosenblatt. D\u2019ailleurs, sur un point tr\u00e8s sp\u00e9cifique portant sur les portes logiques XOR des perceptrons. Ce livre mit un coup d\u2019arr\u00eat \u00e0 ces d\u00e9veloppements, un peu comme le rapport de Lightfill quelques ann\u00e9es plus tard. Toujours, dans la dynamique de la rivalit\u00e9 des <em>neats <\/em>vs <em>scuffies<\/em>. Ce coup d\u2019arr\u00eat fit perdre un temps consid\u00e9rable \u00e0 l\u2019ensemble des recherches en IA, ce d\u2019autant plus que les r\u00e9seaux neuronaux sont devenus, depuis, un pan fondamental des progr\u00e8s dans tous les \u00e9tages de l\u2019IA. Marvin Minsky reconnu toutefois son erreur dans les ann\u00e9es 1980, apr\u00e8s le d\u00e9c\u00e8s de Frank Rosenblatt.<\/p>\n<p>Depuis une vingtaine d\u2019ann\u00e9es, les r\u00e9seaux neuronaux sont mis \u00e0 toutes les sauces, la derni\u00e8re \u00e9tant la victoire de <strong>DeepMind<\/strong> contre un champion de Go \u00e0 la mi-mars 2016. Les r\u00e9seaux neuronaux ont progress\u00e9 pas \u00e0 pas, avec la cr\u00e9ation d\u2019innombrables variantes conceptuelles pour am\u00e9liorer leurs capacit\u00e9s d\u2018apprentissage et de m\u00e9morisation. L\u2019IA progresse d\u2019ailleurs r\u00e9guli\u00e8rement et de mani\u00e8re plut\u00f4t d\u00e9centralis\u00e9e, avec des dizaines de chercheurs contribuant \u00e0 faire avancer l\u2019\u00e9tat de l\u2019art. Les derni\u00e8res ann\u00e9es ont cependant vu les efforts de recherche passer des travaux dans la logique de base vers ses applications.<\/p>\n<p><a href=\"https:\/\/www.oezratty.net\/wordpress\/wp-content\/WindowsLiveWriter\/Lintelligence-artificielle-est-elle-un-p_D8B5\/Hidden-Layers-in-Neuron-Networks.jpg\"><img loading=\"lazy\" decoding=\"async\" style=\"background-image: none; padding-top: 0px; padding-left: 0px; margin: 10px 0px 10px 10px; display: inline; padding-right: 0px; border-width: 0px;\" title=\"Hidden Layers in Neuron Networks\" src=\"https:\/\/www.oezratty.net\/wordpress\/wp-content\/WindowsLiveWriter\/Lintelligence-artificielle-est-elle-un-p_D8B5\/Hidden-Layers-in-Neuron-Networks_thumb.jpg\" alt=\"Hidden Layers in Neuron Networks\" width=\"466\" height=\"233\" border=\"0\" \/><\/a><\/p>\n<p>L\u2019un des points cl\u00e9s des r\u00e9seaux de neurones actuels est la technique de la <a href=\"https:\/\/fr.wikipedia.org\/wiki\/R%C3%A9tropropagation_du_gradient\">r\u00e9tropropagation du gradient<\/a> (back propagation) qui corrige les d\u00e9fauts des Perceptrons identifi\u00e9s par Papert et Minsky. Elle a vu le jour dans les <a href=\"http:\/\/people.idsia.ch\/~juergen\/who-invented-backpropagation.html\">ann\u00e9es 1960<\/a> puis, pendant et apr\u00e8s le second hiver de l\u2019IA, a repris son essor vers 1986. Elle permet de modifier le poids des liaisons synaptiques entre neurones en fonction des erreurs constat\u00e9es dans les \u00e9valuations pr\u00e9c\u00e9dentes, par exemple dans la reconnaissance d\u2019images. Comment fonctionne cette boucle d\u2019apprentissage ? C\u2019est un apprentissage soit assist\u00e9, soit automatique en comparant les r\u00e9sultats avec la bonne r\u00e9ponse, d\u00e9j\u00e0 connue. C\u2019est un des d\u00e9bats cl\u00e9s d\u2019aujourd\u2019hui : est-on r\u00e9ellement capable de cr\u00e9er des r\u00e9seaux dou\u00e9s de facult\u00e9s d\u2019auto-apprentissage ? Il semblerait que l\u2019on en soit encore loin.<\/p>\n<p><a href=\"https:\/\/www.oezratty.net\/wordpress\/wp-content\/WindowsLiveWriter\/Lintelligence-artificielle-est-elle-un-p_D8B5\/Back-propagation.jpg\"><img loading=\"lazy\" decoding=\"async\" style=\"background-image: none; padding-top: 0px; padding-left: 0px; margin: 10px 0px 10px 10px; display: inline; padding-right: 0px; border-width: 0px;\" title=\"Back propagation\" src=\"https:\/\/www.oezratty.net\/wordpress\/wp-content\/WindowsLiveWriter\/Lintelligence-artificielle-est-elle-un-p_D8B5\/Back-propagation_thumb.jpg\" alt=\"Back propagation\" width=\"480\" height=\"190\" border=\"0\" \/><\/a><\/p>\n<p>20 ans apr\u00e8s la renaissance des r\u00e9seaux neuronaux, en 2006, le japonais Osamu Hasegawa cr\u00e9ait les r\u00e9seaux neuronaux auto-organis\u00e9s incr\u00e9mentalement (\u201cSelf-Organising Incremental Neural Network\u201d ou SOINN), utilisables dans des r\u00e9seaux neuronaux auto-r\u00e9plicables et capables d\u2019auto-apprentissage. En 2011, son \u00e9quipe d\u00e9veloppait un robot utilisant ces SOINN capable d\u2019auto-apprentissage (<a href=\"https:\/\/www.youtube.com\/watch?v=OC2TTslf_YM\">vid\u00e9o<\/a>), illustrant magistralement les applications des r\u00e9seaux neuronaux. Nous sommes 10 ans plus tard, et on constate que les robots autonomes sont encore loin du compte, m\u00eame si les soci\u00e9t\u00e9s telles que Boston Dynamics, filiale de Google, nous \u00e9baubissent avec des robots tr\u00e8s souples dans leur d\u00e9marche et r\u00e9sistant \u00e0 l\u2019adversit\u00e9.<\/p>\n<p><a href=\"https:\/\/www.oezratty.net\/wordpress\/wp-content\/WindowsLiveWriter\/Lintelligence-artificielle-est-elle-un-p_D8B5\/SOINN-robot.jpg\"><img loading=\"lazy\" decoding=\"async\" style=\"background-image: none; padding-top: 0px; padding-left: 0px; margin: 10px 0px 10px 10px; display: inline; padding-right: 0px; border: 0px;\" title=\"SOINN robot\" src=\"https:\/\/www.oezratty.net\/wordpress\/wp-content\/WindowsLiveWriter\/Lintelligence-artificielle-est-elle-un-p_D8B5\/SOINN-robot_thumb.jpg\" alt=\"SOINN robot\" width=\"410\" height=\"328\" border=\"0\" \/><\/a><\/p>\n<p>Les r\u00e9seaux neuronaux ont aussi progress\u00e9 gr\u00e2ce \u00e0 leur mise en \u0153uvre dans des architectures mat\u00e9rielles sp\u00e9cialis\u00e9es permettant de bien parall\u00e9liser leurs traitements comme le fait le cerveau. Le composant \u00e9lectronique id\u00e9al pour cr\u00e9er un r\u00e9seau de neurones est capable d\u2019int\u00e9grer un tr\u00e8s grand nombre de pico-unit\u00e9s de traitement avec entr\u00e9es, sorties, logique de calcul si possible programmable et m\u00e9moire non volatile. Il faut par ailleurs que les connexions entre neurones (synapses) soient les plus nombreuses possibles. En pratique, les connexions se font avec les neurones adjacents dans les circuits.<\/p>\n<p>Les <strong>memristors <\/strong>ont fait son apparition en 2008 chez HP apr\u00e8s avoir \u00e9t\u00e9 conceptualis\u00e9e en 1971 par le sino-am\u00e9ricain <a href=\"https:\/\/en.wikipedia.org\/wiki\/Leon_O._Chua\">Leon Ong Chua<\/a>. Ce sont des composants \u00e9lectroniques capables de m\u00e9moriser un \u00e9tat en faisant varier leur r\u00e9sistance \u00e9lectrique par l\u2019application d\u2019une tension. Un peu comme les cristaux liquides bistables qui servent dans (feu) les liseuses \u00e9lectroniques. La valeur modifiable de la r\u00e9sistance permet de stocker de l\u2019information. Les memristors peuvent aussi \u00eatre int\u00e9gr\u00e9s au c\u00f4t\u00e9 de composants actifs classiques dans des unit\u00e9s de traitement. C\u2019est tr\u00e8s bien expliqu\u00e9 dans <a href=\"http:\/\/www.cse.unt.edu\/~smohanty\/Publications_Journals\/2013\/Mohanty_IEEE-Potentials_2013May_Memristor.pdf\">Memristor: From Basics to Deployment<\/a> de Saraju Mohanty, publi\u00e9 en 2013, d\u2019o\u00f9 sont extraits les deux sch\u00e9mas ci-dessous. Le second pr\u00e9sente les diff\u00e9rents types de memristors actuellement explor\u00e9s. Ces composants sont int\u00e9grables dans des puces au silicium utilisant des proc\u00e9d\u00e9s de fabrication plus ou moins traditionnels (<a href=\"https:\/\/en.wikipedia.org\/wiki\/Nanoimprint_lithography\">nanoimprint lithography<\/a>), en ajoutant une bonne douzaine d\u2019\u00e9tapes dans la production, et avec des mat\u00e9riaux rares comme les oxydes de titane.