TOUT COMPRENDRE À L'IA - Dossier #33 - L'Esprit Sorcier

L'Esprit Sorcier TV
29 Nov 201841:56

Summary

TLDRCette vidéo primée lors de la 31e cérémonie du prix Roberval explore l'intelligence artificielle, ses applications dans la vie quotidienne et les défis éthiques qu'elle soulève. Elle explique les concepts fondamentaux, l'évolution de l'IA depuis les années 1950, et comment elle transforme notre société, en abordant des sujets tels que la santé, la sécurité et l'apprentissage. L'expertise de l'IA dans des domaines spécifiques et les questions qu'elle soulève sur la confidentialité et les droits de l'homme sont également discutées.

Takeaways

  • 🏆 La vidéo a été primée lors de la 31e cérémonie du prix Roberval, obtenant le coup de cœur de l'Académie des Technologies, soulignant la reconnaissance scientifique de l'intelligence artificielle (IA).
  • 🤖 L'IA est présente dans notre quotidien, mais il est important de différencier les robots et l'IA, qui sont deux notions différentes.
  • 🧠 L'IA repose sur les algorithmes, qui sont des suites d'instructions permettant de traiter des données brutes pour obtenir des résultats.
  • 👨‍🏫 L'apprentissage automatique et le deep learning sont des méthodes utilisées pour améliorer les performances de l'IA, en lui permettant d'apprendre à partir de données et de se perfectionner.
  • 🎲 L'IA a été développée pour jouer aux jeux de stratégie comme le Go, en utilisant des méthodes d'apprentissage par renforcement pour s'entraîner contre elle-même.
  • 🧐 Les intelligences artificielles faibles sont spécialisées dans une tâche spécifique, contrairement aux intelligences artificielles fortes qui ne sont pas encore un réalité mais posent des questions sur la conscience et la multifonctionnalité.
  • 👴 L'histoire de l'IA remonte à la fin des années 1950, avec des premiers projets de recherche menés par des scientifiques pionniers.
  • 📉 L'IA a connu des périodes de crise, notamment en raison de la désillusion scientifique et du gel des financements, mais a su se réinventer avec les avancées technologiques.
  • 🚀 Au cours des dernières décennies, l'IA a progressé grâce à l'augmentation de la puissance de calcul, de la capacité de stockage et de l'accumulation des données.
  • 🎨 L'IA est utilisée dans de nombreux domaines, allant de la médecine, où elle aide à l'analyse des radios, à la création artistique, comme la génération de musique originale.
  • ⚠️ Les progrès de l'IA soulèvent des questions éthiques et juridiques, notamment en ce qui concerne la protection de la vie privée, la responsabilité dans le cadre des accidents avec des voitures autonomes, et la nécessité d'une transparence dans les décisions prises par les machines.

Q & A

  • Quelle est la date de la cérémonie du prix Roberval lors de laquelle la vidéo a été primée ?

    -La vidéo a été primée le 17 novembre 2018 lors de la 31e cérémonie du prix Roberval.

  • Qu'est-ce que le prix Roberval et à quoi sert-il ?

    -Le prix Roberval est un concours international francophone qui récompense des œuvres littéraires, audiovisuelles ou multimédia permettant de mieux comprendre la science et les technologies.

  • Quels sont les domaines d'expertise d'aujourd'hui pour l'intelligence artificielle ?

    -Aujourd'hui, l'intelligence artificielle est experte dans de nombreux domaines, allant de l'analyse médicale à la recommandation de musique, en passant par l'écriture d'images pour les non-voyants.

  • Quel est le rôle des algorithmes dans l'intelligence artificielle ?

    -Les algorithmes sont comme des recettes de cuisine pour l'intelligence artificielle; ils sont utilisés pour traiter des données brutes et produire des résultats en suivant une suite d'instructions précises.

  • Comment l'intelligence artificielle peut-elle être utilisée pour aider les médecins à analyser des radios ?

    -L'intelligence artificielle peut aider les médecins à analyser des radios en étudiant les données des patients et en identifiant des patterns qui peuvent être utilisés pour prédire la sévérité de certaines maladies, comme le cancer de la prostate.

  • Quel est l'exemple de jeu de stratégie donné dans le script pour expliquer le fonctionnement de l'IA ?

    -L'exemple donné est le jeu de Go, où l'IA apprend à jouer en analysant des milliers de parties réalisées par des joueurs humains et en attribuant une note à chaque coup pour déterminer le meilleur à jouer.

  • Quel est le nom du programme informatique qui a battu le champion du monde d'échecs Garry Kasparov en 1997 ?

    -Le programme informatique qui a battu Garry Kasparov en 1997 s'appelait Deep Blue.

  • Quels sont les principes de l'apprentissage profond (deep learning) utilisés par l'IA ?

    -L'apprentissage profond repose sur l'analyse de grandes quantités d'exemples pour extraire des informations et créer de nouvelles stratégies, nécessitant une puissance de calcul considérable.

  • Comment l'IA peut-elle être utilisée pour améliorer la sécurité dans les infrastructures ou les villes ?

    -L'IA peut traiter des masses d'informations provenant de milliers de caméras de surveillance et repérer des situations potentiellement dangereuses, en utilisant des algorithmes de reconnaissance d'objets et de comportements spécifiques.

  • Quels sont les défis éthiques soulevés par l'utilisation de l'IA dans la société ?

    -Les défis éthiques incluent la protection de la vie privée, le droit à l'erreur et la responsabilité dans le cas d'accidents impliquant des systèmes automatisés comme les voitures autonomes, ainsi que la nécessité de transparence et de traçabilité dans les décisions prises par l'IA.

Outlines

00:00

🏆 Récompense et reconnaissance de l'intelligence artificielle

La première partie du script aborde la récompense d'une vidéo sur l'intelligence artificielle lors de la cérémonie des prix Roberval. L'équipe derrière la chaîne 'Esprit Sorcier' est félicitée pour cette reconnaissance par le monde scientifique. Le script met également en avant l'importance de l'apprentissage continu et de l'engagement de la communauté, invitant les abonnés à partager et commenter les vidéos. Le présentateur introduit le sujet de l'intelligence artificielle, soulignant la complexité de ses différentes formes et son intégration dans notre quotidien, et pose des questions sur la nature de l'IA et son évolution.

05:02

🧠 Les bases de l'intelligence artificielle et son évolution

Ce paragraphe explique les fondamentaux de l'IA, y compris les algorithmes qui sont à l'image de recettes de cuisine, nécessitant des données brutes pour produire des résultats. L'IA est capable d'apprendre et d'adapter ses connaissances grâce à des entraînements itératifs, comme illustré par l'exemple de la reconnaissance d'une personne à partir d'images. Le script mentionne également les progrès technologiques qui ont permis à l'IA de devenir un domaine d'expertise dans de nombreux domaines, et soulève des questions sur l'avenir de la relation entre les machines et les humains.

10:04

🎲 L'apprentissage profond et les défis de l'IA

Le script explore le concept d'apprentissage profond, où les systèmes d'IA apprennent à jouer et à développer de nouvelles stratégies en s'entraînant sur de vastes quantités de données. Il explique le processus d'apprentissage par renforcement, où l'IA s'entraîne en jouant contre elle-même pour améliorer sa performance. Le paragraphe met en lumière les défis éthiques et les questions sur la conscience et la capacité multifonctionnelle de l'IA, ainsi que les implications de son développement sur la société.

15:04

📚 Histoire et développement de l'intelligence artificielle

Ce paragraphe retrace l'histoire de l'IA, depuis ses débuts dans la science-fiction jusqu'à ses premières expériences scientifiques dans les années 1950. Il mentionne les contributions de figures clés telles qu'Alan Turing et John McCarthy, ainsi que les hauts et les bas de la recherche en IA, y compris les périodes de désillusion et les redémarrages des investissements. Le script souligne également l'impact de l'IA dans la culture populaire et les progrès réalisés dans des domaines spécifiques comme la traduction automatique et la psychologie.

20:05

📈 Les applications et les implications éthiques de l'IA

Le cinquième paragraphe examine les applications contemporaines de l'IA dans divers domaines tels que la santé, la finance, la détection de fraudes et la reconnaissance d'écriture et d'image. Il discute également des implications éthiques de l'IA, notamment la protection de la vie privée et les questions juridiques concernant la responsabilité en cas d'accidents impliquant des systèmes intelligents comme les voitures autonomes.

25:06

🛠️ L'IA dans l'industrie et la vie quotidienne

Ce paragraphe décrit comment l'IA est utilisée dans l'industrie pour améliorer la qualité du contrôle de production et dans la vie quotidienne pour surveiller et aider les personnes âgées ou fragilisées. Il explique comment l'IA peut identifier les activités quotidiennes et les comportements anormaux, et comment elle est capable de prendre des décisions rapides et précises en analysant de grandes quantités de données.

