Colloque

Intelligence artificielle: techniques, capacité et défis

Alain Tapp

Membre a labase

Alain Tapp : Université de Montréal

Résumé de la communication

Le domaine de l’intelligence artificielle est en plein essor et une bonne quantité de produits et prototype nous sont présentés à un rythme essoufflant. Il devient difficile de reconnaitre les champs d’application ou les techniques actuelles sont suffisamment mures pour offrir des solutions intéressantes et utiles. Quels sont les domaines où l’impact des découvertes récentes se fera le plus sentir? S’agit-il d’un léger progrès ou d’un bouleversement? Nous allons aussi aborder les limites des systèmes actuels et les contextes ou l’utilisation de l’IA ou de l'apprentissage automatique pose problème, du moins pour le moment.

Plus spécifiquement, nous ferons un survol des outils actuellement disponibles. Il sera question d’apprentissage supervisé, d’apprentissage profond et d’apprentissage par renforcement. Ces approches ont en commun qu’elle propose des solutions intelligentes basées sur des techniques qui tirent profit d’un grand nombre de cas antérieurs pour lesquels une solution est déjà connue et cataloguée. Ces approches seront abordées à l’aide d’exemples permettant d’illustrer leur force, faiblesse et champ d’application. Il sera aussi question de la nouvelle approche basée sur des systèmes conçurent aussi appelée réseau adverserielle (GAN). Cette approche proposée récemment produit des résultats époustouflants et permet un type d’apprentissage qui est à toute fin pratique non supervisée, c’est-à-dire qui ne nécessite pas d’exemples ou la solution est déjà connu.

Résumé du colloque

Les développements récents en intelligence artificielle (IA) et particulièrement dans le domaine de l’apprentissage machine ont mené à des percées technologiques importantes (Le Cun, Bengio et Hinton). L’IA permet de créer des systèmes de traitement du langage naturel, de reconnaissance de la voix, de l’image ou de reconnaissance faciale. Elle permet aussi de créer de la musique, des textes littéraires ou d’autres contenus artistiques. Elle trouve des applications en transport, en droit, en finance ou en médecine.

Par exemple, le Naval Medical Center de San Diego et Google AI auraient récemment développé un système capable de détecter des cellules cancéreuses du sein avec une fiabilité de 99 %, un taux supérieur ou équivalent à celui des pathologistes humains dans bien des cas. Dans leur livre The Second Machine Age, Erik Brynjolfsson et Andrew McAfee montrent comment l’IA peut transformer le monde du commerce en permettant d’automatiser ou d’optimiser des procédés existants, mais aussi en créant des modèles d’affaires complètement nouveaux, comme pouvaient l’être Facebook ou Google à leur époque.

Bref, l’IA nous promet une hausse de la productivité, de meilleurs soins de santé ou l’accès à de nouveaux savoirs. Mais elle n’est pas sans soulever des enjeux importants. Premièrement, on en sait peu sur les incidences de l’IA et sur la transformation de la dynamique sociétale. Deuxièmement, ce qu’on sait soulève des inquiétudes : comment rendre des comptes de l’usage d’une technologie dont la complexité interne dépasse parfois la capacité de compréhension des êtres humains? Comment éviter la discrimination algorithmique, les violations de la vie privée ou l’opacité souvent associées à l’usage de ces technologies? Comment réduire l’accroissement des inégalités économiques et l’apparition d’une nouvelle fracture numérique? Finalement, comment s’assurer de la juste appropriation de ces technologies par tous les acteurs impliqués, incluant ceux de la société civile?