<\/p>\n<p><a href=\"https:\/\/www.oezratty.net\/wordpress\/wp-content\/WindowsLiveWriter\/Lintelligence-artificielle-est-elle-un-p_D8B5\/Memristors.jpg\"><img loading=\"lazy\" decoding=\"async\" style=\"background-image: none; padding-top: 0px; padding-left: 0px; margin: 10px 0px 10px 10px; display: inline; padding-right: 0px; border-width: 0px;\" title=\"Memristors\" src=\"https:\/\/www.oezratty.net\/wordpress\/wp-content\/WindowsLiveWriter\/Lintelligence-artificielle-est-elle-un-p_D8B5\/Memristors_thumb.jpg\" alt=\"Memristors\" width=\"447\" height=\"274\" border=\"0\" \/><\/a><\/p>\n<p>Les memristors ont \u00e9t\u00e9 d\u00e9velopp\u00e9s dans le cadre des projets de recherche du programme <strong>SyNAPSE<\/strong> de la DARPA. <strong>HP <\/strong>a \u00e9t\u00e9 le premier \u00e0 en prototyper en 2008, avec de l\u2019oxyde de titane. Il en existe de plusieurs types, pouvant g\u00e9n\u00e9ralement \u00eatre fabriqu\u00e9s dans les lignes de productions de chipsets CMOS traditionnelles, mais avec des proc\u00e9d\u00e9s sp\u00e9cifiques de d\u00e9p\u00f4t sous vide de couches minces de mat\u00e9riaux semi-conducteurs. HP a m\u00eame lanc\u00e9 un partenariat avec le fabricant de m\u00e9moires <strong>Hynix<\/strong>, mais le projet a \u00e9t\u00e9 mis en veilleuse <a href=\"http:\/\/www.xbitlabs.com\/news\/storage\/display\/20120927125227_HP_and_Hynix_Cancel_Plans_to_Commercialize_Memristor_Based_Memory_in_2013.html\">en 2012<\/a>. Le taux de rebus serait trop \u00e9lev\u00e9 lors de la fabrication. C\u2019est un param\u00e8tre cl\u00e9 pour pouvoir fabriquer des composants en quantit\u00e9 industrielle et \u00e0 un prix de vente abordable. De plus, le nombre de cycles d\u2019\u00e9criture semblait limit\u00e9 pour des raisons chimiques, dans le cycle de lib\u00e9ration\/captation d\u2019oxyg\u00e8ne pour les memristors en oxydes de titane.<\/p>\n<p><a href=\"https:\/\/www.oezratty.net\/wordpress\/wp-content\/WindowsLiveWriter\/Lintelligence-artificielle-est-elle-un-p_D8B5\/darpa_synapse_roadmap.jpg\"><img loading=\"lazy\" decoding=\"async\" style=\"background-image: none; padding-top: 0px; padding-left: 0px; margin: 10px 0px 10px 10px; display: inline; padding-right: 0px; border-width: 0px;\" title=\"darpa_synapse_roadmap\" src=\"https:\/\/www.oezratty.net\/wordpress\/wp-content\/WindowsLiveWriter\/Lintelligence-artificielle-est-elle-un-p_D8B5\/darpa_synapse_roadmap_thumb.jpg\" alt=\"darpa_synapse_roadmap\" width=\"569\" height=\"422\" border=\"0\" \/><\/a><\/p>\n<p>En octobre 2015, HP et <strong>SanDisk <\/strong>ont cependant annonc\u00e9 un partenariat pour fabriquer des m\u00e9moires volatiles et non volatiles \u00e0 base de memristors, cens\u00e9es \u00eatre 1000 fois plus rapides et plus endurantes que les m\u00e9moires flash traditionnelles.<\/p>\n<p>D\u2019autres laboratoires de recherche et industriels planchent aussi sur les memristores et les r\u00e9seaux de neurones mat\u00e9riels :<\/p>\n<ul>\n<li><strong>IBM <\/strong>planche avec l\u2019<strong>ETH <\/strong>de Zurich (le CNRS suisse) sur des ordinateurs \u00e0 base de memristors. Ce m\u00eame ETH d\u00e9veloppe un <a href=\"http:\/\/www.newelectronics.co.uk\/electronics-news\/swiss-researchers-have-created-a-memristor-with-three-stable-resistive-states\/108563\/\">memristor<\/a> capable de stocker trois \u00e9tats \u00e0 base de p\u00e9rovskite (titanate de calcium) de 5 nm d\u2019\u00e9paisseur. Cela pourrait servir \u00e0 g\u00e9rer de la logique floue.<\/li>\n<li>Des chercheurs de l\u2019Universit\u00e9 Technologique du Michigan ont <a href=\"http:\/\/semiengineering.com\/powerperformance-bits-feb-9\">annonc\u00e9 d\u00e9but 2016<\/a> avoir cr\u00e9\u00e9 des memristors \u00e0 base de bisulfite de molybd\u00e8ne qui ont un comportement plus lin\u00e9aire.<\/li>\n<li>Des <a href=\"http:\/\/news.mit.edu\/2016\/neural-chip-artificial-intelligence-mobile-devices-0203\">chercheurs du MIT<\/a> ont annonc\u00e9 d\u00e9but 2016 leurs travaux sur le chipset Eyeriss utilisant des neurones sp\u00e9cialis\u00e9s r\u00e9parties dans 168 c\u0153urs dot\u00e9s de leur propre m\u00e9moire. Mais visiblement sans memristors. L\u2019application vis\u00e9e est la reconnaissance d\u2019images. Le projet est financ\u00e9 par la DARPA.<\/li>\n<li>Le projet <strong>Nanolitz <\/strong>aussi financ\u00e9 par la DARPA dans le cadre des projets Atoms to Product (A2P) et s\u2019appuie sur des fils microscopiques pour connecter plus efficacement des c\u0153urs et neurones dans des circuits sp\u00e9cialis\u00e9s.<\/li>\n<li>L\u2019ANR a financ\u00e9 le projet collaboratif <strong><a href=\"http:\/\/www.agence-nationale-recherche.fr\/?Projet=ANR-11-NANO-0002\">MHANN<\/a> <\/strong>associant l\u2019INRIA, l\u2019IMS de Bordeaux et Thal\u00e8s pour cr\u00e9er des memristors ferriques. Le projet devait \u00eatre termin\u00e9 en 2013 et avait b\u00e9n\u00e9fici\u00e9 d\u2019une enveloppe de 740 K\u20ac. Difficile de savoir ce qu\u2019il en est advenu en ligne.<\/li>\n<li>Enfin, la start-up californienne <strong>Knowm <\/strong>a lanc\u00e9 le <a href=\"http:\/\/electronics360.globalspec.com\/article\/6389\/despite-hp-s-delays-memristors-are-now-available\">premier composant commercial<\/a> \u00e0 base de memristors, fabriqu\u00e9 en partenariat avec la Boise State University, \u00e0 base d\u2019argent ou de cuivre et au prix de $220. Il est destin\u00e9 en premier lieu aux laboratoires de recherche en r\u00e9seaux neuronaux.<\/li>\n<\/ul>\n<p>Le programme SyNAPSE de la DARPA a en tout cas aboutit en 2014 \u00e0 la cr\u00e9ation par IBM de ses processeurs neuronaux <strong>TrueNorth<\/strong> capables de simuler un million de neurones artificiels, 256 millions de synapses reliant ces neurones et ex\u00e9cutant 46 milliards d\u2019op\u00e9rations synaptiques par secondes et par Watt consomm\u00e9. Le tout avec 4096 c\u0153urs. Le chipset a \u00e9t\u00e9 fabriqu\u00e9 par Samsung en technologie CMOS 28 nm et avec une couche d\u2019isolation SOI (issue du fran\u00e7ais SOITEC !) permettant de diminuer la consommation \u00e9lectrique et d\u2019acc\u00e9l\u00e9rer les traitements. Le chipsets comprend 5,4 milliards de transistors en tout et fait plus de 4 cm2 de surface. Et surtout, il ne consomme que 70 mW, ce qui permet d\u2019envisager d\u2019empiler ces processeurs en couches, quelque chose d\u2019impossible avec les processeurs CMOS habituels qui consomment beaucoup plus d\u2019\u00e9nergie. A titre de comparaison, un processeur Intel Core i7 de derni\u00e8re g\u00e9n\u00e9ration (Skymake) r\u00e9alis\u00e9 en technologie 14 nm consomme entre 15 W et 130 W selon les mod\u00e8les, pour 1,7 milliards de transistors.