Vous connaissez sans doute la série à succès Black Mirror produite par Netflix et actuellement disponible sur la plateforme. Surtout si vous êtes un fanatique de nouvelles technologies et d’intelligence artificielle. La série met en scène un monde où la technologie y est ultra avancée, au point où cela en devient presque effrayant. Elle a notamment pour but de nous avertir des dérives liées à la technologie. On note aujourd’hui, une dizaine de prédictions de la série qui existent déjà. Nous allons nous attarder sur trois d’entre elles.
Enregistrer tout ce que vous voyez et le visionner autant de fois que vous le voulez, va bientôt être possible. En effet, les lentilles connectées, vues dans l’épisode 3 de la saison 1 de Black Mirror, vont faire leur apparition sur le marché. En effet, depuis quelques années, Sony est en train de les développer, aux côtés de Google et Samsung, depuis peu. Cette lentille aura la capacité d’enregistrer des vidéos et de les lire à tout moment. C’est le clignement des yeux qui contrôlera les lentilles. Avec des fonctions qui se rapprochent d’un appareil photo, il sera possible de faire des autofocus et de zoomer. À la différence de Sony, Samsung et Google intégreront deux autres options à leurs lentilles de contact intelligentes. Des technologies de vision nocturne et thermique à leurs lentilles de contact intelligentes, avec de l’intelligence artificielle.
Que diriez-vous de pouvoir vous immiscer physiquement dans un jeu vidéo, à tel point que vous aurez l’impression d’y être ? Nextmind, start-up française, se rapproche de cette innovation technologique, vue dans l’épisode 2 de la saison 3. Épisode mettant en scène un homme qui est payé à tester un jeu vidéo en réalité virtuelle améliorée. Elle propose un appareil portable capable de détecter les activités cérébrales et donc de contrôler par la pensée, un ordinateur, un casque VR/AR ou n’importe quel autre dispositif.
Direction la Chine avec son système de crédit social qui se rapproche de l’épisode 1 de la saison 3 où l’on peut y voir une femme obsédée par sa notoriété sur les médias sociaux. L’épisode donne une image ultra futuriste de l’Instagram de demain. Depuis mars 2018, en Chine, le « crédit social », basé sur la collecte d’informations sur les réseaux sociaux par le biais des caméras de surveillances intelligences disposées un peu partout dans le pays, fait beaucoup parler de lui. Pour donner un exemple concret, un citoyen « mal noté » aura un accès aux transports restreint. Inversement, les citoyens « bien notés » se verront récompensés par un ensemble d’avantages.
Comme nous l’avons vu la réalité dépasse souvent la fiction (ici Black Mirror). Dans un monde, où l’intelligence artificielle est partout (grâce notamment au machine learning et au deep learning), il est difficile de prévoir ce que sera notre monde dans le futur. Même dans un futur proche, comme dans un an ou deux.
Alors que la technologie évolue rapidement; Des termes tels que l’intelligence artificielle, le Machine Learning et le Deep Learning peuvent nous laisser perplexe.
L’intelligence artificielle concerne les machines qui peuvent effectuer des tâches nécessitant généralement une intelligence humaine.
Cela englobe le Machine Learning, où les machines peuvent apprendre par l’expérience et acquérir des compétences sans implication humaine. Le Deep Learning est une catégorie du Machine Learning où des réseaux de neurones artificiels. Ces algorithmes inspirés du cerveau humain, tirent des enseignements d’une grande quantité de données.
Comme nous tirons les enseignements de l’expérience, les algorithmes exécutent une tâche de manière répétée. En la modifiant légèrement chaque fois pour améliorer les résultats. Nous parlons de Deep Learning parce que les réseaux de neurones ont plusieurs couches (profondes) qui permettent l’apprentissage.
C’est pourquoi elles peuvent peut apprendre à résoudre pratiquement n’importe quel problème.
Les modèles de Machine Learning s’améliorent progressivement quelle que soit leur fonction, mais ils ont encore besoin de conseils. Si un algorithme d’intelligence artificielle renvoie une prédiction inexacte, un ingénieur doit intervenir et effectuer des modifications.
Avec un modèle de Deep Learning, un algorithme peut déterminer par lui-même si une prédiction est exacte ou non via son propre réseau de neurones.
La quantité de données que nous générons est immense (elle est estimée à 3 milliards d’octets par jour). Elle est alors la ressource qui permet un apprentissage en profondeur.
Ces algorithmes de nécessitent une tonne de données. Cette augmentation de la création de données est l’une des raisons de l’évolution de l’intelligence artificielle ces dernières années. Outre la création accrue de données, les algorithmes de d’intelligence artificielle tirent parti de la puissance de calcul.
L’intelligence artificielle en tant que service a permis aux petites entreprises d’accéder à cette technologie. Notamment aux algorithmes d’intelligence artificielle nécessaires au Deep Learning sans investissement initial important.
Le Machine Learning est une partie de l’Intelligence Artificielle (IA). Il offre aux systèmes la possibilité d’apprendre et de s’améliorer automatiquement à partir de leur expérience.
Le Machine Learning se concentre sur le développement de programmes informatiques pouvant accéder à des données. Il les utilisent ensuite pour s’améliorer.
Le processus d’apprentissage commence par des observations ou des données, telles que des exemples, une expérience directe ou des instructions. Ceci afin de rechercher des modèles (ou pattern) dans les données et de prendre de meilleures décisions dans le futur. L’objectif principal est de permettre aux ordinateurs d’apprendre automatiquement sans intervention humaine ni assistance et d’ajuster les actions en conséquence.
L’apprentissage automatique permet d’analyser d’énormes quantités de données. Bien qu’elle fournisse généralement des résultats plus rapides et plus précis afin d’identifier des opportunités rentables ou des risques dangereux. Elle peut également nécessiter du temps et des ressources supplémentaires pour se former correctement. L’apprentissage automatique, l’IA et les technologies modernes rendent plus efficace le traitement de gros volumes d’informations.
