Le machine learning devient le nouveau moteur du XXIeme siècle

Nous entendons de plus en plus parler de l’IA (intelligence artificielle). Et tout le monde semble avoir une vision différente de ce qu’est l’IA. Nous commençons à redéfinir à la façon dont les logiciels et les systèmes sont construits, ce qui peut être programmé et comment les utilisateurs interagissent. Nous créons un monde où les machines commencent à comprendre et à anticiper ce que nous voulons faire – et, à l’avenir, elles le feront. Bref, nous sommes à la pointe d’un paradigme informatique complètement nouveau.

Il existe quatre nouvelles conditions préalables qui ont permis l’accélération de l’IA au cours des cinq dernières années :

Tout matériel devient un périphérique connecté

Ray Kurzweil et Elon Musk croient qu’un jour nous allons nous connecter directement notre cerveau au cloud. Alors que nous ne sommes pas encore là, les capteurs sont en fait déjà partout. L’Internet a initialement connecté des ordinateurs. Ensuite, il a connecté des périphériques mobiles. Les capteurs sont présents dans les bâtiments, les systèmes de transport, les machines, les maisons et même nos vêtements. Connectés au cloud et en les transformant en mini-périphériques, ils peuvent non seulement envoyer des données mais aussi recevoir des instructions.

L’informatique devient gratuit

Marc Andreessen prétend que la loi de Moore a changé. Alors que de nouveaux transistors doublent leur vitesse tous les 18 mois mais au même coût que leurs prédécesseurs. Les nouveaux transistors sont à la même vitesse que leurs prédécesseurs, mais la moitié du coût. Cela signifie que, éventuellement, il y aura un processeur dans tout objet. Selon moi, cela ne remet pas en cause la loi de Moore, bien au contraire. Par exemple, les processeurs à bas prix permet d’obtenir la capacité informatique requise pour résoudre des problèmes impensables il y a cinq ans.

Les data deviennent la nouvelle huile

Les quantités et les types de données disponibles numériquement ont proliféré de manière exponentielle au cours de la dernière décennie. Nous l’entendons quotidiennement sous l’appellation “big data”. Car les données sont créées majoritairement par vous, moi, tout le monde. D’une part, par l’émergence du mobile avec les smartphones, les réseaux sociaux et a été suivi par les capteurs. D’autre part, des nouvelles sources de données ont émergé à travers des médias sociaux, des images numériques et des vidéos.

Nous disposons d’un ensemble presque infinie de données réelles pour décrire des conditions de toutes sortes qui n’étaient que modélisées à un niveau élevé dans le passé.

Le Machine Learning devient le nouveau moteur à combustion

Les données, non raffinées, ne peuvent pas être utilisées. Le machine learning est un moyen d’utiliser des algorithmes et des modèles mathématiques pour découvrir notre monde réel. Car les machines utilisent ensuite ces modèles souvent complexes pour se débrouiller elles-mêmes. Donc, elles sont auto-apprenantes. Elles apprennent soit pour confirmer une donnée, ou découvrir une solution. Ou bien pour prédire les résultats futurs. Les robots qui apprennent à cuisiner à l’aide de vidéos YouTube en sont un bon exemple. En parlant de moteur, voici ci-dessous un graphique sur la création de revenu générée par l’IA dans le monde.

GAFAMI-et-BATX-Europe-écrasée

Les modèles de machine learning ont été historiquement limités parce qu’ils ont été construits sur des échantillons de données. Alors qu’aujourd’hui c’est sur un ensemble de données entier réel. En outre, de nouveaux modèles d’apprentissage automatique ont récemment émergé et semblent pouvoir tirer le meilleur parti de toutes les nouvelles données. Par exemple, le Deep Learning permet aux ordinateurs de «voir» ou de distinguer les objets et le texte dans les images et les vidéos beaucoup mieux qu’auparavant.

Si ces quatre conditions se poursuivent, les types d’IA que nous voyons aujourd’hui continueront à prospérer. Néanmoins, une IA (forte) plus générale pourrait effectivement devenir une réalité. Mais une chose est certaine : si tout est un périphérique informatique connecté, et toutes les informations peuvent être connues, traitées et analysées intelligemment, les humains peuvent utiliser l’IA pour programmer et changer le monde.

Nous pouvons utiliser l’IA (comme le machine learning) pour étendre et augmenter la capacité humaine à résoudre les problèmes réels. C’est-à-dire la santé, la pauvreté, l’éducation et la politique. S’il y a un problème, il sera presque toujours nécessaire d’envisager de le résoudre à travers le spectre de l’IA. Nous pouvons faire en sorte que les voitures se conduisent elles-mêmes et que les bâtiments soient plus efficaces en énergie avec des lignes de code. Nous pouvons mieux diagnostiquer les maladies et trouver des remèdes plus rapidement. Enfin nous pouvons commencer à prévoir l’avenir. Surtout, nous pouvons commencer à augmenter et à changer cet avenir pour le mieux.

Source