<\/p>\n<p>Le but d\u2019IBM est de construire un ordinateur dot\u00e9 de 10 milliards de neurones et 100 trillions de synapses, consommant 1 KW et tenant dans un volume de deux litres. A titre de comparaison, un cerveau humain contient environ 85 milliards de neurones et ne consomme que 20 Watts ! Le biologique reste encore \u00e0 ce stade une machine tr\u00e8s efficace d\u2019un point de vue \u00e9nerg\u00e9tique !<\/p>\n<p><a href=\"https:\/\/www.oezratty.net\/wordpress\/wp-content\/WindowsLiveWriter\/Lintelligence-artificielle-est-elle-un-p_D8B5\/truenorth_synapse_design.png\"><img loading=\"lazy\" decoding=\"async\" style=\"background-image: none; padding-top: 0px; padding-left: 0px; margin: 10px 0px 10px 10px; display: inline; padding-right: 0px; border-width: 0px;\" title=\"truenorth_synapse_design\" src=\"https:\/\/www.oezratty.net\/wordpress\/wp-content\/WindowsLiveWriter\/Lintelligence-artificielle-est-elle-un-p_D8B5\/truenorth_synapse_design_thumb.png\" alt=\"truenorth_synapse_design\" width=\"395\" height=\"484\" border=\"0\" \/><\/a><\/p>\n<p>Il existe d\u2019autres projets d\u2019ordinateurs synaptiques \u00e0 base de r\u00e9seaux de neurones. On peut notamment citer le projet de Jeff Hawkins, le fondateur de Palm, celui de Stanford, qui travaille sur le chipset <strong>Neurocore<\/strong> int\u00e9grant pour l\u2019instant 65536 neurones et fonctionnant \u00e0 tr\u00e8s basse consommation.<\/p>\n<p>Il y a aussi le projet <a href=\"http:\/\/www.theregister.co.uk\/2011\/07\/07\/arm_project_spinnaker_super\/\">SpiNNaker<\/a> de Steve Furber (Universit\u00e9 de Manchester, UK), qui vise \u00e0 cr\u00e9er un chipset de un milliard de neurones. Il s\u2019appuie cependant sur une architecture mat\u00e9rielle classique, avec 18 c\u0153urs 32 bits ARM par chip. On est plus dans l\u2019architecture massivement parall\u00e8le avec des milliers de processeurs de ce type que dans les processeurs v\u00e9ritablement synaptiques.<\/p>\n<p>Enfin, dans le domaine commercial, le <strong>CogniMem <\/strong>CM1K est un chipset ASIC int\u00e9grant un r\u00e9seau de 1024 neurones qui sert aux applications de reconnaissance des formes. Ne coutant que $94, il est notamment utilis\u00e9 dans la <strong>BrainCard<\/strong>, issue d\u2019une start-up fran\u00e7aise.<\/p>\n<p><a href=\"https:\/\/www.oezratty.net\/wordpress\/wp-content\/WindowsLiveWriter\/Lintelligence-artificielle-est-elle-un-p_D8B5\/Cognigen-Neuron-Network.jpg\"><img loading=\"lazy\" decoding=\"async\" style=\"background-image: none; padding-top: 0px; padding-left: 0px; margin: 10px 0px 10px 10px; display: inline; padding-right: 0px; border-width: 0px;\" title=\"Cognigen Neuron Network\" src=\"https:\/\/www.oezratty.net\/wordpress\/wp-content\/WindowsLiveWriter\/Lintelligence-artificielle-est-elle-un-p_D8B5\/Cognigen-Neuron-Network_thumb.jpg\" alt=\"Cognigen Neuron Network\" width=\"373\" height=\"250\" border=\"0\" \/><\/a><\/p>\n<p>Plus r\u00e9cemment, <strong>Nvidia<\/strong> a pr\u00e9sent\u00e9 au CES 2016 sa carte PX2 pour l\u2019automobile qui int\u00e8gre deux processeurs X1 comprenant 256 GPU. Les GPU Nvidia sont utilis\u00e9s pour simuler des r\u00e9seaux de neurones. C\u2019est bien mais probablement pas aussi optimal que de v\u00e9ritables r\u00e9seaux de neurones et de synapses artificiels comme le TrueNorth d\u2019IBM. Qui plus est, la carte PX2 doit \u00eatre r\u00e9frig\u00e9r\u00e9e par eau car elle consomme plus de 200 W. Comme l\u2019explique <a href=\"http:\/\/timdettmers.com\/2014\/09\/21\/how-to-build-and-use-a-multi-gpu-system-for-deep-learning\/\">Tim Dettmers<\/a>, un GPU n\u2019est utilisable pour des r\u00e9seaux de neurones que si la m\u00e9moire est facilement partag\u00e9e entre les c\u0153urs de GPU. C\u2019est ce que propose justement Nvidia avec son architecture <a href=\"https:\/\/developer.nvidia.com\/gpudirect\">GPUDirect<\/a> RDMA.<\/p>\n<p><a href=\"https:\/\/www.oezratty.net\/wordpress\/2016\/avancees-intelligence-artificielle-2\/movidius-fathom\/\" rel=\"attachment wp-att-12645\"><img loading=\"lazy\" decoding=\"async\" class=\"alignnone wp-image-12645\" src=\"https:\/\/www.oezratty.net\/wordpress\/wp-content\/Movidius-Fathom.jpg\" alt=\"Movidius Fathom\" width=\"294\" height=\"183\" srcset=\"https:\/\/www.oezratty.net\/wordpress\/wp-content\/Movidius-Fathom.jpg 960w, https:\/\/www.oezratty.net\/wordpress\/wp-content\/Movidius-Fathom-300x187.jpg 300w, https:\/\/www.oezratty.net\/wordpress\/wp-content\/Movidius-Fathom-768x478.jpg 768w\" sizes=\"auto, (max-width: 294px) 100vw, 294px\" \/><\/a>\u00a0<a href=\"https:\/\/www.oezratty.net\/wordpress\/2016\/avancees-intelligence-artificielle-2\/movidius-myriad-vision-processing-unit\/\" rel=\"attachment wp-att-12647\"><img loading=\"lazy\" decoding=\"async\" class=\"alignnone wp-image-12647\" src=\"https:\/\/www.oezratty.net\/wordpress\/wp-content\/Movidius-Myriad-Vision-Processing-Unit.jpg\" alt=\"Movidius Myriad Vision Processing Unit\" width=\"213\" height=\"180\" srcset=\"https:\/\/www.oezratty.net\/wordpress\/wp-content\/Movidius-Myriad-Vision-Processing-Unit.jpg 640w, https:\/\/www.oezratty.net\/wordpress\/wp-content\/Movidius-Myriad-Vision-Processing-Unit-300x253.jpg 300w\" sizes=\"auto, (max-width: 213px) 100vw, 213px\" \/><\/a><\/p>\n<p>Il y aussi <strong>Movidius<\/strong> qui propose ses chipsets Myriad \u00e0 base de r\u00e9seaux neuronaux exploitant des processeurs vectoriels, d\u00e9di\u00e9s au traitement de l&#8217;image. Ils en ont r\u00e9cemment lanc\u00e9 une version qui tient sur une cl\u00e9 USB, la\u00a0Fathom Neural Compute Stick.<\/p>\n<p>On peut donc constater que tout cela bouillonne, plut\u00f4t au niveau des laboratoires de recherche \u00e0 ce stade, et que l\u2019industrialisation prendra encore un peu de temps, mais que les r\u00e9seaux neuronaux mat\u00e9riels ont probablement un bel avenir devant eux.<\/p>\n<p><strong>Support Vector Machines<\/strong><\/p>\n<p>Il faudrait aussi citer les <strong>SVM (<\/strong>Support Vector Machines) ou &#8220;Machine \u00e0 vecteurs de support&#8221;, une autre technique d&#8217;apprentissage supervis\u00e9 plus adapt\u00e9e \u00e0 certaines classes de probl\u00e8mes que les r\u00e9seaux neuronaux.\u00a0Les SVM &#8220;scalent&#8221; mieux que ces derniers dans\u00a0des architectures distribu\u00e9es.<\/p>\n<p>Ils peuvent servir par exemple \u00e0\u00a0g\u00e9n\u00e9rer une classification automatique d&#8217;\u00e9chantillons de donn\u00e9es complexes, comme une segmentation client ou la classification de termes textuels. On les utilise aussi pour pr\u00e9dire la valeur num\u00e9rique d&#8217;une variable. L&#8217;approche concurrence celle des r\u00e9seaux bay\u00e9siens.