Ce blog a pour objectif principal d'augmenter la culture informatique
de mes élèves. Il a aussi pour ambition de refléter l'actualité technologique dans ce domaine.
Il y a près de 10 ans, en 2012, le monde scientifique s’émerveillait des prouesses de l’apprentissage profond (le deep learning). Trois ans plus tard, cette technique permettait au programme AlphaGo de vaincre les champions de Go. Et certains ont pris peur. Elon Musk, Stephen Hawking et Bill Gates s’inquiétèrent d’une fin prochaine de l’humanité, supplantée par des intelligences artificielles échappant à tout contrôle.
Toutes les cellules de notre corps contiennent la même séquence d’ADN, le même génome. Et pourtant il existe une grande variété de types cellulaires, par exemple les fibres musculaires, les cellules de la peau, du sang ou encore les neurones.
Dans chacun de ces types cellulaires, certains gènes sont exprimés, c’est-à-dire que la séquence d’ADN correspondante est transformée en ARN puis en protéines, alors que d’autres sont éteints. Les instructions qui garantissent une expression coordonnée de ces gènes au cours du développement, puis dans chaque tissu de chaque organe, sont elles-mêmes inscrites dans le génome.
Seuls 2 % de notre séquence d’ADN code pour des protéines et c’est dans les 98 % restant du génome que l’on cherche actuellement à comprendre le programme de coordination de l’expression des gènes.
C’est donc dans un livre de 3 milliards de lettres (imaginez un roman d’un million de pages !) qu’il faut décrypter les règles de ce programme.
C’est là que l’intelligence artificielle va jouer un rôle important.
Le cerveau reste le roi des ordinateurs. Les machines les plus sophistiquées qui s’en inspirent, dites « neuromorphiques », comprennent aujourd’hui jusqu’à 100 millions de neurones, soit autant que le cerveau d’un petit mammifère.
Ces réseaux de neurones et de synapses artificiels sont à la base de l’intelligence artificielle. On peut les émuler de deux façons : soit avec des simulations par ordinateur, soit avec des composants électroniques reproduisant neurones et synapses biologiques, assemblés en « neuroprocesseurs ».
Ces approches logicielles et matérielles sont maintenant compatibles, ce qui laisse entrevoir des évolutions drastiques dans le domaine de l’IA.
L’illusion est bluffante. La présentatrice Kim Ju-ha de la chaîne câblée sud-coréenne MBN a depuis novembre son sosie virtuel pour animer le journal télévisé. “C’est une première dans le pays”, précise le journal belge Le Soir. On peut voir dans une vidéo “IA Kim” – IA pour “intelligence artificielle” – s’exprimer sur un écran à côté de la “vraie” Kim Ju-ha : “Lorsqu’elle a pris la parole, l’IA a copié le ton de la présentatrice humaine, note le quotidien. Elle a également reproduit sa posture et ses gestes, faisant presque illusion.”
Qui dit « échiquier » pense « stratégie ». Et effectivement, le jeu d’échecs a fondamentalement inspiré, dès les années 50, les premières recherches sur l’automatisation des processus de décision. Et donc certaines fonctionnalités des intelligences artificielles.
Un des pionniers dans ce domaine, à la croisée des chemins entre le jeu d’échecs et l’IA, est Herbert A. Simon (1916-2001), économiste et sociologue américain. Lauréat du prix Nobel d’économie en 1978 pour son travail portant sur les processus de prise de décision dans les organisations économiques, il est aussi un des visionnaires à l’égard du développement de l’IA dans les contextes économique et organisationnel.
Les liens entre Intelligence Artificielle et Éducation sont multiples : L’IA comme outil pour mieux apprendre, comme outil pour mieux comprendre comment on apprend, comme sujet à part entière et enfin comme objet d’enseignement. Pascal Guitton et Thierry Viéville nous parlent de ces différentes facettes.
