Vous êtes sur la page 1sur 1

lien vers la bibliographie:

1-Estimer le fonctionnement sur le même modèle que


Existence de deux grandes écoles dans l'atteinte des objectifs l'intelligence humaine et l'intelligence artificielle.
de l'intelligence artificielle

2- Séparer entre les normes et des processus de


l'intelligence biologique et perfection rationnelle du modèle idéal.

Référence aux ordinateurs ou aux dispositifs robotiques mettant


en œuvre ces fonctions.

Accélération du développement et de l'adaptation de l'IA.

Discipline scientifique et technologique visant à effectuer des


Définition processus cognitifs observés au cerveau humain à travers des
machines (ordinateurs et programmes informatiques)

Transposition de l’esprit humain au niveau Structuration de la mémoire


technologique
Avant Compréhension
Entrée Domaines:
Communication (dialogue entre machines et l’humain)
Outil prenant forme dans toutes sortes d’applications très puissantes
Adaptation
mais
aussi très complexes.
Apprentissage en autonomie (Deep Learning)...

Conclusion Raisonnement critique

Contrainte d’optimisation des calculs


Conversations
Présence de l'intelligence artificielle dans:
Contrainte de puissance Débats
Contexte de l'IA Arguments de vente
Aujourd’hui
Contrainte d’apprentissage
Prédictions

Contrainte du langage.
Intelligence artificielle: évolution logique des outils informatiques.

Santé: estimation du coût de santé des employés : risque de discrimination, Terminaison


et prise de décisions arbitraires Omniprésence de l'IA au même titre que l’outil informatique.

Exemples
Limites de IA
Reconnaissance faciale: pas assez fiable pour identifier des personnes de
couleur
En faveur du travail
L'intelligence artificielle
Destruction du travail
Sécurité: risque de perte de contrôle sur les machines
Ni la cause de nos misérables espoirs

Ni le remède
L'intelligence artificielle
Une partie des deux

Capacité des machines à gérer les données plus rapidement que


Importance les humains

Capacité absorber et interpréter les données pour prendre des


décisions complexes.
Croissance du marché prolifique de l'intelligence artificielle d'une façon
exponentielle dans les prochaines décennies. Capacité de calculer des combinaisons de plus de 500 x 1018
(500 trillions)de coups possibles pour les jeux de dames pour

I : Perspectives avoir le meilleur arrangement possible très efficacement afin de


prendre la bonne décision

Recherche fondamentale et clinique, pratique hospitalière,


Inquiétude des grands industriels et scientifiques comme Elon Musk Bill En médecine examens médicaux, soins infirmiers et la logistique.
Gates et feu Stephen Hawking sur les conséquences possibles du manque
de contrôle des humains sur l'intelligence artificielle Contribution à l'amélioration du diagnostic et du pronostic.

1950 : Apparition de l'intelligence artificielle dans un article


L'intelligence artificielle avant 2000
Computer Machines and Intelligence d'Alan Turing : Test de
Turing : Évoluer la capacité des machines à mener des
Piratage à grande échelle Histoire de conversations humaines.

Cyberguerre
Impact éventuel l'IA
1956 : Formalisation de l'intelligence artificielle dans une
conférence au Dartmouth College aux États-Unis en tant que
Augmentation du chômage véritable domaine scientifique

Augmentation du nombre de substitutions d'emplois 1949 : Autre origine possible : mémo sur le langage de traduction
automatique par Warren Weaver : le pouvoir des machines
d'accomplir une tâche.

1974: Période AI winter.

1980: Lancement des projets de recherche dans le domaine de


IA.
Santé
Amélioration du système de santé grâce à l'intelligence artificielle. Entre 1990 et 2000: l'exploration de données et même le
diagnostic médical.

Utilisation d'une architecture d'apprentissage fédérale décentralisée et


plus sécurisée pour protéger les données personnelles des patients

2000: Evolution de la Loi de moore


2000 - 2010 : un enjeu de société: 2007: dévoilement de la charte de l’éthique des robots dans le
Recherche
Intelligence artificielle
but de poser
Existence de belles pépites d'or françaises pour le soutien de l'entreprise: des limites et des normes aux utilisateurs ainsi qu’aux
constructeurs.

Première Loi: Jamais blesser un être humain ni, par son


importance de l'évaluation des données pour la transformation digitale: besoin inaction, ni permettre qu'un humain soit blessé.
de partager des données en interne et en externe.
2009 : lancement d'un projet par le MIT réunissant de grands Deuxième Loi : obéir les ordres donnés par les êtres humains
scientifiques de l’IA pour réfléchir aux grandes lignes de la Lois de l'intelligence ( par les robots ) , mais pas de contradiction avec la 1ère Loi.
recherche sur ce domaine.
Automatisation du contrôle qualité. artificielle
Industrie Troisième Loi : Maintenir la survie du robot aussi longtemps mais
pas de contradiction avec la 1ère et/ou la 2éme Loi.
Optimisation de la chaîne d'approvisionnement.
2010: L'apparition du big data
Gestion et prévision des stocks, prévision des Identifier le processus à automatiser : En classant
traitements. domaines d'utilisation les photos des chats et des chiens. Avoir un
2011: développement de nouveaux processus à savoir la ordinateur à capacité analytique pour simuler des
machine learning et le deep learning
Apprentissage de la fonctions cognitives afin de développer un
Lancement d'un logiciel Saas pour optimiser machine modèle de traitement de l'information :
l'expérience client et augmenter le taux de 2013: Ouverture de Facebook Artificial Intelligence Research En entrée des photos en vrac
conversion des sites e-commerce . À partir de 2010 : l’IA sans limites (FAIR)
En sortie des photos triées
Regorgement des startups B2B. Commerce 2014: Lancement du premier assistant virtuel Cortana par Faire le test de plusieurs algorithmes pour améliorer et optimiser
Microsoft le modèle.
Amélioration de l'expérience client

Évoluer le modèle du traitement et non pas de l'algorithme.


