L’IA d’aujourd’hui n’est pour beaucoup qu’aux prémices des capacités qu’elle offrira dans quelques années aux entreprises.

En effet l’un des domaines de recherche les plus prometteurs sur l’IA est l’intelligence artificielle forte ou générale. Les attentes vis-à-vis de ce domaine sont nombreuses et nous viennent de la culture général de l’IA. De la façon dont elle est perçue par le grand publique.
C’est-à-dire des films tels que Terminator, Irobot…

L’IA Forte

Une IA forte est à mettre en contraste avec les IA utilisées de nos jours, considérées comme faible et limitées. L’IA faible n’est capable de n’accomplir qu’une tâche. Elle ne peut pas s’adapter et réutiliser les connaissances apprises dans d’autres domaines.
L’IA forte, générale en comparaison peut évoluer et apprendre de différents domaines, faire les liens entre eux… en somme une IA forte a la capacité cognitive des hommes ou tout du moins elle s’en rapproche grandement.
Au débuts des travaux sur l’IA en 1960 les chercheurs pensaient pouvoir atteindre l’IA forte, en moins de 30 ans. Hors 60 ans plus tard l’IA forte n’est toujours qu’un mythe. Au contraire plus les chercheurs en découvrent sur l’IA plus l’IA générale semble inatteignable.         

La vérité sur l’IA

Pour étayer ces propos on peut citer l’enquête d’opinion réalisé par Martin Ford.
Celui-ci a écrit un recueil d’échange avec 23 grands noms de l’IA.
Prénommé « Architects of Intelligence : The truth about AI from the people building it ».
Ce livre donne une vision claire de l’IA via l’avis des personnes les plus qualifiées.
Parmi les 23 personnalités on peut citer Yann Lecun directeur de la recherche sur l’IA chez Facebook. Mais aussi Fei-Fei Li chercheuse chez Google.
Source : AI the truth

Martin Ford leurs a posé la question quand est-ce que l’IA forte aurait 50% de chance d’exister.
5 personnes n’ont pas voulu se prononcer et sur les 18 restantes. Seules 2 ont accepté de ne pas être anonymisées la première Ray Kurzweil pense que l’IA générale. Peut être atteinte en 2029 et l’autre Rodney Brooks pense que l’IA forte ne sera pas une réalité avant 2200. Les 16 autres réponses ont une moyenne autour de 2100.
Bien que la recherche en intelligence artificielle soit exponentielle ces dernières années, l’IA générale est tout sauf une réalité.

Remise en cause de l’IA

Aujourd’hui certains chercheurs remettent même en cause les avancées des dernières années c’est le cas de François Chollet.
François Chollet est un chercheur français, spécialiste de l’IA chez Google, il est à l’origine de la bibliothèque python Keras spécialisée dans le machine learning et plus spécifiquement le deep learning, elle permet une implémentation et une réalisation de l’idée souhaitée au départ le plus rapidement possible, elle est utilisée par de grandes entreprises tel que Google mais aussi de grand centres de recherche comme la NASA ou encore NIH (national institut of health).
Le nom Keras vient du grec, elle signifie cor c’est la matière des bois des cervidés et est une référence littéraire métaphorique.
Dans l’odyssée d’Homer, les esprits des rêves « Oneiroi » sont partagés entre ceux qui trompent les hommes avec de fausses visions, qui arrivent sur Terre par une porte d’ivoire, et ceux qui annoncent un avenir qui va se réaliser, qui arrivent par une porte de cor.
Source : Keras

Cette métaphore intéressante montre que Keras ne cherche pas à leurrer ses utilisateurs en leur promettant monts et merveille au travers de l’IA, mais uniquement à les aider à construire un avenir proche qui va se réaliser.

François Chollet a déclaré lui-même dans son livre « deep learning with Python » dans lequel il explique comment utiliser Keras pour construire des modèles de deep learning, que la recherche sur l’intelligence artificielle n’avait que peu progressée au cours des années 2010 à 2020 et que celle-ci peut être résumée à une dizaine de pages, hors au cours de cette période l’IA a été implémentée dans un grand nombre d’entreprises, d’instituts de recherches et son usage s’est démocratisée, grâce aux progrès des cartes graphique, des infrastructures cloud et des algorithmes.

La progression de l’IA

La marge de progression de l’IA reste donc importante.
Les innovations concernant l’IA viendront des idées et de l’implémentation des petites et moyennes entreprises, ainsi que de son implémentation dans des secteurs clés.

Aujourd’hui l’IA est principalement expérimentée au sein des géants du web et dans les grands centres de recherches.

Les innovations d’usages du quotidiens hormis ceux liées aux réseaux sociaux et au web n’ont donc pas encore eu lieu et restent à trouver.
Ces pratiques ayant un impact plus important et « réel » sur le mode de vie des individus seront déterminantes quant à la construction de la confiance des utilisateurs en l’IA. Et peuvent représenter une menace capable de déstabiliser le monopole des géants du web.