Oui binaire s'adresse aussi aux jeunes de tous âges que le numérique laisse parfois perplexes. Avec « Petit binaire », osons ici expliquer de manière simple et accessible un des mécanismes qui nous donne l'impression d'une intelligence artificielle : les réseaux antagonistes génératifs (Generative Adversial Network ou GAN en anglais).
Comment comprendre et expliquer une décision automatisée prise par un algorithme de ce qu’on appelle l’Intelligence Artificielle, ou IA, (par exemple un réseau de neurones) ? Il est plus qu’important de pouvoir expliquer et interpréter ces résultats, parfois bluffants, qui orientent souvent nos décisions humaines.
Pour lutter contre les deepfakes et la désinformation, Microsoft a dévoilé deux nouveaux outils. Le premier est une IA capable de détecter les vidéos trafiquées et affiche un indice de confiance image par image. Le second est un outil pour certifier les contenus.
Ceux qui pensent qu’une intelligence artificielle surpassera les capacités humaines dans de nombreux domaines et que la logique d’une machine prendra le dessus sur l’instinct et l’imagination viennent de marquer un nouveau point.
En effet, dans le cadre de son programme Air Combat Evolution [ACE], qui doit permettre de renforcer l’interface « homme-machine » dans le domaine du combat aérien, la DARPA, l’agence de recherche du Pentagone, vient d’organiser la compétition « AlphaDogfight », opposant des algorithmes d’intelligence artificielle mis au point par huit équipes concurrentes, dont celles d’Aurora Flight Sciences, d’EpiSys Science, du Georgia Tech Research Institute, d’Heron Systems, de Lockheed Martin, de Perspecta Labs, de PhysicsAI et de SoarTech.
L’algorithme ayant dominé les sept autres devait ensuite se mesurer à un pilote de l’US Air Force, placé aux commandes d’un simulateur de F-16 Viper, lors de cinq combats aériens.
Dans un premier temps, les huit équipes ont dû affronter cinq autres intelligences artificielles qui, développées par le laboratoire de physique appliquée [APL] de l’Université Johns Hopkins, devaient reproduire cinq types de menaces ou d’adversaires différents [missile de croisière, bombardier, drone, etc]. Puis elles se sont opposées les unes contre les autres, ce qui a permis de réduire le nombre de concurrents à quatre demi-finalistes, dont Aurora Flight Sciences, Heron Systems, Lockheed Martin et PhysicsAI.
L’agorithme de Heron Systems s’étant avéré plus performant que celui de Lockheed-Martin lors de la finale, c’est donc lui qui a gagné le « ticket » pour affronter « Banger », un pilote de chasse en chair et en os, ayant plus de 2.000 heures de vol au compteur. Et ce dernier n’a rien pu faire : il a été dominé lors des cinq combats aériens simulant autant de scénario de base différents.
« Les essais AlphaDogfight sont terminés! Félicitations à Heron Systems dont l’algorithme d’intelligence artificielle a remporté le championnat […] et a ensuite battu notre pilote de F-16 en cinq combats aériens simulés consécutifs dans la finale homme contre machine », a en effet annoncé la DARPA.
L’algorithme de Heron Systems a fonctionné en respectant les limites du F-16, c’est à dire qu’il n’a pas simulé de manoeuvres allant au-delà du facteur de charge que ce type d’appareil [et son pilote] est capable d’encaisser.
Selon Air Force Magazine, « Banger » a expliqué que l’algorithme n’était « pas limité par la formation et les réflexes qui sont enracinés chez un pilote de chasse.
« Par exemple, les instructions de l’US Air Force décrivent comment un pilote de F-16 doit effectuer des manoeuvvres de combat de base et établissent certaines limites telles que celles visant à de pas passer à moins à 500 pieds ou à imposer un angle d’attaque lors d’un tir au canon », rapporte Air Force Magazine. Or, l’algorithme n’a pas eu à suivre de telles instructions, ce qui l’a aidé à prendre l’avantage.
