Intelligence artificielle et IoT

Selon un classement effectué par Gartner, en 2015, l’intelligence artificielle, les capteurs et les objets connectés représentent les tendances phares des années 2016-2020.

Les dispositifs multiples, des terminaux mobiles aux appareils électroniques, en passant par les objets connectés et leurs capteurs, constituent la première grande tendance citée par la société d’études.

L’automatisation des tâches et l’intelligence artificielle figurent en bonne place dans le classement des 10 tendances technologiques d’avenir présenté par le cabinet Gartner lors de sa conférence Symposium/ITxpo 2015 d’Orlando.

Le terme « intelligence artificielle » a été créé par John McCarthy et est défini par l’un de ses créateurs comme « la construction de programmes informatiques qui s’adonnent à des tâches qui sont, pour l’instant, accomplies par des êtres humains »car elles demandent des processus mentaux de haut niveau tels que : l’apprentissage perceptuel, l’organisation de la mémoire et le raisonnement critique ».

 

1)Une petite histoire de l’intelligence artificielle

 

L’origine de l’intelligence artificielle se trouve probablement dans l’article d’Alan Turing « Computing Machinery and Intelligence » (Mind, octobre 1950), où Turing explore le problème et propose une expérience, le test de Turing,  pour tenter de qualifier une machine de « consciente ». Il développe cette idée notamment la conférence qu’il donne à la BBC, le 15 mai 1951 « Les calculateurs numériques peuvent-ils penser ? ».

Alan Turing propose « le jeu de l’imitation » qui fixait un objectif précis à l’informatique. Ce « jeu de l’imitation » suggérait qu’un juge puisse dialoguer avec une machine et un humain à l’aide d’un terminal sans pouvoir les différencier l’un de l’autre.

turing

Jusqu’à ce jour, personne n’a encore pu réaliser ce test, malgré la tentative de nombreux programmes.

De nos jours, une machine peut certes réviser, faire évoluer des objectifs qu’on lui a attribués. Une machine peut même être programmée pour pouvoir réécrire, restructurer sa connaissance initiale à partir d’informations reçues. Néanmoins, la machine d’aujourd’hui n’a pas conscience d’elle-même et en particulier de ses limites.

 

deepblue

 

                                                                                                                                                               Deep Blue

On considère que l’intelligence artificielle, en tant que domaine de recherche, a été créée à la conférence qui s’est tenue sur le campus de Darmouth College, pendant l’été 1956 à laquelle assistaient ceux qui vont marquer la discipline. Ensuite, l’intelligence artificielle se développe surtout aux États-Unis à l’université de Stanford, sous l’impulsion de John McCarthy, au MIT, sous celle de Marvin Minsky, à Carnegie-Mellon sous celle de Allen Newell et Herbert Simon et à Edimbourg, sous celle de Donald Michie.

L’intelligence artificielle connaît un essor important, au cours des années 1960 et 1970. Cependant, suite à des résultats décevants, son succès s’estompe au milieu des 1980. L’intelligence artificielle pourrait avoir des inconvénients, si par exemple les machines devenaient plus intelligentes que les humains, et finissaient par les dominer. On reconnaît ici le thème du film Terminator.

Cependant, l’intelligence artificielle est redevenue un véritable sujet d’actualité au 21ème siècle. En 2004, l’Institut Singularity a lancé une campagne Internet appelée « Three Laws Unsafe pour sensibiliser aux questions de la problématique de l’intelligence artificielle et l’insuffisance des lois d’Asimov en particulier..

En 2005, le projet Blue Brain vise à simuler le cerveau des mammifères, il s’agit d’une des méthodes envisagées pour réaliser une IA. Ils annoncent comme objectif de fabriquer, dans dix ans, le premier « vrai » cerveau électronique.

En 2009, le  MIT a lancé un projet visant à repenser la recherche en intelligence artificielle. Il réunira des scientifiques qui ont eu du succès dans des domaines distincts de l’IA.

Le 27 janvier 2010, l’US Air Force demande l’aide de l’industrie pour développer une intelligence avancée de collecte d’information et avec la capacité de décision rapide pour aider les forces américaines à attaquer ses ennemis rapidement à leurs points les plus vulnérables. D’autre part, d’ici 2020, plus de mille bombardiers et chasseurs F-22 et F-35 de dernière génération, parmi plus de 2 500 avions militaires, commenceront à être équipés de sorte que, d’ici 2040, tous les avions de guerre américains soient pilotés par intelligence artificielle.

Le 16 février 2011, Watson, le superordinateur conçu par IBM remporte deux des trois manches du jeu télévisé Jeopardy ! en battant largement ses deux concurrents humains en gains cumulés. La performance a constitué, pour cette AI, à répondre à des questions de culture générale  dans des délais très courts.

 

watson

 

En mai 2013, Google ouvre un laboratoire de recherches dans les locaux de la NASA. Grâce à un super ordinateur quantique, conçu par D-Wave Systems et qui serait, d’après cette société 11 000 fois plus performant qu’un ordinateur actuel, ils espèrent ainsi faire progresser l’intelligence artificielle et notamment l’apprentissage automatique.

En 2014-2015, suite au développement rapide du deep learning, quelques scientifiques et membres de la communauté high tech dont Stephen Hawking, Bill Gates et Elon Musk craignent que l’intelligence artificielle ne vienne à terme dépasser les performances de l’intelligence humaine.

 

2) Les technologies et les domaines d’application de l’IA

 

a)Les technologies de l’IA

Au cours du temps, certains langages de programmation se sont avérés plus commodes que d’autres pour écrire des applications d’intelligence artificielle. Parmi ceux-ci, Lisp et Prolog ont été les plus médiatisés. Lisp constituait une solution ingénieuse pour faire de l’intelligence artificielle en Fortran. ELIZA, le premier agent conversationnel, tenait en trois pages de SNOBOL. On utilise aussi, pour des raisons de disponibilité et de performance, des langages classiques tels que C ou C++.