<\/p>\n<p><strong>Machine learning et deep learning<\/strong><\/p>\n<p>Le vaste domaine du machine learning, ou apprentissage automatique, vise \u00e0 faire des pr\u00e9dictions \u00e0 partir de donn\u00e9es existantes. C\u2019est un domaine qui est intimement reli\u00e9 \u00e0 celui des r\u00e9seaux de neurones, qui servent de substrat pour les traitements. En effet, les outils de machine learning et de deep learning s\u2019appuient sur diff\u00e9rentes variantes de r\u00e9seaux de neurones pour leur mise en \u0153uvre pratique, notamment des r\u00e9seaux neuronaux \u00e0 plusieurs niveaux. Ces r\u00e9seaux sont supervis\u00e9s ou pas selon les cas.<\/p>\n<p>Le machine learning est surtout utilis\u00e9 aujourd\u2019hui pour la reconnaissance des formes dans les images et celle de la parole, donc dans les sens artificiels. Il peut aussi servir \u00e0 exploiter des donn\u00e9es non structur\u00e9es et \u00e0 g\u00e9rer des bases de connaissances. IBM liste quelques-unes de ces applications dans <a href=\"http:\/\/research.ibm.com\/cognitive-computing\/machine-learning-applications\/index.shtml#fbid=e1l8afQXNZl\">son marketing<\/a>. On y retrouve des \u00e9tudes de cas dans l\u2019\u00e9ducation pour cr\u00e9er des MOOC auto-adaptatifs, dans le retail avec un assistant d\u2019achats, dans la sant\u00e9 avec la personnalisation de traitements contre certains cancers ou encore dans l\u2019analyse de diverses donn\u00e9es dans la smart city.<\/p>\n<p>Les r\u00e9seaux neuronaux ont connu un renouveau en 2006 avec les travaux des canadiens Geoffrey Hinton et Simon Osindero et du singapourien Yee-Whye Teh publi\u00e9s dans <a href=\"https:\/\/www.cs.toronto.edu\/~hinton\/absps\/fastnc.pdf\">A Fast Learning Algorithm For Deep Belief Nets<\/a> qui optimisent le fonctionnement des r\u00e9seaux neuronaux multicouches. Le concept du machine learning a \u00e9t\u00e9 ensuite formalis\u00e9 par Geoffrey Hinton en 2007 dans <a href=\"https:\/\/www.cs.toronto.edu\/~hinton\/nipstutorial\/nipstut3.pdf\">Learning multiple layers of representation<\/a>. Il s\u2019appuyait lui-m\u00eame sur les travaux du fran\u00e7ais <a href=\"http:\/\/yann.lecun.com\/\">Yann LeCun<\/a> (en 1989) qui dirige maintenant le laboratoire de recherche en IA de Facebook et de l\u2019allemand <a href=\"http:\/\/people.idsia.ch\/~juergen\/\">J\u00fcrgen Schmidhuber<\/a> (1992) dont deux des anciens \u00e9tudiants ont cr\u00e9\u00e9 la start-up <strong>DeepMind <\/strong>maintenant filiale de Google. Petit monde ! Geoffrey Hinton travaille pour <strong>Google <\/strong>depuis 2013, pas loin du l\u00e9gendaire <strong>Jeff Dean<\/strong>, arriv\u00e9 en 1999 et<strong>\u00a0<\/strong>qui planche maintenant aussi sur le deep learning<strong>.<\/strong><\/p>\n<p>Pour comprendre le fonctionnement du deep learning, il faut avoir beaucoup du temps et un bon bagage math\u00e9matique et logique ! On peut commencer par parcourir <a href=\"http:\/\/arxiv.org\/pdf\/1404.7828v4.pdf\">Deep Learning in Neural Networks<\/a> de ce J\u00fcrgen Schmidhuber, publi\u00e9 en 2014 qui fait 88 pages dont 53 de bibliographie ou bien <a href=\"http:\/\/neuralnetworksanddeeplearning.com\/index.html\">Neural Networks and Deep Learning<\/a>, un livre gratuit en ligne qui expose les principes du deep learning. Il explique notamment pourquoi l\u2019auto-apprentissage est difficile. Bon, cela fait tout de m\u00eame plus de 200 pages en corps 11 et on est largu\u00e9 \u00e0 la cinqui\u00e8me page, m\u00eame avec un bon background de d\u00e9veloppeur ! Il y a aussi <a href=\"http:\/\/research.microsoft.com\/pubs\/209355\/DeepLearning-NowPublishing-Vol7-SIG-039.pdf\">Deep Learning Methods and Applications<\/a> publi\u00e9 par Microsoft Research (197 pages) qui d\u00e9marre en vulgarisant assez bien le sujet. Et puis <a href=\"http:\/\/www.amazon.com\/Artificial-Intelligence-Pearson-International-Approach-ebook\/dp\/B00IZ0L90C\">Artificial Intelligence A Modern Approach<\/a>, une somme de r\u00e9f\u00e9rence sur l\u2019IA qui fait la bagatelle de 1152 pages et qui ne serait que le B-A-BA pour les \u00e9tudiants en informatique. J\u2019ai enfin trouv\u00e9 cette pr\u00e9sentation plut\u00f4t synth\u00e9tique <a href=\"http:\/\/www.ofai.at\/~maarten.grachten\/downloads\/lrn2cre8\/dlmp-workshop\/slides\/maarten\/overview.pdf\">A very brief overview of deep learning<\/a> de Maarten Grachten en 22 slides ! Ouf ! Bref, il faut se taper l\u2019\u00e9quivalent de plusieurs <a href=\"https:\/\/www.oezratty.net\/wordpress\/2016\/rapport-ces-2016\/\">Rapports du CES de Las Vegas<\/a> !<\/p>\n<p><a href=\"https:\/\/www.oezratty.net\/wordpress\/wp-content\/WindowsLiveWriter\/Lintelligence-artificielle-est-elle-un-p_D8B5\/Deep-Learning-Abstration-Levels.jpg\"><img loading=\"lazy\" decoding=\"async\" style=\"background-image: none; padding-top: 0px; padding-left: 0px; margin: 10px 0px 10px 10px; display: inline; padding-right: 0px; border-width: 0px;\" title=\"Deep Learning Abstration Levels\" src=\"https:\/\/www.oezratty.net\/wordpress\/wp-content\/WindowsLiveWriter\/Lintelligence-artificielle-est-elle-un-p_D8B5\/Deep-Learning-Abstration-Levels_thumb.jpg\" alt=\"Deep Learning Abstration Levels\" width=\"490\" height=\"282\" border=\"0\" \/><\/a><\/p>\n<p>Quid du <strong>deep learning<\/strong> ? C\u2019est une variante avanc\u00e9e du machine learning qui s\u2019appuie sur des architectures en couches utilisant des \u201cRestricted Boltzmann Machines\u201d qui s\u2019alimentent les unes les autres. Une machine de deep learning poss\u00e8de plus de couches dites cach\u00e9es dans ses r\u00e9seaux de neurones qu\u2019une architecture de machine learning classique. Le deep learning (apprentissage profond) permet d\u2019\u00e9lever le niveau d\u2019abstraction du machine learning en exploitant des concepts de plus haut niveau, comme indiqu\u00e9 dans le sch\u00e9ma ci-dessus (source : l\u2019excellent slideshow de <a href=\"http:\/\/www.cs.nyu.edu\/~yann\/talks\/lecun-ranzato-icml2013.pdf\">LeCun \u2013 Ranzato<\/a>, qui fait 204 slides, source \u00e9galement de l\u2019historique du deep learning ci-dessous ! Voir aussi la <a href=\"http:\/\/www.college-de-france.fr\/site\/yann-lecun\/inaugural-lecture-2016-02-04-18h00.htm\">conf\u00e9rence inaugurale<\/a> de Yann LeCun au Coll\u00e8ge de France en f\u00e9vrier 2016 o\u00f9 il excelle dans la vulgarisation). Ce fonctionnement imite d\u2019ailleurs celui du cerveau humain qui utilise plusieurs niveaux d\u2019abstraction. Il permet en th\u00e9orie de mettre en place des m\u00e9thodes d\u2019auto-apprentissage sans base de donn\u00e9es d\u2019entrainement. Pour l\u2019instant, cependant, cela semble surtout concerner les sens artificiels.