« Les habitudes des pilotes sont construites sur la base de procédures et du respect des règles de formation, ce qu’a exploité l’intelligence artificielle », souligne le magazine.
En outre, la boucle dite OODA [Observe, Orient, Decide and Act –
observer, s’orienter, décider et agir] a été nettement plus courte pour l’algorithme – de l’ordre de la nanoseconde – ce qui n’a pu que lui donner l’avantage.
Cela étant, au fil des combats aériens, le pilote de l’US Air Force a été en mesure de résister de plus en plus longtemps, sans toutefois parvenir à se mettre en position de tirer [toujours au canon] sur le F-16 de l’agorithme de Heron Systems.
Cette première confrontation n’est qu’un début. Il est question d’en organiser d’autres dans les semaines à venir.
Quoi qu’il en soit, et comme l’avait souligné colonel Dan Javorsek, le responsable du programme ACE, « que l’humain ou la machine remporte le combat aérien final importe peu étant donné que les essais AlphaDogfight visent à accroître la confiance dans l’intelligence artificielle. Mais si une intelligence artificielle gagne le respect d’un pilote de F-16, nous aurons fait un pas de plus vers la réalisation d’une interface homme-machine efficace pour le combat aérien, ce qui est notre objectif. »
Pour la grande finale de la compétition AlphaDogfight Trials, organisée par la DARPA des États-Unis, un pilote de F16 professionnel affrontera une intelligence artificielle lors d’une simulation de combat aérien. Vers une nouvelle humiliation pour l’humanité face à la machine ?
En mai 1997, Garry Kasparov, maître incontesté des Échecs, affronte un programme d’intelligence artificielle. L’adversaire est de taille : 1 mètre 80 de haut, 1,4 tonne de composants électroniques, et une vingtaine d’ingénieurs informaticiens pour faire fonctionner la bête. Capable de calculer plus de 100 millions de positions par seconde, Deep Blue est forcément impressionnant. Pourtant, Garry Kasparov a toutes ses chances et il le prouve en remportant la première manche. Mais dans la deuxième, tout bascule. La machine prend l’avantage après un 36e coup qui empêche Kasparov de menacer son roi. Le champion d’échec est alors mis en difficulté, la machine prend progressivement l’ascendant. Mais soudain, au 44e coup, Deep Blue commet une erreur...
Grâce à l'intelligence artificielle, les images de la mission lunaire d'Apollo 16 sont désormais disponibles en 4K et en 60 fps. Un Youtubeur a récupéré un maximum de vidéos de la Nasa et il s'appuie sur l'interpolation de mouvement pour créer des vidéos absolument stupéfiantes par leur qualité.
« L’intelligence artificielle est la science de faire faire à des machines des choses qui demanderaient de l’intelligence si elles étaient faites par des humains». Tout est dit par le fondateur de l’intelligence artificielle, Marvin Minsky. Exit les fantasmes du genre* de celui d’une «servante-robot, qui sert [le] café [au lit] le matin ». Et comme le mentionne Cédric Villani au lancement de sa mission de réflexion sur ces sujets, notre meilleure arme est «une grande qualité de formation» sur ce sujet qui est «l’affaire de [toutes et] tous». Soit. Et si on commençait, là, maintenant ? Ça vous dirait de soulever le capot de l’intelligence artificielle ?
Vous souhaitez utiliser le Machine Learning et l’IA dans votre entreprise ou pour un projet, mais vous ne disposez pas de l’expertise d’un Data Scientist ou d’un ingénieur ? Découvrez le top 10 des meilleurs outils permettant de créer des applications d’apprentissage automatique et d’intelligence artificielle sans code informatique.
Alan Turing, concepteur d’une machine universelle ayant conduit au concept d’ordinateur, s’est posé très tôt la question : une machine peut-elle penser ? Vieux rêve ancestral de la philosophie occidentale, revisité par les potentialités révolutionnaires d’un domaine scientifique en pleine expansion : l’intelligence artificielle.
