Dans les articles de cette partie, vous trouverez la partie technique de l’intelligence artificielle.

 

J’ai tenté de faire simple et clair ; si ce n’est pas le cas, vous n’êtes pas obliger de les lire. Les autres sections sont abordables sans connaissances techniques poussées.

 

Mous allons aborder les points suivants :

Bonne lecture

Les limites de l’intelligence artificielle et des solutions pour y faire face

Un formidable article publié sur Livosphére :

Les limites de l’IA, intelligence artificielle, réseaux neuronaux et des solutions pour y faire face

N’y a-t-il pas des risques à utiliser de l’IA sans comprendre les impacts ? Est-ce que les réseaux neuronaux sont la panacée pour résoudre tous les problèmes ou au contraire ne nous mènent-ils pas vers une impasse en étant une boîte noire ? Est-ce que l’IA est robuste ou au contraire un géant à pied d’argile ? Qu’en est-il de l’IA forte qui supplanterait les hommes ?

Il y a encore du chemin avant qu’une IA soit capable de rivaliser avec un être humain de manière complète. Le « Gift Test », test du cadeau (capacité d’une IA à faire plaisir à une personne en lui faisant un cadeau) serait un bon indicateur de l’avancée de l’IA. On pourrait bien sûr inverser la situation de la photo, un homme à la place de la femme et un robot à l’apparence féminine et non masculine (ou encore homme/robot apparence homme ou femme, robot apparence femme), l’objectif de cette photo est d’illustrer le challenge pour un IA d’intégrer et d’anticiper la réaction de l’autre sans avoir la possibilité de la tester au préalable.

Cet article a pour but de couvrir ces différents thèmes, il sera décomposé en trois parties. Dans cette première, j’aborderai l’intelligence artificielle de manière générale et je ferai un focus sur les réseaux neuronaux, ses limites et comment rendre explicable les réseaux neuronaux…

En bref, cet article couvre :

  • Préambule sur l’AI Washing
  • Définition de l’intelligence artificielle
  • Différence entre l’IA perceptive / d’interface et IA décisionnelle
  • Decryptage des réseaux neuronaux
    • Qu’est-ce que le Machine learning, Deep learning ?
  • Les problèmes posés par les réseaux neuronaux
    • Problèmes de la boîte noire (et explainable AI), de la non-détection de cas exceptionnels, cygnes noirs
    • Nécessité de règles claires (IA face aux jeux : évolution d’AlphaGo de DeepMind du Go à Starcraft II)
    • Manque de priorisation a priori et les problèmes de biais de confirmation
    • Système faillible/hackable avec des backdoor mais non auditable (notamment en open-source)
  • Solutions potentielles :
    • Comment contourner ces problèmes et auditer / rendre explicable un réseau neuronal ? (Adversarial AI / Explainable AI en utilisant des random forests)
    • Comment accélérer l’apprentissage avec la vectorisation des images / données initiales
  • Conclusion

Article source complet : Les limites de l »intelligence artificielle et des solutions pour y faire face