<\/p>\n<p><a href=\"https:\/\/www.oezratty.net\/wordpress\/wp-content\/WindowsLiveWriter\/Lintelligence-artificielle-est-elle-un-p_D8B5\/The-Graph-of-Deep-Learning-Sparse-Modeling-Neuroscience.jpg\"><img loading=\"lazy\" decoding=\"async\" style=\"background-image: none; padding-top: 0px; padding-left: 0px; margin: 10px 0px 10px 10px; display: inline; padding-right: 0px; border-width: 0px;\" title=\"The Graph of Deep Learning Sparse Modeling Neuroscience\" src=\"https:\/\/www.oezratty.net\/wordpress\/wp-content\/WindowsLiveWriter\/Lintelligence-artificielle-est-elle-un-p_D8B5\/The-Graph-of-Deep-Learning-Sparse-Modeling-Neuroscience_thumb.jpg\" alt=\"The Graph of Deep Learning Sparse Modeling Neuroscience\" width=\"507\" height=\"323\" border=\"0\" \/><\/a><\/p>\n<p>Cette complexit\u00e9 du sujet m\u2019intrigue particuli\u00e8rement. J\u2019ai pu r\u00e9cemment explorer des sujets aussi vari\u00e9s que les r\u00e9seaux M2M, la biologie mol\u00e9culaire ou la g\u00e9nomique et ils m\u2019ont sembl\u00e9 bien plus abordables que l\u2019IA, m\u00eame en parcourant des ouvrages de sp\u00e9cialistes ! C\u2019est dire ! Cette difficult\u00e9 d\u2019appr\u00e9hender la science derri\u00e8re l\u2019IA a probablement un lien avec les fantasmes qui lui sont associ\u00e9s. On imagine \u00e0 fois le meilleur et le pire de ce que l\u2019on ne peut pas expliquer avec son espace restreint de connaissances.<\/p>\n<p>Cela permet aussi de mettre l\u2019IA \u00e0 toutes les sauces dans le marketing. L\u2019appellation d\u2019IA est encore utilis\u00e9e pour valoriser certaines offres mais le machine learning l\u2019est tout autant maintenant. Derri\u00e8re le marketing, il reste \u00e0 comprendre ce que le fournisseur a r\u00e9ellement produit : a-t-il assembl\u00e9 des briques logicielles existantes (souvent en open source), a-t-il cr\u00e9\u00e9 des briques sp\u00e9cifiques, a-t-il juste entra\u00een\u00e9 un mod\u00e8le, la solution est-elle une simple application directe de techniques existantes ? C\u2019est ce que nous verrons dans l\u2019\u00e9pisode suivant !<\/p>\n<p><strong>Reconnaissance de la parole <\/strong><\/p>\n<p>C\u2019est une technologie commune et disponible dans les applications grand public. Le march\u00e9 est domin\u00e9 par de grands acteurs am\u00e9ricains (OK <strong>Google<\/strong>, <strong>Microsoft <\/strong>Cortana, <strong>Apple <\/strong>Siri, <strong>Amazon <\/strong>Alexa) et, en OEM, par <strong>Nuance <\/strong>qui vend sa solution un peu partout. Apple a fait l\u2019acquisition de la start-up <strong>VocaliQ <\/strong>en 2015 et <strong>Sensory <\/strong>fait avancer l\u2019\u00e9tat de l\u2019art de mani\u00e8re ind\u00e9pendante depuis plus de 20 ans.<\/p>\n<p>La reconnaissance de la parole s\u2019appuyait au d\u00e9part sur des techniques statistiques et notamment bay\u00e9siennes. Elle a fait des progr\u00e8s continus gr\u00e2ce \u00e0 l\u2019int\u00e9gration de techniques diff\u00e9rentes telles que le deep learning, le big data, les r\u00e9seaux neuronaux et des mod\u00e8les de Markov \u00e0 base de statistiques. Elle profite aussi de l\u2019augmentation r\u00e9guli\u00e8re de la puissance des processeurs et notamment des processeurs mobiles. <a href=\"https:\/\/devblogs.nvidia.com\/parallelforall\/deep-speech-accurate-speech-recognition-gpu-accelerated-deep-learning\/\">Nvidia<\/a> propose depuis peu d\u2019exploiter les fonctions GPU de ses chipsets pour mettre en \u0153uvre des techniques de deep learning, b\u00e9n\u00e9ficiant du fort parall\u00e9lisme des nombreux GPU disponibles. Les solutions de reconnaissance vocale ont souvent besoin d\u2019acc\u00e9der \u00e0 des bases de donn\u00e9es de r\u00e9f\u00e9rence, surtout s\u2019il fonctionne sans apprentissage de la voix de l\u2019utilisateur. Cela n\u00e9cessite un aller et retour avec les serveurs du service, ce qui se sent si on utilise un smartphone. D\u2019o\u00f9 l\u2019int\u00e9r\u00eat de la 4G et de son d\u00e9bit comme de son faible temps de latence pour les allers et retours avec les serveurs.<\/p>\n<p>Pour en savoir plus, voir cet historique de la recherche en reconnaissance de la parole : <a href=\"http:\/\/repository.fuoye.edu.ng\/bitstream\/123456789\/1017\/1\/survey%20of%20technical%20progress%20in%20speech%20recognition%20by%20machine%20over%20few%20years%20of%20research.pdf\">Survey of Technical Progress in Speech Recognition by Machine over Few Years of Research<\/a> parue en 2015. Ce sujet se retrouve \u00e0 la fin de cet article car comme les suivants, il int\u00e8gre de nombreuses branches du savoir issu de plusieurs d\u00e9cennies de recherches dans l\u2019IA.<\/p>\n<p>On est encore <a href=\"https:\/\/www.sciencedaily.com\/releases\/2016\/01\/160111135231.htm\">loin de la solution parfaite<\/a>, notamment parce que les logiciels manquent d\u2019informations sur le contexte des conversations (voir aussi <a href=\"http:\/\/www.wired.com\/2016\/04\/long-form-voice-transcription\/\">Why our crazy smart AI still sucks in transcribing speech<\/a> paru dans Wired en avril 2016). Le taux de fiabilit\u00e9 n\u2019est jamais de 100%. Il ne l\u2019est d\u2019ailleurs jamais pour l\u2019homme \u00e9galement ! Par exemple, Microsoft Cortana atteint un taux d\u2019erreur d\u2019environ 8%, soit le double de celui de l\u2019homme. Ce taux d\u2019erreurs de l&#8217;IA diminuerait de 25% par an. Microsoft pr\u00e9voit d\u2019atteindre le taux d\u2019erreur humain d\u2019ici quelques ann\u00e9es. Et encore, c\u2019est pour l\u2019anglais ! Le taux d\u2019erreur est toujours\u00a0plus \u00e9lev\u00e9 dans d\u2019autres langues comme le chinois. D\u2019o\u00f9 l\u2019int\u00e9r\u00eat de la r\u00e9cente publication en open source de la solution <a href=\"https:\/\/thestack.com\/world\/2016\/01\/15\/baidu-releases-open-source-ai-code\">Deep Speech 2<\/a> de <strong>Baidu<\/strong>.<\/p>\n<p>Le taux d\u2019erreur est particuli\u00e8rement \u00e9lev\u00e9 s\u2019il y a du bruit ambiant, comme dans la rue, dans un endroit o\u00f9 il y a du monde et m\u00eame dans sa voiture. Des techniques de captation du son et d\u2019\u00e9limination du bruit ambiant existent aussi. Certaines portent sur l\u2019analyse spectrale et le filtrage de fr\u00e9quences. D\u2019autres utilisent la captation st\u00e9r\u00e9ophonique pour s\u00e9parer le bruit proche (diff\u00e9renti\u00e9) du bruit lointain (qui l\u2019est moins). J\u2019avais m\u00eame vu la start-up isra\u00e9lienne <b>VocalZoom <\/b>au CES 2015 qui utilisait un laser pour capter les vibrations des l\u00e8vres. Il faut juste trouver o\u00f9 placer le laser, ce qui est plus facile sur les installations fixes.