Des programmes de démonstration de théorèmes géométriques simples ont existé dès les années 1960. Des logiciels tels que Maple ou Mathematica effectuent aujourd’hui des travaux d’intégration symbolique.

Aujourd’hui, le deep learning est de plus en plus utilisé en IA. Il se fonde sur l’apprentissage de modèles de données. Une observation (comme une image) peut être représentée de différentes façons par un vecteur de données en fonction de :

  • l’intensité des pixels dont elle est constituée
  • ses différentes arêtes,
  • les différentes régions de forme particulière…

Certaines représentations, et une bonne capacité d’analyse automatique des différentiations rendent la tâche d’apprentissage plus efficace.

Les recherches dans ce domaine s’efforcent à construire de meilleures représentations du réel et de créer des modèles capables d’apprendre ces représentations à partir de données non labellisées à grande échelle. Certaines de ces représentations s’inspirent des dernières avancées en neuroscience qui sont des interprétations du traitement de l’information et des modèles de communication du système nerveux.

 

b) Les use cases de l’IA

L’intelligence artificielle intervient dans une variété de domaines tels que :

  • la banque, avec des systèmes experts d’évaluation de risque lié à l’octroi d’un crédit (credit-scoring)
  • le militaire, avec les systèmes autonomes tels que les drones, les systèmes de commandement et l’aide à la décision
  • les jeux vidéos
  • la médecine, avec les systèmes d’aide au diagnostic
  • la logistique, au travers de problème de satisfaction de contraintes
  • la robotique

 robotIA

c) IA+IoT : La tendance 2016

Le CES 2016 a laissé entrevoir une tendance prometteuse : l’intégration de plus d’intelligence artificielle dans les objets connectés, pour leur permettre de comprendre leur environnement et penser presque comme un humain. Cette évolution est rendue possible, par les progrès de la synthèse vocale, de la vision par ordinateur, du calcul dans le cloud et du machine learning

Le nouveau produit de Netatmo présenté au CES, la caméra extérieure Presence, illustre, par exemple, une tendance de fond de l’industrie : les objets connectés deviennent réellement intelligents, grâce à la puissance du cloud, à l’intelligence artificielle, à la vision assistée par ordinateur.

Presence est une caméra extérieure pour la maison capable de détecter les personnes, les animaux et les voitures. Elle analyse en temps réel l’environnement pour savoir si un individu s’approche, si une voiture pénètre dans l’allée, si un chien se promène dans le jardin. Elle comprend ce qu’elle voit et va envoyer des notifications sur le smartphone des utilisateurs lorsque des événements se produisent.

 

presence

 

 

 

Combiner l’IoT et l’intelligence, voilà la véritable révolution de 2016.

Parrot, par exemple, a lancé son drone, l’objet connecté par excellence, que l’on peut piloter depuis n’importe quel appareil mobile, tablette, smartphone… Mais deux semaines plus tard Hexo+  lançait son drone intelligent qui n’a plus besoin d’être piloté, qui vous suit sans votre intervention.

De même, plus qu’une télévision intelligente, le petit cube développé par la start-up EmoShape veut permettre un contrôle plus simple de l’Internet des objets avec des émotions.

EmoShape tente de créer une sorte de Siri avec l’image. Grâce à un cube (le EmoSpark) branché à une télévision et à une webcam, le dispositif répond aux ordres de ses utilisateurs (Jouer de la musique, allumer la télévision…). L’objet détecte ainsi les émotions des utilisateurs et réagit en fonction. S’il détecte un moment de tristesse, l’EmoSpark puise dans les données collectées (issues des réseaux sociaux notamment) et joue un morceau qui remontera le moral de l’utilisateur.

 

Il est ainsi très intéressant de constater que l’Intelligence Artificielle, qui avait été pendant 30 ans relégué, redevient, aujourd’hui, un véritable sujet d’actualité. Cependant, ce n’est pas prendre l’IoT ou l’Intelligence Artificielle individuellement qui constitue la tendance de fond de 2016 mais plutôt la combinaison entre les deux concepts ! De plus en plus d’entreprises développent des produits liant IoT et IA.

D’un côté, nous avons donc de plus en plus d’objets connectés qui ont de plus en plus de fonctionnalités et de services et qui peuvent interagir entre eux. De l’autre, nous avons des utilisateurs qui attendent que l’usage de ces objets deviennent de plus en plus simple pour eux.

 

Parmi les nombreuses raisons qui expliquent l’échec partiel de la domotique, il y a la complexité de programmer son système. L’intelligence artificielle peut néanmoins apprendre des « patterns de comportement » que je peux corriger et qui apprendrait au fur et à mesure et m’éviterait toute programmation. Aujourd’hui, l’IA est associée à la reconnaissance vocale ou gestuelle pour les traduire en actions simples, il sera capable d’intégrer l’ensemble de l’environnement, de l’utilisateur, de ses habitudes…

Pour accélérer l’apprentissage et embrasser la diversité des situations, l’IA doit être exposée au maximum de situations. Ce n’est ainsi pas un hasard si Google a mis en Opensource Tensorflow, qui est des principaux moteurs d’apprentissage de Google Now et Google Photos et que Sundar Pichaï CEO de Google (filiale d’Alphabet) souhaite intégrer le machine learning dans tous ses produits.

 

 

Sources :

 

 

 

Cette entrée a été publiée dans Blog. Sauvegarder le permalien.