30:06

🎵 La création artistique avec l'IA

Le script explore le rôle de l'IA dans la création artistique, en particulier dans la musique. Il explique comment les systèmes d'IA peuvent être entraînés pour comprendre et générer de la musique en utilisant des partitions de compositeurs classiques, et même pour improviser en direct avec des musiciens. Le paragraphe souligne l'interaction entre les systèmes d'IA et les artistes, et la capacité de l'IA à enrichir la création musicale.

35:08

🤖 Les implications sociétales et éthiques de l'IA

Dans ce paragraphe, le script aborde les implications sociétales et éthiques de l'utilisation de l'IA, y compris la surveillance de masse, la reconnaissance faciale et les questions de confidentialité. Il soulève des questions sur l'avenir de la société avec l'IA, notamment la nécessité de comprendre et de faire confiance aux systèmes d'IA, et la possibilité d'un statut juridique pour les entités artificielles.

40:10

🔮 L'avenir de l'IA et ses défis

Le dernier paragraphe du script réfléchit sur l'avenir de l'IA, en discutant des métiers qui pourraient être remplacés par des systèmes d'IA plus performants, ainsi que des métiers qui pourraient être transformés par l'IA en tant qu'assistants. Il met en évidence l'importance de la traçabilité et de la transparence dans la conception des systèmes d'IA pour créer de la confiance. Le script conclut en évoquant la nécessité d'un statut juridique intermédiaire pour les entités numériques et pose des questions sur la définition de l'IA.

Mindmap

Keywords

💡Intelligence artificielle

L'intelligence artificielle (IA) fait référence à la capacité d'un système informatique à imiter l'intelligence humaine, en effectuant des tâches qui nécessitent normalement la réflexion, le raisonnement et la résolution de problèmes. Dans la vidéo, elle est au cœur du thème, abordant son histoire, ses applications et son évolution, illustrée par des exemples tels que les voitures autonomes et les systèmes de reconnaissance d'images.

💡Apprentissage automatique

L'apprentissage automatique est une branche de l'IA qui permet aux systèmes de s'améliorer eux-mêmes sans être explicitement programmés pour chaque tâche. Il est mentionné dans le script comme la méthode utilisée pour que les machines apprennent à partir de données, comme dans le cas de l'analyse de parties de jeu de go.

💡Machine learning

Le machine learning est un type d'apprentissage automatique qui se concentre sur l'amélioration des performances des machines au fil du temps, en leur donnant accès à de grandes quantités de données. Le script l'illustre par l'entraînement d'algorithmes pour jouer au go et pour la reconnaissance faciale.

💡Deep learning

Le deep learning est une méthode d'apprentissage automatique qui utilise des réseaux de neurones profonds avec plusieurs couches pour apprendre des modèles de données complexes. Dans le script, il est utilisé pour décrire comment les machines peuvent développer des stratégies de jeu de go en apprenant à partir de millions d'exemples.

💡Réseaux de neurones

Les réseaux de neurones sont des modèles informatiques inspirés de la manière dont le cerveau humain fonctionne, utilisés pour traiter et d'analyser des données. Le script mentionne leur utilisation dans l'apprentissage profond et dans la reconnaissance d'activités par des capteurs.

💡Algorithme

Un algorithme est une suite d'instructions permettant de résoudre un problème ou d'effectuer une tâche. Dans le script, les algorithmes sont décrits comme des recettes de cuisine, utilisant des données brutes pour produire un résultat final, comme dans l'exemple de reconnaissance d'image.

💡Robot

Un robot est un dispositif mécanique capable de fonctionner automatiquement ou selon des commandes préprogrammées. Le script le mentionne en区别于l'IA, soulignant que les robots peuvent être équipés d'IA pour effectuer des tâches complexes.

💡Systèmes experts

Les systèmes experts sont des programmes informatiques conçus pour imiter la capacité d'un expert humain dans un domaine spécifique. Dans le script, ils sont évoqués comme des applications de l'IA dans des domaines tels que la médecine ou la détection de fraudes.

💡Données

Les données sont des informations brutes utilisées comme entrées pour les algorithmes d'IA. Le script insiste sur l'importance des grandes quantités de données pour l'entraînement des systèmes d'IA, comme dans l'analyse des radios des patients ou des parties de jeu de go.

💡Traçabilité

La traçabilité est la capacité à suivre la chaîne因果关系 qui a conduit à une décision ou une action particulière. Le script mentionne la traçabilité comme un moyen de comprendre et de rendre compte des décisions prises par les systèmes d'IA.

💡Individu numérique

L'individu numérique est un concept qui décrit une entité qui, bien qu'ayant des caractéristiques d'un être humain en termes de capacités cognitives et de prise de décision, n'est pas un être vivant. Le script l'utilise pour discuter du statut juridique potentiel des créations artificielles.

Highlights

La vidéo a reçu le prix Roberval lors de la 31e cérémonie, reconnaissant ainsi la contribution à la compréhension de la science et des technologies.

L'intelligence artificielle (IA) est présente dans le quotidien, mais son invention remonte à l'origine des années 1950.

L'IA est capable d'exécuter des tâches habituellement réalisées par les humains, comme la conduite d'une voiture autonome.

Les algorithmes sont au cœur de l'IA, permettant de traiter et d'analyser des données.

L'apprentissage profond, ou deep learning, permet aux IA de devenir experts dans divers domaines sans l'aide humaine directe.

L'IA peut aider les médecins à analyser des radios et à suggérer des musiques en fonction des goûts des individus.

L'IA a remporté des succès notables dans les jeux de stratégie comme le Go, en battant des champions humains.

Les premiers pas de l'IA sont marqués par des conférences et des recherches axées sur l'apprentissage et l'intelligence humaine.

Les années 1980 ont vu l'émergence des systèmes experts, qui effectuaient des analyses spécifiques dans des domaines bien définis.

L'IA est utilisée pour détecter des fraudes dans les chèques et les cartes de crédit.

L'essor des technologies de reconnaissance faciale et vocale est un exemple concret de l'IA dans la vie quotidienne.

L'IA est capable de créer de la musique originale en apprenant des partitions classiques.

Les implications éthiques de l'IA soulèvent des questions sur la confidentialité, la vie privée et les droits de l'homme.

L'IA peut remplacer certains métiers liés à l'apprentissage, comme la lecture des scans médicaux, mais pas ceux nécessitant de l'affectivité.

La transparence et la traçabilité sont cruciates pour comprendre et expliquer les décisions des systèmes d'IA.

L'avenir du droit doit intégrer de nouveaux statuts pour les entités numériques, qui ne sont ni choses ni personnes.