<\/p>\n<p><a href=\"https:\/\/www.oezratty.net\/wordpress\/wp-content\/WindowsLiveWriter\/Lintelligence-artificielle-est-elle-un-p_D8B5\/VocalZoom.jpg\"><img loading=\"lazy\" decoding=\"async\" style=\"background-image: none; padding-top: 0px; padding-left: 0px; margin: 10px 0px 10px 10px; display: inline; padding-right: 0px; border-width: 0px;\" title=\"VocalZoom\" src=\"https:\/\/www.oezratty.net\/wordpress\/wp-content\/WindowsLiveWriter\/Lintelligence-artificielle-est-elle-un-p_D8B5\/VocalZoom_thumb.jpg\" alt=\"VocalZoom\" width=\"727\" height=\"269\" border=\"0\" \/><\/a><\/p>\n<p><strong>Reconnaissance d\u2019images <\/strong><\/p>\n<p>Cette fonction est devenue aussi critique que la reconnaissance de la parole et notamment dans les moteurs de recherche et certains r\u00e9seaux sociaux, pour identifier des visages, des expressions ainsi que des lieux. Elle est aussi pr\u00e9sente depuis des d\u00e9cennies dans les logiciels d\u2019OCR pour reconnaitre les textes, images et sch\u00e9mas de documents scann\u00e9s. Nous avions m\u00eame un leader en France dans le domaine avec la soci\u00e9t\u00e9 <strong>LTU<\/strong>, rachet\u00e9e par le japonais Jastec en 2005.<\/p>\n<p>La reconnaissance d\u2019images est l\u2019une des principales applications des r\u00e9seaux neuronaux, du machine learning et du deep learning comme nous l\u2019avons vu pr\u00e9c\u00e9demment. L\u2019un des objectifs de la recherche est d\u2019\u00e9lever au maximum le niveau s\u00e9mantique de la reconnaissance, pour identifier les personnes et objets sur les images. Par exemple, dans le cas des solutions de <strong>Nvidia <\/strong>ou <strong>Mobileye <\/strong>pour la conduite assist\u00e9e, il s\u2019agit de d\u00e9tecter au pixel pr\u00e8s ceux qui correspondent \u00e0 des pi\u00e9tons, des cyclistes, des v\u00e9hicules, de la signalisation au sol et des panneaux de signalisation.<\/p>\n<p><strong>Google <\/strong>est \u00e9videmment friand de ce genre de technologies qu\u2019ils utilisent dans Google Image et Google Photo. Google Image est capable (avec le glisser-d\u00e9placer) d\u2019identifier des images similaires \u00e0 celle que l\u2019on fournit. Cela utilise probablement une m\u00e9thode simple de cr\u00e9ation de hash-code sur les photos et de recherche dans l\u2019index d\u2019une grande base de donn\u00e9es. Dans leur projet FaceNet, Google annonce avoir atteint un taux de r\u00e9ussite de d\u00e9tection de visage de 99,63%. Voir <a href=\"http:\/\/arxiv.org\/pdf\/1503.03832v3.pdf\">FaceNet: A Unified Embedding for Face Recognition and Clustering<\/a>. publi\u00e9 en juin 2015. Le tout s\u2019appuie sur un r\u00e9seau neuronal \u00e0 22 couches.<\/p>\n<p><a href=\"https:\/\/www.oezratty.net\/wordpress\/wp-content\/WindowsLiveWriter\/Lintelligence-artificielle-est-elle-un-p_D8B5\/Facebook-Deepface.jpg\"><img loading=\"lazy\" decoding=\"async\" style=\"background-image: none; padding-top: 0px; padding-left: 0px; margin: 10px 0px 10px 10px; display: inline; padding-right: 0px; border: 0px;\" title=\"Facebook Deepface\" src=\"https:\/\/www.oezratty.net\/wordpress\/wp-content\/WindowsLiveWriter\/Lintelligence-artificielle-est-elle-un-p_D8B5\/Facebook-Deepface_thumb.jpg\" alt=\"Facebook Deepface\" width=\"534\" height=\"396\" border=\"0\" \/><\/a><\/p>\n<p>De son c\u00f4t\u00e9, <strong>Facebook <\/strong>et son projet DeepFace s\u2019appuie sur la technologie issue d\u2019une start-up isra\u00e9lienne <strong>face.com<\/strong>. Son taux de r\u00e9ussite serait de 97,25% pour v\u00e9rifier qu\u2019une personne sur une photo est la m\u00eame sur une autre, quel que soit l\u2019angle de la prise de vue et l\u2019\u00e9clairage. C\u2019est juste en-dessous du taux de reconnaissance humain qui serait \u00e9valu\u00e9 \u00e0 97,5%.<\/p>\n<p>On trouve de la d\u00e9tection de visages dans plein de solutions du march\u00e9 comme avec la fonction Faces de <strong>Apple <\/strong>iPhoto. Elle provient peut-\u00eatre de la start-up su\u00e9doise <strong>Polar Rose <\/strong>acquise par Apple en 2010. De mani\u00e8re peu surprenante, Apple a aussi acquis, d\u00e9but 2016, la start-up <strong>Emotient<\/strong>, sp\u00e9cialis\u00e9e dans la reconnaissance d\u2019\u00e9motions faciales \u00e0 base de machine learning. Le matching de visages est une chose, mais d\u00e9tecter les \u00e9motions en est une autre et on peut s\u2019attendre \u00e0 ce qu\u2019Apple utilise cette fonctionnalit\u00e9 dans les \u00e9volutions de ses solutions, notamment dans la visioconf\u00e9rence Facetime. Les APIs en cloud propos\u00e9es par Microsoft Research dans le cadre de son <a href=\"https:\/\/www.projectoxford.ai\/\">projet Oxford<\/a> apportent des services \u00e9quivalents aux d\u00e9veloppeurs d\u2019applications. <strong>Google<\/strong> fait de m\u00eame avec ses <a href=\"https:\/\/cloud.google.com\/vision\/\">Cloud Vision APIs<\/a>. Cette abondance des offres rappelle que les technologies de l\u2019IA, une fois au point, deviennent rapidement des commodit\u00e9s. Les m\u00e9thodes sont sur la place publique. Il faut ensuite les mettre en \u0153uvre avec du logiciel et du mat\u00e9riel. La diff\u00e9rence se situe dans l\u2019impl\u00e9mentation et aussi dans le marketing.<\/p>\n<p>La reconnaissance des visages est \u00e9videmment un sujet chaud pour les services de s\u00e9curit\u00e9. On en voit dans tous les films et s\u00e9ries TV ! En quelques secondes, les suspects sont identifi\u00e9s. Est-ce comme cela dans la vraie vie ? Probablement pas. Cela explique pourquoi le <strong>FBI <\/strong>a lanc\u00e9 son projet NGI (Next Generation Identification) en 2009 et maintenant op\u00e9rationnel. Il \u00e9tait pourvu \u00e0 hauteur de la bagatelle de $1B et r\u00e9alis\u00e9 par Lockheed Martin.<\/p>\n<p>Le march\u00e9 de la reconnaissance faciale est aussi prolixe en solutions diffus\u00e9es en OEM, comme <strong>imagga <\/strong>(seulement $300K de lev\u00e9s) et ses API en cloud de tagging automatique d\u2019images en fonction de leur contenu, <strong>Cognitec <\/strong>qui vise surtout les march\u00e9s de la s\u00e9curit\u00e9, <strong>Cortexica <\/strong>($6,6m de lev\u00e9s) et son logiciel findSimilar en cloud qui met en \u0153uvre ces techniques pour le retail et <strong>Slyce <\/strong>qui cible aussi le march\u00e9 du retail ($37m de lev\u00e9s + IPO en avril 2015).<\/p>\n<p>A noter un\u00a0autre domaine connexe, celui de la reconnaissance de l&#8217;\u00e9criture manuscrite\u00a0\u00e0 partir d&#8217;encre digitale, saisie par exemple avec un stylet comme sur les tablettes. Ce march\u00e9 est moins connu que pour la reconnaissance vocale ou d&#8217;images. Et nous y avons un champion fran\u00e7ais, la soci\u00e9t\u00e9\u00a0<strong>MyScript<\/strong>, anciennement Vision Objects, qui est bas\u00e9e \u00e0 Nantes et qui vend notamment son logiciel \u00e0 Samsung.<\/p>\n<p><strong>Reconnaissance de vid\u00e9os<\/strong><\/p>\n<p>La reconnaissance de vid\u00e9os est une \u00e9volution naturelle de la reconnaissance d\u2019images, \u00e0 ceci pr\u00e8s que les vid\u00e9os fournissent plus d\u2019information. Elle elle est utile dans tout un tas de contexte, notamment pour les voitures \u00e0 conduite automatique, un domaine o\u00f9 l\u2019ordinateur <a href=\"http:\/\/www.nytimes.com\/2015\/12\/11\/science\/an-advance-in-artificial-intelligence-rivals-human-vision-abilities.html\">peut maintenant d\u00e9passer l\u2019homme<\/a>.