Lors de l’événement SmartLux, j’ai eu l’occasion d’assister à une conférence sur l’intelligence artificielle et honnêtement j’ai appris énormément autour de cette technologie.
D’abord, il est important de distinguer les concepts : Machine Learning, Deep Learning et Intelligence artificielle.
L’Intelligence Artificielle est une expression plus générale utilisée à tous vents et qui désigne un système qui tente de reproduire les capacités cognitives humaines.. Un programme d’intelligence artificielle au sens large est donc un système mathématique (algorithme) qui se veut un minimum intelligent.
Le Machine Learning (en français l’apprentissage automatique), est capable de reproduire un comportement grâce à des algorithmes, eux-mêmes alimentés par un grand nombre de données. Confronté à de nombreuses situations, l’algorithme apprend quelle est la décision à adopter et crée un modèle. La machine peut donc automatiser les tâches en fonction des situations grâce à un réel apprentissage et non plus via une programmation traditionnelle.
Le Deep Learning (qui est donc un sous-domaine du ML) repose lui sur un apprentissage via ce qu’on appelle des réseaux de neurones artificiels, c’est-à-dire un ensemble de neurones (ce sont de petites calculatrices qui effectuent une opération mathématique) qui s’envoient des nombres en fonction de leurs liaisons, jusqu’à des neurones de sortie. Grâce à cette architecture, le DL est capable de reconnaître des visages, de synthétiser des textes ou encore de conduire une voiture autonome !
Et oui, on parle de neurones artificiels qui ressemblent à ceci https://cutt.ly/kiruAt
Dans le cas de la vidéo, les neurones apprennent à reconnaître des chiffres même si ceux-ci sont “mal” écrits ou “tordus”.
La première présentation a été réalisée par Marc Lengelé de MachineSight. Celui-ci illustrait de nombreux cas dans lesquels le Deep learning était utilisé pour essentiellement reconnaître des objets. Par exemple, reconnaître des œufs Kinder en fonction de leur emballage (traditionnels ou girly) afin de les trier le plus efficacement possible.
Ensuite, François Van Lishout a présenté l’évolution de l’intelligence artificielle dans le jeu et a expliqué qu’en quelques heures, le système d’intelligence artificielle de DeepMind a appris comment jouer aux échecs. Au passage, il en a profité pour devenir un champion et battre l’un des meilleurs programmes d’échecs existants.
Puis, il a présenté le projet RAGI. RAGI est un robot qui utilise la reconnaissance faciale et le Deep Learning pour apprendre à reconnaître les personnes qui entrent dans un bâtiments afin de les guider à leur destination.
https://www.news.uliege.be/cms/c_10841758/fr/ragi-l-intelligence-artificielle-vous-accueille
Enfin, en posant la question de l’intégration de l’IA dans l’éducation, ceux-ci m’ont donné un exemple qui est développé pour le moment aux Etats-Unis. Une IA pourrait reconnaître les élèves qui ne suivent plus le cours donné par l’enseignant (distraction, démotivation, etc.) et informe en instantané l’enseignants du nombres d’élèves en décrochage.
Ils proposaient aussi d’utiliser l’IA de Nvidia pour apprendre l’IA avec ses élèves. Avez-vous déjà testé ?
https://www.nvidia.com/fr-fr/deep-learning-ai/
Néanmoins et pour conclure, tous était d’accord que l’enjeu n’est pas la compétition entre deux intelligences mais au contraire leur association. Comment l’intelligence humaine pourra utiliser l’intelligence de synthèse pour se faciliter la tâche avec comme exemple la détection de cellules cancéreuses (cancer de la peau)
Détection par médecins : taux de réussite 96 %
Détection par IA : taux de réussite 92 %
Ensemble : 99,5%
Qu’en pensez-vous? Connaissez-vous d’autres exemples d’IA dans l’éducation ? Que feriez-vous avec une IA en classe ?
https://www.luxembourgcreative.be/article/index/details/aid/381/lang/fr#.XPgV_4gzauV