Transcripts

play00:00

bonjour à toutes et à tous juste un

play00:02

petit mot avant de découvrir notre

play00:03

nouvelle vidéo consacrée à

play00:05

l'intelligence artificielle pour vous

play00:07

dire que cette vidéo a été primé le 17

play00:10

novembre 2018 lors de la 31e cérémonie

play00:14

du prix roberval en recevant le coup de

play00:18

coeur de l'académie des technologies

play00:21

alors pour ceux qui l'ignorent le pré

play00:23

roberval c'est un concours international

play00:24

francophone qui a et qu'on pense des

play00:27

oeuvres littéraires audiovisuel ou

play00:29

multimédia permettant de mieux

play00:32

comprendre la science et les

play00:34

technologies donc et bien avec toute

play00:37

l'équipe de l'esprit sorcier nous sommes

play00:39

très heureux très fier aussi de cette

play00:41

reconnaissance du monde scientifique

play00:44

et puis on vous remercie beaucoup

play00:45

également d'être de plus en plus

play00:47

nombreux à vous abonner à soutenir cette

play00:49

chaîne qui est aussi la vôtre

play00:51

alors n'hésitez pas à partager nos

play00:53

vidéos et continuer d'apporter vos

play00:55

commentaires critiques mais bienveillant

play00:59

maintenant je vous souhaite un bon

play01:00

visionnage et je vous dis à bientôt

play01:02

ciao que peut-il se cacher dans la tête

play01:10

d'une intelligence artificielle

play01:12

comment fonctionne son cerveau ou plus

play01:15

exactement ses cerveaux car il ya

play01:17

plusieurs formes d'intelligence

play01:19

artificielle

play01:20

d'ailleurs peut-on vraiment parler

play01:21

d'intelligence

play01:23

bref aujourd'hui je vous propose

play01:25

d'explorer sans se prendre la tête

play01:27

les concepts et les technologies qui se

play01:29

dissimule derrière lee a histoire

play01:32

d'abord de comprendre comment ça marche

play01:34

à quoi ça sert et ensuite d'évacuer un

play01:37

certain nombre de fantasmes

play01:39

même si bien sûr l'intelligence

play01:40

artificielle doit attiser notre

play01:41

réflexion et notre esprit critique

play01:44

voici le sommaire téléphone voiture

play01:48

moteur de recherche

play01:49

l'intelligence artificielle est déjà

play01:51

présente dans notre quotidien

play01:53

mais au fait c'est quoi l'intelligence

play01:55

artistes

play01:56

si elle est comment ça fonctionne depuis

play01:59

les années 2010 à se développe à la

play02:01

vitesse grand v pourtant son invention

play02:03

ne date pas d'hier

play02:04

aujourd'hui grâce aux innovations

play02:06

technologiques l'intelligence

play02:08

artificielle est experte dans un tas de

play02:10

domaines mais les progrès de l'iia sont

play02:12

loin de faire l'unanimité et soulève de

play02:15

nombreuses questions

play02:16

est ce qu'un jour les machines

play02:17

remplaceront les humains à allez c'est

play02:20

parti on vous explique tout voilà et

play02:23

pour commencer on va essayer de mieux

play02:25

cerner ce que l'on appelle intelligence

play02:27

artificielle

play02:29

regardez willy mignon ce petit robot

play02:35

je suis sûr qu'il est équipé d'une

play02:37

intelligence artificielle

play02:38

attention robots et intelligence

play02:41

artificielle sont deux notions très

play02:42

différentes

play02:43

en fait l'intelligence artificielle ou

play02:45

ea c'est une technique qui permet aussi

play02:48

bien un robot qu'à une voiture un moteur

play02:50

de recherche ou même à un téléphone

play02:52

d'exécuter des tâches habituellement

play02:54

réalisées par les humains par exemple

play02:56

une voiture autonome sera capable de

play02:58

repérer et différencier les objets sur

play03:00

la route un moteur de recherche

play03:02

analysera le sens de ta demande et même

play03:04

ton téléphone pourra tenir une

play03:06

conversation attend une voiture autonome

play03:08

et un téléphone c'est pas la même chose

play03:11

non mais tous les deux intègrent des

play03:13

systèmes informatiques

play03:14

ils sont conçus pour trier traiter et

play03:16

stocker des tas d'informations et ces

play03:18

systèmes fonctionnent à l'aide d'outils

play03:20

bien pratique

play03:21

ce sont les algorithmes un algorithme

play03:23

c'est un peu comme une recette de

play03:25

cuisine

play03:25

au départ tu as des ingrédients si tu

play03:28

suis bien les instructions de la recette

play03:29

au final tu arrives à un résultat ici

play03:32

des crêpes

play03:33

un algorithme c'est la même chose les

play03:35

ingrédients sont des données brutes et

play03:37

après avoir appliqué l'algorithme c'est

play03:39

à dire une suite d'instructions bien

play03:40

précises on obtient un résultat ou là je

play03:43

vais avoir besoin d'un exemple moi

play03:44

regarde si tu demandes à un programme

play03:47

sans ia de te montrer une image de fred

play03:50

ce programme va chercher dans sa base de

play03:51

données c'est une sorte de bibliothèque

play03:53

numérique qui rassemble tous les

play03:55

ingrédients ici des images et les

play03:57

informations qui leur sont associés

play04:00

si le programme trouve une image

play04:01

associée au nom de fred il pourra

play04:03

répondre à la demande

play04:04

par contre s'il tombe sur une photo sans

play04:06

l'étiquette fred alors le programme ne

play04:09

te la montrera pas avec un seul

play04:11

ingrédient manquant pas de recette

play04:12

possible

play04:13

l'algorithme n'est pas capable de

play04:15

reconnaître fred dommage elle était

play04:17

rigolote celle-là bon et monia dans tout

play04:20

ça j'y viens avec l'intelligence

play04:22

artificielle le programme peut faire

play04:24

varier les quantités ou encore l'ordre

play04:26

des ingrédients pour sélectionner la

play04:28

meilleure recette cas reprenons

play04:30

l'exemple de la photo pour reconnaître

play04:32

fred tu dois d'abord présenté plein

play04:34

d'image de lui au programme au fur et à

play04:36

mesure il va s'entraîner à le

play04:38

reconnaître

play04:39

ici par exemple le programme repère les

play04:41

éléments qui ne changent pas comme la

play04:42

couleur de ses yeux la forme de sa

play04:44

bouche ou la taille de son nez il

play04:46

identifie aussi les éléments

play04:47

susceptibles de changer comme la couleur

play04:49

de sa chemise cette phase

play04:51

d'apprentissage l2 le programme a créé

play04:53

une sorte d'empreinte de son visage et a

play04:55

ignoré le reste résultat la prochaine

play04:58

fois que tu lui présentera une nouvelle

play04:59

photo de fred le programme cherchera les

play05:02

mêmes éléments

play05:02

et bingo là je reste bouche bée il ce

play05:06

n'est pas tout les il existe depuis

play05:07

longtemps mais avec le développement

play05:09

d'internet

play05:10

elle dispose désormais de banques de

play05:11

données gigantesques pour fonctionner

play05:13

grâce aussi à la puissance des

play05:15

ordinateurs qui double tous les deux ans

play05:17

environ et avec des milliers d'heures

play05:19

d'entraînement les ja peuvent

play05:20

aujourd'hui aider les médecins à

play05:22

analyser les radios leurs patients te

play05:24

suggérer une musique en fonction de tes

play05:26

goûts ou encore d'écrire des images pour

play05:28

les non-voyants et ben heureusement

play05:30

qu'elles ont une bonne mémoire

play05:32

l'intelligence artificielle ce n'est

play05:34

plus de la science fiction et le monde

play05:36

entier on a certainement pris conscience

play05:38

en 1997 vous savez lorsqu'un

play05:41

superordinateur nommé des blu a réussi à

play05:44

battre le champion du monde d'échecs

play05:46

garry kasparov

play05:48

plus récemment en 2017 c'est le numéro

play05:51

un mondial de jeu de go kenji qui s'est

play05:54

fait détrôner par un programme

play05:56

informatique baptisé alpha go alors

play05:59

comment une machine créée par l'homme

play06:01

arrive tel non seulement à rivaliser

play06:04

avec son créateur mais mieux à devenir

play06:06

plus forte que lui

play06:07

comment l'élève at il dépassé le maître

play06:11

on va prendre l'exemple du jeu de go et

play06:13

vous allez tout comprendre

play06:15

[Musique]