<\/p>\n<p>De son c\u00f4t\u00e9, <strong>Facebook <\/strong>sait reconnaitre un sport dans une vid\u00e9o en s\u2019appuyant sur des r\u00e9seaux neuronaux. Quant \u00e0 <strong>Google <\/strong>Brain, il est capable d\u2019identifier des chats dans des vid\u00e9os mais avec un taux d\u2019erreurs encore tr\u00e8s \u00e9lev\u00e9, de l\u2019ordre de 25%. La reconnaissance des visages est pr\u00e9cise \u00e0 81,7% pr\u00e8s (<a href=\"http:\/\/www.wired.com\/2012\/06\/google-x-neural-network\/\">source<\/a>). Il faut un d\u00e9but \u00e0 tout !<\/p>\n<p>On trouve des solutions de reconnaissance de visage dans les vid\u00e9os chez <a href=\"https:\/\/www.kairos.com\/products\">Kairos<\/a> qui savent aussi analyser les \u00e9motions et quantifier les foules, chez <strong>KeyLemon <\/strong>($1,5m de lev\u00e9s) qui propose une solution en cloud, chez <strong>Clarifai<\/strong> ($10m de lev\u00e9s) qui permet notamment de faire de la curation de contenus photo et vid\u00e9o, ou chez le japonais <strong>NEC<\/strong>. Il faut aussi citer <strong>OpenCV<\/strong>, une solution open source de d\u00e9tection de visages. Voir <a href=\"https:\/\/facedetection.com\/software\/\">cette liste<\/a> de solutions pour d\u00e9veloppeurs de d\u00e9tection de visages dans les vid\u00e9os.<\/p>\n<p><strong>Agents intelligents et r\u00e9seaux d\u2019agents<\/strong><\/p>\n<p>Dans ce concept apparu dans les ann\u00e9es 1990, les agents intelligents permettent de r\u00e9soudre des probl\u00e8mes dans des architectures distribu\u00e9es. Conceptuellement, un agent est un logiciel ou un mat\u00e9riel qui capte de l\u2019information, d\u00e9cide d\u2019agir rationnellement en fonction des donn\u00e9es r\u00e9cup\u00e9r\u00e9es et d\u00e9clenche un action pour optimiser ses chances de succ\u00e8s. Si c\u2019est du mat\u00e9riel, il comprendra des capteurs et des actuateurs. Mais il peut n\u2019\u00eatre que du logiciel et obtenir des donn\u00e9es brutes en entr\u00e9es et g\u00e9n\u00e9rer des donn\u00e9es en sortie. Un agent r\u00e9agit donc en fonction de l\u2019environnement et en temps r\u00e9el. Les agents intelligents sont int\u00e9gr\u00e9s dans des syst\u00e8mes distribu\u00e9s d\u00e9nomm\u00e9s syst\u00e8mes multi-agents avec des agents autonomes, mais reli\u00e9s et collaborant entre eux.<\/p>\n<p>On compte notamment les <strong>Distributed Problem Solving <\/strong>(DPS) qui d\u00e9coupent un probl\u00e8me en sous-probl\u00e8mes qui sont r\u00e9solus de mani\u00e8re coop\u00e9rative entre plusieurs agents reli\u00e9s les uns aux autres. Ces syst\u00e8mes sont con\u00e7us pour r\u00e9soudre des probl\u00e8mes bien sp\u00e9cifiques.<\/p>\n<p>Les agents sont classifi\u00e9s par Russell &amp; Norvig dans <a href=\"http:\/\/www.amazon.fr\/Artificial-Intelligence-Approach-Stuart-Russell\/dp\/1292153962\/ref=sr_1_1?ie=UTF8&amp;qid=1457804190&amp;sr=8-1&amp;keywords=Artificial+Intelligence+%E2%80%93+A+Modern+Approach\">Artificial Intelligence \u2013 A Modern Approach<\/a> (2003-2009) en <a href=\"http:\/\/kuliah-sore-malam-unkris.ggkarir.co.id\/IT\/en\/2185-2061\/intelligent-agents_9936_kuliah-sore-malam-unkris-ggkarir.html\">types distincts<\/a> selon leur niveau d\u2019autonomie et leur mode de prise de d\u00e9cision :<\/p>\n<ul>\n<li>Les <strong>simple reflex agents<\/strong> qui comprennent des capteurs, des r\u00e8gles indiquant quelle action mener et des actuateurs pour les d\u00e9clencher. Ils travaillent en temps r\u00e9el.<\/li>\n<li>Les <strong>model based reflex agents<\/strong> qui ajoutent un moteur d\u2019\u00e9tat capable de m\u00e9moriser dans quel \u00e9tat se trouve l\u2019objet et qui \u00e9valuent l\u2019impact des actions pour changer d\u2019\u00e9tat.<\/li>\n<li>Les <strong>goal-based agents<\/strong> qui prennent leur d\u00e9cision en fonction d\u2019un objectif et d\u00e9terminent une action pour l\u2019atteindre.<\/li>\n<li>Les <strong>utility-based agents <\/strong>qui prennent leur d\u00e9cision en fonction d\u2019un but \u00e0 atteindre qui est plus g\u00e9n\u00e9ral.<\/li>\n<li>Les <strong>learning agents<\/strong> qui contiennent une fonction d\u2019auto-apprentissage.<\/li>\n<\/ul>\n<p><a href=\"https:\/\/www.oezratty.net\/wordpress\/wp-content\/WindowsLiveWriter\/Lintelligence-artificielle-est-elle-un-p_D8B5\/Agents-Types.jpg\"><img loading=\"lazy\" decoding=\"async\" style=\"background-image: none; padding-top: 0px; padding-left: 0px; margin: 10px 0px 10px 10px; display: inline; padding-right: 0px; border-width: 0px;\" title=\"Agents Types\" src=\"https:\/\/www.oezratty.net\/wordpress\/wp-content\/WindowsLiveWriter\/Lintelligence-artificielle-est-elle-un-p_D8B5\/Agents-Types_thumb.jpg\" alt=\"Agents Types\" width=\"630\" height=\"331\" border=\"0\" \/><\/a><\/p>\n<p>Vu de haut, les r\u00e9seaux d\u2019agents ressemblent aux r\u00e9seaux de neurones mais leur mode de fonctionnement est diff\u00e9rent. Un agent peut tr\u00e8s bien \u00eatre lui-m\u00eame individuellement construit avec un r\u00e9seau de neurones pour r\u00e9aliser une t\u00e2che sp\u00e9cifique comme la reconnaissance de la parole ou d\u2019images. Un autre agent va utiliser le texte g\u00e9n\u00e9r\u00e9 par la reconnaissance puis appliquer un processus de reconnaissance s\u00e9mantique, puis un autre va traiter la question, fouiller dans une base de donn\u00e9es ou de connaissance, r\u00e9cup\u00e9rer des r\u00e9sultats, un autre va formuler une r\u00e9ponse et la renvoyer \u00e0 l\u2019utilisateur. Idem pour un syst\u00e8me de traduction automatique qui va d&#8217;abord analyser la parole avec un premier agent, puis r\u00e9aliser la traduction avec un second, puis utiliser un troisi\u00e8me agent de &#8220;text to speech&#8221; pour\u00a0transformer le r\u00e9sultat de mani\u00e8re audible.<\/p>\n<div class='pfimgcont' id = 'pfimg-pfs1' style='background-color:transparent;border-color:transparent;'><div class=\"flowimgcont\" style=\"margin-left:3px;margin-right:3px;text-align:left;;\"><div class=\"flowimgone imgdescm flownoborder\" style=\"width:450px;height:300px;line-height:0;\"><a href=\"https:\/\/www.oezratty.net\/wordpress\/photos\/?g=2016&amp;a=Journ%C3%A9e%20de%20la%20Femme%20Digitale%20Mar2016&amp;o=Stand%20Aldebaran%20%282%29.jpg&amp;dm=on\" target='_blank'><img decoding=\"async\" class='flowimg' src=\"https:\/\/www.oezratty.net\/wordpress\/wp-content\/photo-albums\/2016\/Journ%E9e%20de%20la%20Femme%20Digitale%20Mar2016\/Stand%20Aldebaran%20%282%29.jpg?ts=1457684805\" style=\"width:450px;height:300px;margin-top:0px !important;line-height:0;\" alt='flow'  ><\/a><\/div><br><div   style=\"width: 450px;margin-bottom:14px;\"  class=\"flowimgt imgdescm\" ><div class='imgdescs flowdesc' title=\"Le robot Nao d&#039;Aldebaran a une belle capacit&eacute; de mouvement gr&acirc;ce &agrave; une m&eacute;canique de bon niveau. Il interagit en parlant avec l&#039;utilisateur, mais de mani&egrave;re encore limit&eacute;e. Son grand fr&egrave;re Pepper, est dot&eacute; d&#039;une capacit&eacute; &agrave; capter les &eacute;motions des humains qu&#039;il a en face de lui mais sa capacit&eacute; de dialogue est encore approximative.