Le directeur de Z Digital a interviewé Aaron Richiger, cofondateur de Turicode, pour s’enquérir de l’état actuel de l’industrie de l’intelligence artificielle, au-delà du buzzyness. Turicode numérise les contenus de votre entreprise pour créer automatiquement des sites web, des applications mobiles et des bases de connaissances, grâce à l’apprentissage automatique.
Commençons par les mauvaises nouvelles : L’IA et l’apprentissage automatique sont des mots à la mode, ou comme Robin Hanson l’a dit : « La plupart des entreprises qui pensent avoir besoin d’une IA/ML avancée n’ont en fait besoin que d’une régression linéaire sur des données nettoyées ». Les personnes qui n’ont pas d’expérience en matière d’IA/ML sont très susceptibles d’attendre trop d’un système intelligent, par exemple d’un chatbot ou d’un moteur de traduction linguistique basé sur l’apprentissage profond. Ou comme le dit un de mes amis : « Nous passons la moitié du temps dans nos projets d’IA à gérer les attentes des clients »…
Cela dit, de bonnes nouvelles subsistent : Les récentes avancées en matière d’algorithmes, de matériel et de cadres ML faciles à utiliser ont permis de résoudre des tâches qui semblaient impossibles pour une intelligence artificielle il y a quelques années. Et je prédis que nous avons à peine effleuré la surface du plein potentiel de l’IA.
C’est pourquoi je suis optimiste quant au fait que les nouvelles solutions de pointe répondront aux attentes élevées des clients dans un avenir proche.
Les solutions d’IA présentent les avantages suivants par rapport aux solutions traditionnelles basées sur des règles :
- Évolutivité : Les systèmes d’IA s’adaptent et se généralisent mieux pour des données jamais vues ou inattendues.
- Simplicité : Pour les tâches complexes, l’approche de l’IA pourrait être plus simple, en raison du grand nombre de règles nécessaires pour une approche basée sur des règles. L’élaboration manuelle de règles prend du temps, est coûteuse, est sujette à des erreurs et s’adapte mal en cas de variations inattendues des futures données d’entrée.
- Complexité : L’IA (c’est-à-dire l’apprentissage profond) est capable de résoudre des tâches complexes qui sont impossibles à résoudre avec une approche traditionnelle basée sur des règles (par exemple, la traduction en langage naturel).
Nous rencontrons les deux difficultés majeures suivantes dans notre travail quotidien avec les algorithmes ML :
- Une énorme quantité de données d’entraînement est nécessaire pour entraîner une IA, mais les données d’entraînement annotées sont souvent indisponibles et coûteuses à générer.
- Une IA a les mêmes limites que l’intelligence humaine. Par exemple, si les humains ne sont plus d’accord sur le fait que l’animal sur une photo est un chat ou un chien en raison d’une ambiguïté, l’IA aura les mêmes difficultés à prendre une décision correcte.
Au lieu de recommander une personne ou une communauté, j’aimerais souligner les réalisations que les frameworks ML faciles à utiliser tels que Keras et Theano ont introduites.
Trouver des clients pour notre technologie : Nous avons des solutions qui fonctionnent, maintenant le monde doit les connaître…