play06:18

bon une intelligence artificielle ça

play06:21

fait plein de choses mais concrètement

play06:22

comment ça marche

play06:24

pour bien comprendre on va prendre

play06:26

l'exemple d'un jeu de stratégie le goût

play06:28

deux joueurs s'affrontent sur un plateau

play06:30

sur lequel sont tracés 19 lignes

play06:32

horizontales 19 une verticale soit 360

play06:36

et une intersection l'un possède des

play06:38

pierres noires et l'autre des blanches

play06:40

le but c'est d'occuper le maximum des

play06:43

espaces en encerclant les pierres de

play06:44

l'adversaire la difficulté c'est le

play06:47

nombre de coups possible car dès le

play06:49

troisième tour il y à plus de 15

play06:50

milliards de configurations différentes

play06:52

tu t'en doutes c'est un sacré casse tête

play06:54

car il ya beaucoup trop de choix

play06:56

il n'est donc pas possible de concevoir

play06:58

un programme informatique qui

play07:00

connaissent tous les coups ah mais je

play07:01

parie que li à elle elle en est capable

play07:05

l'intelligence artificielle nous

play07:06

memories pas tous les cours elle s'en

play07:07

sort grâce à ses algorithmes et surtout

play07:09

sa mémoire les fameuses données avant

play07:12

que l'ia soit capable de jouer on l'a

play07:14

programme avec les règles du jeu et on

play07:16

lui fournit un grand nombre de données

play07:18

ici par exemple des milliers de parties

play07:20

réalisées par des joueurs humains on

play07:22

analyse chaque partie coup par coup pour

play07:25

chaque situation donnée on attribue une

play07:27

note pour chaque coup la note la plus

play07:29

élevée désigne le meilleur coup à jouer

play07:31

ensuite quand la machine joue elle

play07:34

choisit le coup avec la meilleure note

play07:35

c'est à dire le mieux adapté à la

play07:37

situation cette méthode c'est ce qu'on

play07:39

appelle du machine learning ou

play07:40

apprentissage automatique

play07:42

messi

play07:42

et nous qui lui apprenons comment une

play07:44

intelligence artificielle deviendra

play07:46

meilleur que ses professeurs aujourd'hui

play07:48

certaine zahia apprennent à jouer tout

play07:50

seul

play07:50

seulement en connaissant les règles du

play07:52

jeu et en analysant des partis sans

play07:54

qu'on les aide

play07:54

autrement dit on ne leur donne pas de

play07:56

recette créée écrite ni de note pour

play07:58

chaque coup on la laisse chercher

play08:00

comment arriver au meilleur résultat

play08:02

possible

play08:02

on appelle ce type d'algorithmes

play08:04

l'apprentissage profond ou deep learning

play08:07

et pour fonctionner il faut fournir ali

play08:10

a le plus grand nombre d'exemples

play08:12

possible à partir de cette grande base

play08:14

de données

play08:14

l'ia peut extraire des informations qui

play08:17

nous échappe

play08:18

ce qu'un joueur professionnel

play08:19

qualifierait d'intuition mais pour la

play08:22

machine

play08:22

il s'agit de millions d'informations qui

play08:24

sont recoupées entre elles bien sûr cela

play08:27

nécessite une puissance de calcul

play08:28

considérable l'équivalent de plusieurs

play08:30

centaines d'ordinateurs comme ça elle

play08:32

peut créer de nouvelles stratégies

play08:34

bon il ne reste plus qu elle est testée

play08:35

alors ça l'ia le fait en s'entraînant à

play08:39

jouer contre elle même on appelle ça

play08:41

l'apprentissage par renforcement comme

play08:44

son niveau est le même des deux côtés

play08:45

plus elle fait deux parties plus elle

play08:47

teste ses coûts et les parades possibles

play08:49

et à chaque fois sa base de données

play08:51

s'enrichir

play08:52

pratique non eh ben je ne pensais pas

play08:54

que les machines seraient plus

play08:55

intelligente que nous aujourd'hui les

play08:57

machines peuvent être plus précise que

play08:59

nous dans beaucoup de domaines et même

play09:00

mettre en place des raisonnements

play09:01

nouveau mais ce sont toujours des

play09:03

intelligences artificielles faible car

play09:05

elle reste spécialisée dans une seule

play09:07

tâche pour qu'une intelligence

play09:08

artificielle soit un jour considérées

play09:10

comme fortes

play09:11

il faudrait qu'elle soit multifonctions

play09:12

et surtout qu'elle possède quelque chose

play09:14

de plus une conscience tu vois

play09:17

l'intelligence la vraie c'est beaucoup

play09:19

plus que de la simple analyse

play09:20

ouf bon je vais aller me faire une

play09:22

petite sieste pour ça au moins une

play09:24

intelligence artificielle ne sera jamais

play09:26

meilleur que moins l'intelligence

play09:30

artificielle en fait ce n'est pas

play09:31

vraiment nouveau

play09:32

les premières expériences en laboratoire

play09:35

remonte à la fin des années 1950

play09:39

eh oui l'iaa a déjà presque 70 ans

play09:42

d'ailleurs en 1950 un mathématicien

play09:45

britannique nommé alan turing propose

play09:49

déjà un test pour moi

play09:50

mesurer l'intelligence des machines et

play09:53

la comparer à celle des hommes

play09:56

c'est le fameux test de turing depuis eh

play09:59

bien la machine ne cesse d'apprendre

play10:01

d'auto apprendre et de développer ses

play10:03

réseaux de neurones

play10:05

voici la grande aventure de

play10:06

l'intelligence artificielle depuis son

play10:09

berceau jusqu'à aujourd'hui

play10:12

[Musique]

play10:15

les premières machines pensantes

play10:17

apparaissent dans les histoires de

play10:19

science fiction

play10:20

par exemple en 1921 la pièce de théâtre

play10:23

rossum universal robote de l'auteur

play10:26

tchèque karel capek mais déjà en scène

play10:29

des machines intelligentes

play10:30

dès 1957 autour des scientifiques

play10:33

d'imaginer des machines pensantes

play10:35

le mathématicien britannique alan turing

play10:37

publie un article intitulé machine de

play10:40

calcul et intelligence dans lequel il

play10:42

décrit comment savoir si une machine

play10:44

s'approche d'une intelligence humaine il

play10:47

appelle cette méthode le jeu de

play10:49

limitation plus connue aujourd'hui sous

play10:51

le nom de test de turing

play10:52

voilà les débuts de l'intelligence

play10:54

artificielle pendant l'été 1956 les

play10:58

scientifiques américains john mccarthy

play10:59

marvin minsky nathaniel rochester et

play11:03

claude shannon invitent leurs confrères

play11:05

à une conférence sur le thème des

play11:07

machines pensantes au dartmouth collège

play11:09

une célèbre université des états unis

play11:12

c'est la première fois dans l'histoire

play11:14

que le terme d'intelligence artificielle

play11:16

est utilisé ils commencent ensuite leurs

play11:19

recherches par décrire très précisément

play11:20

les mécanismes d'apprentissage et

play11:23

d'intelligence chez l'humain pour les

play11:25

reproduire avec une machine

play11:27

quel programme

play11:30

[Musique]

play11:33

à partir de 1956 c'est l'essor de

play11:37

l'intelligence artificielle

play11:38

les projets fleurissent stimulée par les

play11:41

débuts de l'informatique

play11:42

les premières applications de l'ia sont

play11:44

principalement liées aux mathématiques

play11:47

d'ailleurs la même année le premier

play11:49

logiciel dia le logique terrorisme est

play11:52

créée par deux chercheurs américains

play11:54

allen newell et herberts imon ce

play11:57

logiciel réalise tout seul des

play11:59

démonstrations de théorèmes

play12:01

mathématiques pratique hein en 1957 le

play12:04

psychologue franck rosenblatt invente le

play12:07

premier programme d'apprentissage

play12:09

grâce à un réseau de neurones simple le

play12:11

percepteur ont entre-temps l'ia trouve

play12:14

un autre terrain d'étude avec la

play12:16

traduction automatique en 1954 motivée

play12:20

par la guerre froide entre l'urss et les

play12:22

états unis

play12:23

un programme de traduction automatique

play12:25

voit le jour et traduit 49 phrase russe

play12:28

en anglais mais c'est à partir de 1957

play12:31

que les programmes s'améliore vraiment

play12:33

grâce à noam chomsky un chercheur

play12:36

linguiste américain qui invente des

play12:38

modèles mathématiques de langage pour

play12:40

les rendre compréhensibles aux machines

play12:42

plus tard en 1965 om haïti joseph

play12:46

wiseman boom développe le programme

play12:49

informatique et lisa il remplace le

play12:51

psychothérapeute pendant les entretiens

play12:53

thérapeutique et c'est aussi le premier

play12:56

programme qui réussit le test de turing

play12:58

mais seulement pendant quelques minutes

play12:59

avant que son identité de chat bottes ne

play13:02

soient démasqués vous savez un chat

play13:04

botte c'est un peu comme syrie ou au

play13:06

quai google sur votre smartphone

play13:08

parallèlement lie à se répand dans la

play13:11

culture populaire

play13:12

en 1968 elle apparaît dans le film 2001

play13:15

l'odyssée de l'espace de stanley kubrick

play13:18

on y voit un ordinateur intelligent al

play13:21

capable de piloter un vaisseau spatial

play13:23

[Musique]

play13:26

1

play13:29

la fin des années 1960 marque une

play13:31

période de crise pour l'intelligence

play13:33

artificielle on parle divers de l'ia la

play13:36

recherche s'effondre suite à la

play13:38

désillusion scientifique

play13:40

il faut dire que les machines sont loin

play13:41

d'avoir une intelligence humaine effet

play13:44

domino les investissements s'écroule

play13:46

à leur tour les premières questions

play13:47

éthiques émergent et avec elle les

play13:50

premiers reproches en 1965 le philosophe

play13:53

américain hubert dreyfus publie une

play13:56

première critique des recherches sur

play13:58

l'intelligence artificielle

play14:00

ils contestent notamment le fait que

play14:02

l'intelligence soit réduite à un simple

play14:03

calcul et il souligne l'importance des

play14:06

émotions et du ressenti du cerveau

play14:08

humain

play14:09

en 1973 le mathématicien britannique

play14:11

michael james

play14:13

light il aimait lui aussi des critiques

play14:15

dans un rapport commandé par le

play14:17

parlement britannique avec pour

play14:19

conséquence le gel du financement

play14:20

européen pour l'ia cette période permet

play14:24

de revoir les objectifs à la baisse et

play14:26

d'établir des projets plus réaliste

play14:28

pendant ce temps l'ia s'installe de plus

play14:31

en plus dans la culture populaire de

play14:32

science fiction comme avec le célèbre

play14:34

duo c-3po et r2-d2 dans star wars qui

play14:38

fait son apparition en 1977

play14:42

[Musique]