Utilisation médicale

Parmi les secteurs les plus prometteurs le domaine médical est en première ligne.
À la suite de la pandémie de COVID-19 et aux récentes innovations réalisées dans ce domaine, la médicine est devenue le nouvel eldorado de l’IA.
Cela s’explique par plusieurs raisons tout d’abord la méfiance montante des utilisateurs quant à la collecte de leurs données peuvent représenter un frein aux développement de l’IA hors, si les données de ces derniers sont récupérés sous couvert d’utilisation servant à améliorer la recherche les individus vont être plus enclin à donner leurs accords quant à la collecte de ces informations.
Une autres des raisons c’est la relative simplicité du diagnostic réalisé par les médecins actuellement ces derniers, vont prendre un certain nombre de variables certes importantes, mais celles-ci sont basées sur des observations factuelles qu’il est possible d’annoter par ordinateur.
Puis si le nombre de ces tests sont suffisant il est possible d’utiliser des techniques de machine learning ou même de basiques techniques statistiques afin de trouver des corrélations.

Cette relative simplicité comprend cependant certains risques, la fin des exceptions. En effet en excluant les exceptions des résultats la médecine se généralise et cela pourrait laisser pour compte les patients issus des moins de 1% des résultats.

L’alimentation

L’intelligence artificielle doit donc s’adapter à cette spécificité et non l’inverse.
L’utilisation qui semble en effet la plus intéressante concernant la médecine reste l’aide aux médecins concernant le diagnostic des patients, certains modèles doivent s’améliorer et obtenir le plus de données possibles pour devenir le plus fiable possible, notamment avoir accès aux régimes alimentaires puisque comme l’explique la scientifique Jane Goodall « Nous sommes ce que nous mangeons », ce type de données n’est aujourd’hui pas pris en compte dans les IA de prédictions médicales.

Puisqu’elle pose plusieurs problèmes tout d’abord les données collectées et la manière dont celles-ci sont utilisées, Haier proposant déjà un frigo connecté capable de commander automatiquement les courses et de les recevoir une fois que celui-ci est vide, il serait alors possible d’utiliser les données récoltées via ce type d’appareil afin de préciser au maximum le diagnostic médical, néanmoins la récolte des données doit se faire dans le respect du droit et de la vie privée des individus. Un autre problème concernant la construction d’une IA de ce type est la véracité des données récoltées.
Imaginons par exemple que le frigo connecté puisse donner accès à toutes les informations concernant la nourriture du foyer. Comment distinguer les utilisateurs?

IOT

L’internet des objets (IOT) couplés à l’IA pourrait devenir le médecin parfait cependant, l’IA utilisée dans un but de diagnostic doit répondre à un autre défi, celui de former les médecins, que ceux-ci soient à même de comprendre et d’interpréter les résultats de ces diagnostics est un impératif, afin de continuer à construire les modèles les plus pertinents et de continuer à bénéficier de l’expérience humaine. Comme expliqué via le passage sur l’Intelligence artificielle forte l’expérience et la capacité humaine à apprendre. A réutiliser ce savoir et à le transposer dans un ensemble de situations est sans commune avec les capacités de l’IA actuelles.
Une IA, de deep learning entrainée à reconnaitre une voiture a besoin de plusieurs centaines de milliers de photos. L’esprit humain reconnait une voiture à coup sûr en ayant vu seulement deux photos.

Recherche fondamentale

Mais l’IA ne se contente pas de revoir le diagnostic des patients, elle peut permettre de faire avancer la recherche fondamentale.
Récemment une équipe constituée de chercheurs du MIT et d’Harvard à découvert un nouvel antibiotique.
Avec la surplus de consommation d’antibiotiques, dans les pays riches, les populations sont devenues vulnérables, il pourrait y avoir plus de 2,4 millions de morts dans ces pays (Europe, Amérique du nord) à cause de l’inefficacité des antibiotiques provoquée par la surconsommation de ces derniers (antibiorésistance), si aucune autre solution n’est trouvée d’ici à 2050 selon l’OCDE.
Source : OCDE

Ce type de découverte apparait cruciale pour sauver l’avenir de l’humanité.
L’antibiotique trouvé est appelé Halicine, il est efficace notamment contre la bactérie  Escherichia coli.
Celle-ci présente dans le microbiote intestinal peut parfois présenter des formes pathogènes. Pouvant entrainer des gastro-entérites, méningites voir dans certains cas des sepsis.
Ces dernières très résistantes aux antibiotiques traditionnels ont du mal à être traitées et peuvent être dangereuses.

L’antibiotique a été découvert via un algorithme d’apprentissage automatique.
Celui-ci reprend les effets de 2500 molécules efficaces contre la bactérie E. coli.
Parmi lesquelles 1700 étaient issues de médicaments et 800 de produits d’origines naturels.
L’IA a ensuite été chargées de faire le lien entre ces molécules et 6000 composés médicamenteux ayant une importante action antibactérienne.
Grâce aux croisements de ces informations l’IA a été capable d’identifier l’Halicine comme un antibiotique efficace.
Celui-ci était originellement utilisé dans la lutte contre le diabète.
Source : MIT

Les limites

Ce nouveau modèle d’IA s’avère prometteur dans la lutte contre les maladies antibiorésistantes, dans la recherche de nouveaux traitements en général. On peut cependant émettre certaines réserves notamment sur le fondement même de l’utilisation de nouveaux antibiotiques. Pouvant devenir à terme inefficaces tels que vont le devenir leurs prédécesseurs d’ici à 2050.
Si cela arrive auront nous à notre disposition encore la possibilités d’en découvrir de nouveaux.

La médecine apparait donc comme le nouveau terrain de jeu de l’IA. Les GAFAM ont d’ailleurs fortement augmentés leurs investissements dans ce secteur.  
Source : Le figaro