\">Le robot Nao d'Aldebaran a une belle capacit\u00e9 de mouvement gr\u00e2ce \u00e0 une m\u00e9canique de bon niveau. Il interagit en parlant avec l'utilisateur, mais de mani\u00e8re encore limit\u00e9e. Son grand fr\u00e8re Pepper, est dot\u00e9 d'une capacit\u00e9 \u00e0 capter les \u00e9motions des humains qu'il a en face de lui mais sa capacit\u00e9 de dialogue est encore approximative.<\/div><div class='detaileddesc imgdescd'><\/div><\/div><\/div><\/div><script>$(document).ready( function() { pfnavw.pfslug = \"https:\/\/www.oezratty.net\/wordpress\/wp-content\/photo-albums\";pfnavw.pfslugc = \"https:\/\/www.oezratty.net\/wordpress\/wp-content\/photo-cache\";pfnavw.st = \"aldebaran\";pfnavw.pfplug = \"https:\/\/www.oezratty.net\/wordpress\/photos\/\";pfnavw.nbrimg['pfs1'] = 2;pfnavw.istouch = false;pfnavw.issmart = false;pfnavw.imgcont['pfs1'] = 'flowimgcont';pfnavw.isadmin = 0;pfnavw.pfpluginurl  = \"https:\/\/www.oezratty.net\/wordpress\/wp-content\/plugins\/photo-folders\/\";$('.pftexthi').css('color', '#2580a2');});<\/script>\n<p>Un robot autonome est aussi un condens\u00e9 de nombreux agents qui g\u00e8rent diff\u00e9rents niveaux d&#8217;abstraction avec de nombreux capteurs, de la m\u00e9canique, des syst\u00e8mes permettant au robot de savoir o\u00f9 il est, avec quoi il interagit, etc. Un robot est particuli\u00e8rement complexe \u00e0 mettre au point car il cumule des d\u00e9fis au niveau des capteurs, de la m\u00e9canique pour se mouvoir, de la batterie pour son autonomie, et dans l&#8217;intelligence artificielle pour piloter l&#8217;ensemble et \u00e9ventuellement interagir \u00e0 la fois m\u00e9caniquement, visuellement et oralement avec des humains.<\/p>\n<p>Le niveau d\u2019abstraction des r\u00e9seaux d\u2019agents est plus \u00e9lev\u00e9 que celui des r\u00e9seaux de neurones. D\u2019o\u00f9 le fait que j\u2019en termine par l\u00e0 sur cette partie !<\/p>\n<p>Les agents sont notamment utilis\u00e9s dans les syst\u00e8mes de call centers. Une start-up fran\u00e7aise s\u2019\u00e9tait lanc\u00e9e (parmi d\u2019autres) sur ce cr\u00e9neau : <strong>Virtuoz<\/strong>. Elle a \u00e9t\u00e9 acquise en 2013 par l\u2019am\u00e9ricain <strong>Nuance<\/strong>. Il existe m\u00eame un concours du <a href=\"http:\/\/www.sensduclient.com\/2016\/02\/qui-sera-miss-client-ou-mister-client.html#more\">meilleur agent de service client en ligne<\/a>, lanc\u00e9 en 2016 en France avec une trentaine de candidats ! Quid des outils de d\u00e9veloppement associ\u00e9s ? <a href=\"https:\/\/en.wikipedia.org\/wiki\/Comparison_of_agent-based_modeling_software\">Il y en a plein<\/a>, et notamment en open source.<\/p>\n<p>____________________________________<\/p>\n<p>Dans la <a href=\"https:\/\/www.oezratty.net\/wordpress\/2016\/avancees-intelligence-artificielle-3\/\">troisi\u00e8me partie<\/a> de cette s\u00e9rie, nous \u00e9tudierons l\u2019\u00e9tude de cas d\u2019IBM Watson pour \u00e9voquer les m\u00e9thodes de commercialisation et de marketing des solutions d\u2019intelligence artificielle.<\/p>\n<p>____________________________________<\/p>\n<p>Vous pouvez consulter tous les \u00e9pisodes de ce roman fleuve de printemps sur l\u2019intelligence artificielle :<\/p>\n<p align=\"left\">Episode 1 : <a href=\"https:\/\/www.oezratty.net\/wordpress\/2016\/avancees-intelligence-artificielle-1\/\">s\u00e9mantique et questions cl\u00e9s<\/a><br \/>\nEpisode 2 : <a href=\"https:\/\/www.oezratty.net\/wordpress\/2016\/avancees-intelligence-artificielle-2\/\">histoire et technologies de l\u2019intelligence artificielle<\/a><br \/>\nEpisode 3 : <a href=\"https:\/\/www.oezratty.net\/wordpress\/2016\/avancees-intelligence-artificielle-3\/\">IBM Watson et le marketing de l\u2019intelligence artificielle<\/a><br \/>\nEpisode 4 : <a href=\"https:\/\/www.oezratty.net\/wordpress\/2016\/avancees-intelligence-artificielle-4\/\">les startups US de l\u2019intelligence artificielle<\/a><br \/>\nEpisode 5 : <a href=\"https:\/\/www.oezratty.net\/wordpress\/2016\/avancees-intelligence-artificielle-5\/\">les startups acquises par les grands du num\u00e9rique<\/a><br \/>\nEpisode 6 : <a href=\"https:\/\/www.oezratty.net\/wordpress\/2016\/avancees-intelligence-artificielle-6\/\">les startups fran\u00e7aises de l\u2019intelligence artificielle<\/a><br \/>\nEpisode 7 : <a href=\"https:\/\/www.oezratty.net\/wordpress\/2016\/avancees-intelligence-artificielle-7\/\">la mod\u00e9lisation et la copie du cerveau<\/a><br \/>\nEpisode 8 : <a href=\"https:\/\/www.oezratty.net\/wordpress\/2016\/avancees-intelligence-artificielle-8\/\">\u00e9volutions de la loi de Moore et applications \u00e0 l\u2019intelligence artificielle<\/a><br \/>\nEpisode 9 : <a href=\"https:\/\/www.oezratty.net\/wordpress\/2016\/avancees-intelligence-artificielle-9\/\">la robotisation en marche des m\u00e9tiers<\/a><\/p>\n","protected":false},"excerpt":{"rendered":"<p>Apr\u00e8s une petite introduction sur ce qu\u2019est ou pas l\u2019intelligence artificielle, passons \u00e0 un c\u00f4t\u00e9 plus terre \u00e0 terre en faisant un petit inventaire approximatif des techniques de l\u2019IA. Il s\u2019agit toujours de vulgarisation et d\u2019une restitution de mon processus de d\u00e9couverte du sujet au fil de l\u2019eau ! Nous \u00e9voquerons en partie la question [&hellip;]<\/p>\n","protected":false},"author":1,"featured_media":0,"comment_status":"open","ping_status":"open","sticky":false,"template":"","format":"standard","meta":{"footnotes":""},"categories":[4],"tags":[2647,2645,2646,2656,2658,2470,2657,2644],"class_list":["post-12348","post","type-post","status-publish","format-standard","hentry","category-actualites","tag-agi","tag-artificial-intelligence","tag-asi","tag-cognitive-computing","tag-deepmind","tag-google","tag-ibm-watson","tag-intelligence-artificielle"],"views":41753,"_links":{"self":[{"href":"https:\/\/www.oezratty.net\/wordpress\/wp-json\/wp\/v2\/posts\/12348","targetHints":{"allow":["GET"]}}],"collection":[{"href":"https:\/\/www.oezratty.net\/wordpress\/wp-json\/wp\/v2\/posts"}],"about":[{"href":"https:\/\/www.oezratty.net\/wordpress\/wp-json\/wp\/v2\/types\/post"}],"author":[{"embeddable":true,"href":"https:\/\/www.oezratty.net\/wordpress\/wp-json\/wp\/v2\/users\/1"}],"replies":[{"embeddable":true,"href":"https:\/\/www.oezratty.net\/wordpress\/wp-json\/wp\/v2\/comments?post=12348"}],"version-history":[{"count":0,"href":"https:\/\/www.oezratty.net\/wordpress\/wp-json\/wp\/v2\/posts\/12348\/revisions"}],"wp:attachment":[{"href":"https:\/\/www.oezratty.net\/wordpress\/wp-json\/wp\/v2\/media?parent=12348"}],"wp:term":[{"taxonomy":"category","embeddable":true,"href":"https:\/\/www.oezratty.net\/wordpress\/wp-json\/wp\/v2\/categories?post=12348"},{"taxonomy":"post_tag","embeddable":true,"href":"https:\/\/www.oezratty.net\/wordpress\/wp-json\/wp\/v2\/tags?post=12348"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}