play14:45

dans les années 1980 les investissements

play14:49

repartent à la hausse et de recherches

play14:50

reprennent

play14:51

c'est l'époque de ce qu'on appelle les

play14:53

systèmes experts l'idée c'est qu'une

play14:55

machine effectue les mêmes analyses

play14:57

qu'un expert humains dans un domaine

play14:59

bien précis comme un diagnostic médical

play15:02

par exemple même si le premier système

play15:04

expert apparaît aux états unis en 1965

play15:07

ce type de programme se développe

play15:08

surtout dans les années 1980 ils servent

play15:11

dans la finance ou encore pour détecter

play15:14

des fraudes aux cartes de crédit

play15:15

c'est aussi le moment où se développent

play15:17

les algorithmes d'apprentissage qui

play15:19

permettent aux programmes de traiter des

play15:21

problèmes plus complexe qu'avant mais à

play15:24

la fin des années 1980 l'intelligence

play15:26

artificielle vite une nouvelle crise

play15:28

l'émergence des ordinateurs personnels

play15:30

oriente les financements dans

play15:32

l'informatique classique

play15:34

ce n'est que dans les années 1990 que

play15:37

l'ia réintègre les laboratoires de

play15:39

recherche

play15:39

stimulé par les progrès dans

play15:41

l'informatique et le début du big data

play15:43

en 1997 pour la première fois

play15:47

l'intelligence artificielle deep blue

play15:49

bas le champion du monde d'échecs de

play15:51

l'époque

play15:52

garry kasparov la même année un logiciel

play15:55

de reconnaissance vocale développé par

play15:57

dragon système est installé sur windows

play16:00

cette période marque aussi l'essor du

play16:02

dip learning grâce à des chercheurs

play16:04

comme le français yann lequin qui

play16:06

permettent des avancées importantes dans

play16:08

la reconnaissance d'écriture et d'image

play16:10

les nouvelles techniques mises au point

play16:12

sont ensuite utilisés pour détecter des

play16:14

fraudes sur les chèques par exemple

play16:18

[Musique]

play16:21

au cours de la dernière décennie

play16:23

l'intelligence artificielle prend un

play16:25

nouveau tournant

play16:26

et oui la puissance de calcul des

play16:28

ordinateurs à la capacité de stockage et

play16:31

l'accumulation des données augmente de

play16:33

façon extraordinaire les améliorations

play16:35

techniques développe ainsi la

play16:37

performance des algorithmes c'est l'ère

play16:39

du diplôme ning par exemple l'algorithme

play16:42

de reconnaissance faciale de facebook

play16:44

deals faith égale presque les

play16:46

performances du mmm et l'ia ne s'arrête

play16:49

pas là que ce soit dans les voitures

play16:50

autonome la traduction simultanée d'une

play16:53

conversation ou encore les suggestions

play16:54

des moteurs de recherche

play16:56

l'ia est partout elle commence même à

play16:59

porter une casquette d'artiste

play17:01

le programme dit jim analyse des images

play17:04

et grâce à l'entraînement de ses

play17:06

algorithmes il est capable de les

play17:08

modifier le résultat a parfois des

play17:10

allures un peu psychédélique en octobre

play17:13

2015 li à alpha go de google bat pour la

play17:16

première fois le champion européen de go

play17:19

vous savez le jeu de stratégie au

play17:21

milliard de possibilités en 2017 80% des

play17:25

plus grosses entreprises du monde avait

play17:27

déjà investi dans l'intelligence

play17:29

artificielle aujourd'hui le champ d

play17:31

application de l'ia est immense mais les

play17:33

questions éthiques

play17:34

évoquée dès les années 1970 sont plus

play17:37

que jamais d'actualité et doivent nous

play17:39

faire réfléchir au statut des futurs

play17:42

sien depuis une dizaine d'années

play17:44

l'intelligence artificielle a vraiment

play17:46

pris son envol et on la voit s'immiscer

play17:48

aujourd'hui dans tous les domaines

play17:50

transports santé sécurité apprentissage

play17:53

loisirs elle est partout aussi bien à la

play17:57

maison au travail que dans la rue voici

play17:59

quelques-unes des grandes applications

play18:01

de l'intelligence artificielle

play18:08

dans les hôpitaux on trouve de plus en

play18:10

plus de médecins qui travaillent avec

play18:12

désirs pour identifier les causes de

play18:14

certaines maladies comme les cancers

play18:15

pour aider les médecins elle étudie les

play18:18

données des patients récolté à partir de

play18:20

leurs analyses sanguines par exemple et

play18:22

cia elle regarde quoi dans ses analyses

play18:25

l'objectif c'est de déterminer des

play18:27

variants donc en fait des des mutations

play18:30

génétiques qui vont permettre de prédire

play18:32

en fait le la sévérité en particulier du

play18:36

cancer de la prostate chez les personnes

play18:37

atteintes

play18:38

donc on part en fait d'un de centaines

play18:40

de milliers de variants du de l'adn et

play18:44

l'objectif est d'identifier les variants

play18:46

les plus pertinents en fait pour prédire

play18:47

la maladie mais chaque personne a un adn

play18:50

différents noms alors j'imagine que les

play18:52

médecins ont déjà une idée de ce qu'il

play18:53

faut chercher

play18:54

en général les médecins ou les

play18:56

biologistes ont déjà des intuitions

play18:58

voire même des déjà des recherches sur

play19:02

les marqueurs qui sont utiles pour

play19:04

prédire la maladie est en fait nous

play19:06

notre travail

play19:07

il vient en fait dans une deuxième phase

play19:08

où on cherche à élargir l'espace de deux

play19:12

variables qu'on regarde et essayer

play19:14

également de trouver des variables

play19:15

synergique c'est à dire des variables

play19:17

qui ensemble ont permettent de prédire

play19:19

et donc ça c'est des choses qui sont

play19:21

difficiles à faire part par les experts

play19:23

et qui sont en fait possible avec les

play19:26

méthodes de machine learning

play19:27

ok donc l'ia analyse les données et les

play19:30

chercheurs en déduisent les nouvelles

play19:31

pistes à explorer

play19:33

quel travail d'équipé et comment on lui

play19:35

apprend à bien faire tout ça là des

play19:37

méthodes qu'on appelle apprentissage

play19:38

superviser c'est à dire qu'en fait on a

play19:40

utilisé une base de données qu'on avait

play19:41

étiqueté c'est à dire on a une base pour

play19:44

lequel on sait quels sont les patients

play19:45

malades et les patients sains et on va

play19:47

chercher à trouver quels sont les

play19:48

variables qui vont permettre de faire la

play19:49

différence entre ces patients malades et

play19:51

ses patients ça le nombre de patients

play19:52

est assez variable mais c'est en général

play19:55

de l'ordre de 100 à 1000 patients cod

play19:58

base de relativement petite taille pour

play20:00

pouvoir faire de l'apprentissage c'est à

play20:02

dire qu'on a moins d'exemple que deux

play20:04

variables et oui la recherche ce n'est

play20:07

pas si simple

play20:08

du coup remplacer le médecin par une ia

play20:10

c'est pas pour tout de suite

play20:12

les méthodes que nous développons

play20:13

actuellement elle ne remplace pas le

play20:15

médecin mais l'intelligence artificielle

play20:16

vient vraiment en support de la

play20:18

recherche clinique

play20:19

donc pour pouvoir en fait mieux cibler

play20:22

les marqueurs que l'on veut regarder et

play20:25

que l'on veut observer en fait chez des

play20:27

patients que les médecins suivent cours

play20:29

du temps ça permet de réduire en fait ce

play20:31

que l'on recherche dans les analyses de

play20:33

sang en particulier pour les patients

play20:35

donc par exemple au lieu de regarder

play20:37

l'ensemble des positions du génome ou de

play20:40

tous les variantes possibles

play20:41

on va se focaliser sur quelques

play20:43

variantes qui sont spécifiques d'une

play20:44

maladie et donc ça fait des tests en

play20:46

fait qu'ils sont plus faciles à mettre

play20:47

en oeuvre et qui sont moins chers aussi

play20:48

en routine à l'hôpital vous le trouvez

play20:56

comment cet appartement pas mal non et

play20:59

bien en fait c'est un laboratoire et les

play21:01

chercheurs s'en servent pour développer

play21:02

une ia capable de faire ce qu'on appelle

play21:05

du monitoring a2micile mais en quoi ça

play21:08

consiste

play21:09

le monitoring de l'activité d'une

play21:11

personne cet capable de décrire toute la

play21:13

série d'actions qu'a réalisé la personne

play21:15

au cours de la journée

play21:17

l'intelligence artificielle que l'homme

play21:18

en oeuvre ici c'est ce qu'on appelle du

play21:19

type learning nom de l'apprentissage

play21:21

profond capable à partir d'exemples

play21:23

d'apprendre à quoi ressemble une

play21:25

activité une chute un comportement ou un

play21:28

autre poursuivre notre activité dans la

play21:30

maison les algorithmes utilise des

play21:32

caméras

play21:33

regardez il y en a un peu partout bon

play21:35

mais à quoi ça sert d'analyser tous nos

play21:37

faits et gestes

play21:38

donc quand vous avez des personnes un

play21:40

peu fragiles soient malades soient âgées

play21:42

et l'intéressant d'avoir monitoring de

play21:45

ce qui se passe sur leur journée leur

play21:47

temps d'éveil qu'ils ont bien pris le

play21:48

repas parce qu'ils les prennent de

play21:50

manière régulière ou est ce qu'au

play21:51

contraire il ya une déficience ont

play21:52

oublié de prendre le repas par exemple

play21:54

dans le cas d'une maladie de type

play21:55

alzheimer ce genre de système peut

play21:57

permettre de faire simplement

play21:59

bilan est détecté des évolutions

play22:01

longtemps général sont des maladies qui

play22:02

évoluent relativement lentement et donc

play22:04

les variations sont assez difficiles à

play22:06

détecter et grâce à ce genre de système

play22:08

d'ailleurs vraiment un monitoring

play22:09

continu

play22:10

on pourrait avoir vraiment de la mesure

play22:11

de précisions sur les activités des

play22:13

personnes

play22:14

elle est vraiment aux petits soins avec

play22:15

nous et ya par contre ça ne doit pas

play22:18

être facile de lui apprendre à

play22:19

différencier les moments où l'on cuisine

play22:21

et se venge

play22:22

il faut une approche qui est utilisée

play22:25

elle est pas unique mais c'est une

play22:26

manière de faire est d'extraire le

play22:27

squelette des personnes extrait le

play22:29

squelette c'est quoi c'est retrouver la

play22:31

posture de la personne retrouvée la

play22:32

position des membres des bras des jambes

play22:35

également dû également du torse et

play22:37

donner aux réseaux de neurones ce

play22:39

résultat

play22:40

cette information là pour qu'ils

play22:41

apprennent les activités en fonction de

play22:44

la posture de la personne et surtout de

play22:45

la séquence de gestes que réalisa

play22:47

personne peut manger faire la vaisselle

play22:49

faire le ménage sont des classes

play22:51

différentes

play22:51

donc quand on hamm est une séquence

play22:53

vidéo en entrée du réseau de neurones

play22:55

chaque classe d'avoir un score et le

play22:58

score le plus élevé est probablement la

play23:00

tâche qui est en cours de réalisation à

play23:02

vous nous montrez ce que ça donne sur

play23:04

vous quand j'entre dans le cadre de la

play23:06

de la caméra mon squelette est

play23:08

automatiquement détecter et à partir de

play23:10

l'analyse du mou de ce squelette

play23:12

on va pouvoir retrouver l'activité de

play23:15

faire le ménage

play23:15

ah bah il fait pas peur ces squelettes 1

play23:18

en tout cas elle a l'air doux et c'est

play23:19

ya enfin bon faire la vaisselle avec un

play23:21

balai dans les mains ce ne serait pas

play23:23

logique

play23:23

une autre idée évidemment c'est de

play23:25

regarder les interactions avec les avec

play23:28

le reste de leur est de l'environnement

play23:30

en particulier les objets typiquement

play23:33

quand je suis en train de téléphoner je

play23:35

vais saisir mon téléphone quand jean

play23:36

tinguely rejet prendre un livre quand je

play23:38

gagnais la télé je vais être en face de

play23:39

la télévision

play23:40

donc voilà le genre d'information que

play23:41

l'on peut bien sûr ajouter pour

play23:42

renforcer la l'interprétation de

play23:44

l'activité de chant train de réaliser

play23:49

des machines qui commande d'autres

play23:51

machines bienvenue dans l'usiné du futur

play23:54

ici les algorithmes peuvent par exemple

play23:56

décidé d'arrêter instantanément toute

play23:59

une chaîne de production et s'est même

play24:01

pas pour prendre une pause café pour la

play24:03

réaliser un projet qui vise à faire de

play24:05

la détection de défauts sur des plaques

play24:07

métalliques issus de laminoir à chaud

play24:09

donc scellé bande de métal qui défilent

play24:12

très très vite sur une chaîne de

play24:13

production

play24:13

on est plusieurs dizaines de mètres par

play24:16

seconde

play24:17

il ya des défauts graves des défauts qui

play24:18

sont pas graves certains défauts qui

play24:20

vont affecter la qualité du métal

play24:21

d'autres qui n'affecteront pas donc

play24:23

c'est important de pouvoir dire très

play24:25

très vite dans le processus de

play24:26

production

play24:27

quand est ce qu'il ya un défaut grave et

play24:29

quand est-ce qu'il faut arrêter la

play24:30

chaîne de production il va pas l'arrêter

play24:32

inutilement si si ça ne vaut pas la

play24:34

peine de l'arrêter et pour détecter ces

play24:36

défauts il faut de bonnes infos cia

play24:38

repose donc sur des capteurs très

play24:40

spécifique des caméras ultra haute

play24:43

définition

play24:44

c'est ce qu'on appelle des caméras

play24:45

linéaire en gros c'est une caméra qui

play24:47

filme des lignes qui font pratiquement

play24:50

dix mille pixels de large

play24:51

mon travail sur des très hautes

play24:53

résolutions donc c'est plus plusieurs

play24:56

centaines de méga pixels par rapport à

play24:58

un appareil photo numérique

play25:00

on est dix cent fois plus élevé en

play25:03

termes de résolution et bain avec des

play25:06

yeux pareils aucun détail ne lui échappe

play25:08

en plus grâce à des systèmes

play25:09

informatiques perfectionner les réseaux

play25:11

de neurones lie à reconnaître n'importe

play25:13

quel type de défaut la machine permet

play25:16

d'être beaucoup plus rapide dans

play25:17

l'inspection de défaut et voire même

play25:19

d'être plus précise qu'un opérateur dont

play25:22

certains défauts qui se ressemblent

play25:23

beaucoup

play25:24

un opérateur il il va parfois hésiter

play25:28

entre différents types de défauts

play25:29

falloir du temps pour prendre une

play25:31

décision

play25:31

la machine va donner directement des

play25:35

probabilités que ce soit le type de

play25:36

défaut ou tel type de défaut avec une

play25:39

fiabilité on l'espère meilleur que un

play25:41

opérateur

play25:42

standard à vous avez vu ça le volant

play25:50

tourne tout seul si c'est possible c'est

play25:53

parce que dans cette voiture autonome

play25:54

le pilote c'est l'intelligence

play25:56

artificielle pour éviter les obstacles

play25:58

elle doit d'abord apprendre à

play26:00

différencier les objets qui l'entourent

play26:01

comme les autres voitures lors de

play26:04

l'apprentissage on va présenter des

play26:06

exemples de toutes les voitures en

play26:09

variant bien sûr l'angle de vue les

play26:12

conditions les conditions de prise de

play26:14

vue la marque et le modèle pour pouvoir

play26:16

avoir une bonne représentation de la

play26:18

variabilité de ces objets dans un

play26:20

contexte aurait elle lit assez des

play26:23

bruits mieux que moi pour reconnaître

play26:25

les modèles de boîtiers enfin peut-être

play26:26

que je ne regarde pas ce qu'il faut elle

play26:28

se concentre sur quoi lee a donc

play26:31

l'algorithme reconnaît la forme générale

play26:32

de la voiture dans l'image il détecte

play26:35

également les partis de chaque voiture

play26:37

ce qui permet également de le localiser

play26:40

en trois dimensions dans l'espace par

play26:42

exemple de connaître la distance par

play26:44

rapport à la caméra ainsi que

play26:46

l'orientation de la voiture par rapport

play26:48

à la caméra et avec tous ces capteurs la

play26:50

voiture voit à 360° de près comme de

play26:53

loin et même en pleine tempête

play26:55

tiens mais si elle passe à côté d'une

play26:57

publicité avec une voiture dessus par

play26:59

exemple ça fonctionne toujours

play27:00

c'est un cas qui est plus subtile donc

play27:03

là on va considérer que cet exemple là

play27:06

est un exemple négatif bien sûr

play27:08

puisqu'on ne veut pas le détecter

play27:09

mais ceci dit il ya une voiture dans

play27:12

l'image donc c'est un exemple qu'on dit

play27:14

négative difficile ça veut dire qu'on

play27:15

peut utiliser d'autres informations donc

play27:17

des informations de contexte pour faire

play27:19

la différence entre une vraie voiture et

play27:21

une voiture dans une image publicitaire

play27:23

par exemple la localisation de l'objet

play27:25

par rapport à la route

play27:26

donc le panneau publicitaire sera

play27:29

vraisemblement poser en hauteur et donc

play27:32

n'aura pas une localisation probable par

play27:35

rapport à la route

play27:39

certaine intelligence artificielle sont

play27:42

déjà intégrés à des systèmes de

play27:44

vidéosurveillance

play27:45

mais à quoi ça peut bien servir il est

play27:48

extrêmement difficile de surveiller les

play27:51

milliers de caméras qui peuvent être

play27:52

déployées dans une infrastructure ou

play27:53

dans une ville donc l'algorithme permet

play27:56

de traiter une masse d'informations qui

play27:59

est qui est extrêmement importante et

play28:01

déjà de repérer dans les flux vidéo les

play28:05

situations qui pourraient être des

play28:06

situations dangereuses

play28:07

on va entraîner l'algorithme à assortir

play28:11

une probabilité pour chacun des points

play28:14

chacune des classes de comportement et

play28:16

il va donner un score plus ou moins et

play28:18

le plus ou moins élevé selon la

play28:20

confiance qu'il aura dans le résultat

play28:21

qu'il va produire

play28:23

l'ia reconnaît aussi des piétons qui

play28:24

traversent la route ou des gens en train

play28:26

dé discuter c'est utile ça pour bien

play28:28

identifier les comportements dangereux

play28:30

il s'agit ici de décrire des

play28:32

comportements élémentaires pour ensuite

play28:35

pour une application donnée pouvoir

play28:37

construire une fonctionnalité de

play28:39

reconnaissance d'une situation

play28:40

spécifique des comportements spécifiques

play28:42

par exemple lorsqu'on a une situation de

play28:44

personnes qui se battent le mouvement

play28:47

respectives des personnes sera beaucoup

play28:49

plus déstructurés que le mouvement de

play28:52

deux danseurs par exemple et donc

play28:54

l'algorithme va chercher à apprendre des

play28:56

descripteurs qui permettent de d'encoder

play28:59

cette information de mouvements

play29:00

chaotiques

play29:01

afin de bien reconnaître une situation

play29:03

une situation de violence d'accord donc

play29:06

en entraînant l'algorithme à

play29:08

différencier des situations très variées

play29:10

et finit par les reconnaître plus

play29:12

facilement et pour ça il analyse la

play29:15

vitesse des mouvements leur trajectoire

play29:16

ou encore les points de contact entre

play29:19

les personnes le flux de vidéo est

play29:21

analysé par par l'algorithme qui va pour

play29:24

chaque région de l'image modéliser

play29:27

l'apparence visuelle des personnes ainsi

play29:30

que

play29:31

leur mouvement voilà donc les deux

play29:34

personnes commencent à se battre à se

play29:37

disputer et sérieusement et on voit que

play29:39

l'algorithme arrive à localiser dans

play29:40

l'image de la zone la région où il ya

play29:45

une situation de violence on cherche

play29:47

bien sûr à améliorer ses algorithmes et

play29:49

introduire à la fois des notions de

play29:52

contexte et également à perfectionner

play29:54

les algorithmes de détection d'objets de

play29:57

reconnaissance d'objets afin de mieux

play29:59

interpréter la scène la situation que

play30:02

l'on observe

play30:06

[Musique]

play30:08

vous entendez seti a un incroyable

play30:11

talent

play30:12

[Musique]

play30:16

1

play30:19

aujourd'hui certaines dia sont capables

play30:21

de créer et de jouer de nouvelles

play30:23

musiques

play30:24

comment elles s'y prennent on va faire

play30:26

c'est vraiment donné à la machine un

play30:28

ensemble de partitions partition de

play30:30

mozart des partitions de pétain

play30:31

on va les donner un maximum

play30:33

d'informations qu'elle va écouter quelle

play30:35

part est écoutée qu'elle va reproduire

play30:37

jusqu'à ce qu'elle soit capable par elle

play30:38

même de générer des nouvelles mélodies

play30:41

le but et pas seulement de faire en

play30:43

sorte que la machine puisse produire de

play30:44

la musique c'est qu'elle l'a comprennent

play30:46

donc en s'entraînant sur des symphonies

play30:49

de musique classique elle apprend à

play30:51

composer des morceaux dans le même style

play30:53

et ce n'est pas tout les chercheurs crée

play30:56

même des systèmes capables d'improviser

play30:58

en direct avec un musicien à partir des

play31:01

notes qu'il est en train de jouer nous

play31:04

ce qui nous intéresse vraiment c'est

play31:05

l'interaction entre un musicien

play31:07

analogique qui joue de son instrument

play31:09

physique et un musicien numérique

play31:12

capable de pouvoir jouer avec un tout

play31:15

petit peu de matériaux par exemple il

play31:18

faut qu'on ait un système qui soit

play31:19

capable de jouer de la musique sans

play31:21

avoir appris sur des très grosses

play31:23

quantités de données

play31:24

on peut voir le système qui au départ

play31:26

ben ne peut piocher que dans les trois

play31:28

ou quatre premières notes de ce qu'elles

play31:29

veulent musiciens et puis au fur et à

play31:31

mesure de la performance on voit son

play31:33

discours musical s'enrichir et tout le

play31:37

principe de nos systèmes

play31:39

ces procès samples ces petites tranches

play31:41

de musique pour être capable de raconter

play31:43

une autre histoire

play31:44

en les mettant dans un autre ordre on

play31:46

les transforme en super et ça donne quoi

play31:49

en live

play31:50

[Applaudissements]

play31:52

[Musique]

play31:58

oh

play32:07

waouh on dirait vraiment deux musiciens

play32:10

qui se répondent

play32:11

il ne reste plus qu'à imaginer à un

play32:13

algorithme qui improvisera sur scène à

play32:15

partir d'une grande mémoire musicale

play32:17

ça voudrait dire est ce que le système

play32:20

pourrait voir sa petite mémoire musicale

play32:22

sous un autre angle et faire d'autres

play32:24

choix

play32:25

si en plus de comprendre les règles qui

play32:27

a dans cette petite mémoire musicale il

play32:29

avait injecté en lui une connaissance

play32:32

des règles qui régissent toute la

play32:35

musique du monde extérieur en gros

play32:38

[Musique]

play32:53

[Applaudissements]

play32:54

[Musique]

play33:06

aujourd'hui les machines peuvent être

play33:08

plus précise que nous dans beaucoup de

play33:10

domaines et elle arrive même à mettre en

play33:13

place des raisonnements nouveau mais ces

play33:15

progrès de l'intelligence artificielle

play33:17

sont loin de faire l'unanimité et il

play33:20

soulève beaucoup de questions comment

play33:22

l'ia va-t-elle transformer notre société

play33:26

la machine remplacera-t-elle bientôt les

play33:28

humains faut-il prévoir un nouveau

play33:30

statut juridique pour ses créatures

play33:32

artificielles et surtout comment faire

play33:35

parfaitement confiance à une machine

play33:37

surtout si on ne comprend pas vraiment

play33:39

son mode de raisonnement

play33:41

voici quelques unes des grandes

play33:42

questions que nous avons posées à notre

play33:45

expert

play33:51

[Musique]

play33:54

l'impact de ces quelques remplacements

play33:58

qu'on verra sera énorme dans pas partout

play34:01

dans tous les secteurs de la vie humaine

play34:03

alors pourquoi c'est justement cette

play34:05

irruption de l'artificiel dans la

play34:08

communication qui jusque là était

play34:10

pratiquement toujours humaine et comment

play34:14

cette irruption de l'artificiel et du

play34:17

synthétique va changer

play34:20

nous tenons nos relations entre nous

play34:22

entre les humains c'est une grande

play34:24

question pour laquelle aujourd'hui il ya

play34:26

très peu de réponses par exemple la

play34:28

reconnaissance des visages la

play34:30

reconnaissance des voix ça pose des

play34:33

problèmes fondamentaux au niveau des

play34:35

droits des droits de l'homme de la façon

play34:37

même dont notre société et hissaient

play34:40

dont les individus viennent ensemble

play34:41

pour former un collectif aujourd'hui

play34:43

dans certains pays par un europe on voit

play34:47

des policiers se promenait avec des

play34:50

lunettes

play34:52

connecté

play34:53

sur internet qui leur permettent en

play34:55

temps réel

play34:56

en regardant une personne identifiée par

play34:59

exemple si cette personne est présente

play35:01

donc pas seulement de trouver son nom

play35:03

mais avoir des informations sur par

play35:06

exemple est-ce que c'est un criminel pas

play35:08

est ce que cette personne est présente

play35:09

dans de telles bases de données de la

play35:13

police

play35:13

ces technologies changent la vie privée

play35:17

et échanges même notre façon de

play35:21

communiquer avec autrui de façon

play35:25

fondamentale

play35:30

[Musique]

play35:32

moi je vois une barrière fondamental

play35:35

c'est que une machine intelligente un

play35:38

système apprenants ne définit jamais ses

play35:41

propres objectifs ses propres buts

play35:44

les buts sont programmées par le

play35:46

programmeur derrière la machine ne

play35:48

connaît que des données et donc c'est

play35:50

pour ça que cette intelligence

play35:52

artificielle elle ne sera pas se donner

play35:55

des objectifs nouveaux qu'elle n'a

play35:57

jamais vu nulle part et donc du coup il

play36:01

aura toujours une différence

play36:03

fondamentale entre un agent libre parce

play36:07

que c'est ça un peu la liberté un nain

play36:10

jeunes mains libres et cette

play36:12

intelligence artificielle qui sera pas

play36:15

si faible que ça passe il limitait que

play36:18

ça parce qu'il est tout à fait possible

play36:19

qu'elle sache faire 200 2000 mêmes

play36:22

tâches différentes pourquoi pas mais

play36:25

elle n'aura jamais cette ouverture vers

play36:28

l'inconnu qui caractérise la liberté

play36:32

humaine

play36:37

[Musique]

play36:39

il ya beaucoup de beaucoup de métiers

play36:42

liés à l'apprentissage qui vont sans

play36:45

doute disparaître qui commence déjà à

play36:47

disparaître dans le secteur médical par

play36:49

exemple il faut aujourd'hui lire les

play36:52

scans médicaux et le médecin passe deux

play36:55

ans trois ans toute une formation pour

play36:59

une éducation pour apprendre à lire ces

play37:02

scans alors la machine peut le faire

play37:04

beaucoup mieux et beaucoup plus vite

play37:05

parce que la machine peut apprendre à la

play37:08

base de millions et de millions

play37:09

d'exemplaires et non des milliards

play37:11

d'exemplaires donc elle sera vite

play37:13

beaucoup plus performante qu'un médecin

play37:15

humains dans la lecture de ces scans

play37:17

médicaux donc ça voilà il ya beaucoup de

play37:19

beaucoup de métiers liés à

play37:20

l'apprentissage qui vont sans doute

play37:23

disparaître qui commence déjà à

play37:25

disparaître

play37:25

et puis il en a d'autres qui repose sur

play37:28

l'affectivité sont en quelque sorte

play37:31

protégés ne vont pas être remplacés par

play37:34

des machines

play37:35

cela ne veut pas dire que les machines

play37:37

seront inutiles pour ces métiers là

play37:38

peut-être que justement elles viendront

play37:40

comme des assistants comme des aides

play37:43

pour la décision mais pas comme quelque

play37:45

chose que va chasser complètement l'un

play37:47

d'eux tous les secteurs

play37:54

[Musique]

play37:56

la transparence c'est un impératif

play37:59

éthique et politique qui dit il faut

play38:03

éviter à tout prix

play38:04

ces situations de la non explique

play38:07

habilité d'une décision qui compte pour

play38:11

vous normalement l'ingénieur s'il

play38:13

regarde un peu à l'intérieur va pouvoir

play38:15

vous dire bah c'était à cause de ça de

play38:17

ça et de ça il ne pourra jamais vous

play38:20

dire basse juste la machine avec son

play38:23

apprentissage l'a décidé je ne sais pas

play38:25

comment

play38:25

et c'est pour ça qu'on utilise ce

play38:28

concept de traçabilité qui en fait

play38:30

remplace en quelque sorte la notion de

play38:33

transparence

play38:33

en pratique la traçabilité veut dire

play38:36

qu'il sera nécessaire de concevoir un

play38:39

système de telle façon qu'il sera

play38:41

toujours possible de remonter les chaîne

play38:43

causale qui ont mené à n'importe quelle

play38:47

action décision de la machine on peut

play38:49

par exemple mettre un autre système

play38:51

apprenants pour qu'il regarde le premier

play38:54

est qu'il nous explique ce que fait le

play38:57

premier donc il ya un système opaque

play39:00

une boîte noire et puis là un deuxième

play39:02

qui va mettre des mots des phrases des

play39:05

explications dans le langage normal le

play39:08

nôtre on peut faire autre chose

play39:10

on peut essayer

play39:13

de retrouver un tout petit peu cette

play39:16

boîte qu'elle ne soit pas tout à fait

play39:17

noir et par exemple faire des

play39:19

visualisations et donc on verra que

play39:21

quand la machine entre guillemets

play39:23

réfléchi celle là ou que ça se passe

play39:25

c'est là là bon évidemment ça n'est pas

play39:28

une vraie explication mais ça nous donne

play39:31

une sorte de première approche à ce qui

play39:33

se passe à l'intérieur de la boîte noire

play39:34

et sans droits sur et toutes ces

play39:36

approches fondamentalement crée de la

play39:39

confiance

play39:45

[Musique]

play39:47

la machine n'est pas une personne mais

play39:49

ça n'est pas tout à fait une chose ce

play39:50

n'est pas juste de dire ce n'est pas

play39:52

exact de dire que la machine seule une

play39:54

juge cho seulement parce que elle

play39:56

calcule parce qu'elle prend des

play39:57

décisions de façon autonome donc c'est

play39:59

un peu plus que cela

play40:00

moi je l'appelle un individu numérique

play40:02

un individu c'est un peu plus qu'une

play40:04

chose un peu moins qu'une personne

play40:07

dans le droit actuel cette catégorie

play40:09

intermédiaire n'existe pas et donc je

play40:12

pense que nous allons vers la création

play40:14

de ce statut intermédiaire je vous donne

play40:15

comme exemple toujours la voiture

play40:17

autonome donc il ya aujourd'hui des

play40:19

juristes qui disent bon fondamentalement

play40:21

on ne va pas dire que la voiture

play40:23

autonome soit une personne ça n'est pas

play40:27

correct ça n'est pas intéressant mais

play40:29

s'il est un accident tel que la cause de

play40:35

cet accident ne remonte pas directement

play40:37

à un quelconque humain qui est derrière

play40:39

la conception de cette voiture autonome

play40:41

donc en fait on peut pas dire qu'il ya

play40:43

derrière qu'il est derrière un humain

play40:45

responsable alors on peut ne pas non pas

play40:49

être dire que la voiture soit

play40:51

responsable

play40:51

mais on peut faire en sorte que la

play40:53

voiture des dommages la victime

play40:55

quel statut est ce que cela crème le

play40:57

parlement européen en parle des

play40:59

personnalités en boutique ou personnel

play41:02

était électronique

play41:03

moi personnellement je ne crois pas

play41:04

qu'une catégorie pareil entre bientôt

play41:07

dans les systèmes juridiques européens

play41:08

en tout cas mais je pense que nous

play41:10

allons vers la création des statut

play41:12

intermédiaire des stades su qu'ils nous

play41:15

soient ni chose ni personne mais quelque

play41:17

chose entre les deux et ça c'est déjà

play41:19

une révolution dans le droit qui se

play41:21

profile voilà et pour conclure ce

play41:24

dossier deux petites questions pour vous

play41:26

qui a dit l'intelligence artificielle se

play41:28

définit comme le contraire de la bêtise

play41:31

naturel s'agit-il de kev adams d'alan

play41:34

turing ou de haut vous dit allen je vous

play41:37

laisse méditer

play41:38

on attend vos réponses en commentaire de

play41:41

toute façon rien à gagner et si cette

play41:43

vidéo vous a plu partagez la mettez des

play41:47

pousses fait quelque chose ce serait

play41:49

vraiment sympa ça fait toujours plaisir

play41:50

allez à bientôt pour de nouvelles

play41:52

aventures

Rate This

5.0 / 5 (0 votes)

Related Tags
Intelligence ArtificielleApprentissage AutomatiqueSantéSécuritéTransportsMusiqueCréativitéÉthiqueSociétéFuturTechnologie
Do you need a summary in English?