Menaces internes, etc.
Identifier la relation entre les différents menaces
Fichiers malveillants Résolution Tester différentes combinaisons d’algorithmes et de
adresses IP suspectes paramétrage afin de faire progresser le taux de fiabilité.

Deep learning : une sous-catégorie du Machine learning,


Augmenter l'intensité des cyberattaques Cybersécurité s'appuyant sur un apprentissage sans surveillance.
enregistrées pendant la période de confinement. Partie de l’intelligence artificielle.
Continuer à investir dans le domaine de sécurité. Situation Machine learning et deep Approches ayant pour résultat de donner aux ordinateurs la
capacité de
learning prendre des décisions intelligentes.

Permettre aux analystes de sécurité de répondre Besoin de disposer de grandes quantités de données
aux menaces jusqu'à 60 fois plus rapidement.
deux technologies servant à l'apprentissage.
Fournir des solutions pour aider les entreprises à
Contrôlable
détecter les violations de données et diverses
menaces du dark web apportées par l'intelligence
Données structurées
artificielle
Machine learning
Entraînement nécessaire par l’humain
Se concentrer sur la prévention des attaques
avancées et sophistiquées déployées par e-mail. Algorithme modifiable

Définition
Actions simples de routine
Véhicule automatisé dédié à la logistique urbaine.

Enjeux et objectifs du projet


Confronter à des problèmes majeurs de congestion de l’espace Données non structurées
public et de nuisances sonores. Deep learning
Tester une solution durable et innovante pour la livraison de Projet 1:PROJET CARRETA plus qu'un million de données
marchandises en ville et à évaluer sa maturité et sa compétence
Assister les livreurs et les libérer des tâches les plus affreuses ou Système d’apprentissage autonome
répétitives afin de leur permettre de se dédier au contact
humain. Réseau neuronal d’algorithmes
1.Vérifier tous les modules techniques du véhicule logistique
automatisé pour vérifier sa fiabilité opérationnelle et ses Tâches complexes
fonctions. Déroulement du projet

2.Vérifier le comportement des véhicules autonomes par rapport


à leur environnement de circulation et leur capacité à répondre
aux contraintes opérationnelles liées aux horaires, itinéraires et
autres cas d'utilisation. Projets de IA Grande importance de la programmation dans la conception et
la mise en œuvre de tout projet de système informatique

3.Collecter un maximum de données et ajuster le comportement


du véhicule en fonction des retours d'expérience.
Problèmes relatifs Considération de L’IA comme un produit de la programmation.=>
L’utilisation de l’IA par les data analyst ou les data scientist pour
concevoir de nouveaux logiciels

D'un point de vue scientifique, considération de l’IA comme la


4.Transporter des marchandises pour vérifier leur pertinence. compilation du code source du système informatique intelligent

Annonce d'un projet de robot à forme humaine, baptisé "Tesla IA et la Au lieu de cela, utilisation du terme « développement intelligent »
Bot".
programmation par la data science pour l'identifier.
Prototype pour l'année prochaine.
Diversion avec l'annonce d'un robot humanoïde
But : remplacement des travailleurs humains effectuant certaines Caractéristiques du système.
tâches dangereuses ou ingrates. Projet 2:Tesla Bot Prise en compte de plusieurs paramètres Lors de sa mise en
œuvre, tels que: Tests de performance.
Difficulté de la réalisation de ce projet en l'état.
Fausse vidéo Surveillance
Caractéristiques du protype Tesla
Pirates de voitures autonomes Maintenance.
Intelligence artificielle : les menaces
SYSTÈME D'AIDE À LA CONDUITE DE TESLA SOUS LE
COUP D'UNE ENQUÊTE Phishing personnalisé graves
Attaques de piratage contre les systèmes de contrôle Distinction de certains langages par leur facilité d'utilisation, leur
Affaire risquée d'intelligence Dangers de IA particularité et la variété des options proposées
artificielle

Chantage massif
Robots militaires
Concentration davantage à Python, R, C++, JAVA et LISP dans
l'IA school
Fausses informations

Arnaque

Corruption des données


Intelligence artificielle : les menaces Langage préféré des développeurs de l’intelligence artificielle
de moyenne gravité grâce à la simplicité de sa syntaxe.
Drones d'attaque autonomes

Cyber-attaques Moins de complexité que Java ou C++ concernant le machine


learning par exemple.
Accès refusé
1- Python : leader incontesté de l’Intelligence Artificielle :
Manipulation du marché financier Adaptation à de nombreuses plateformes de développements
comme Windows, Linux, Mac OS et Unix.
Langages de programmation
Reconnaissance faciale

Support du développement fonctionnel, développement orienté


objet et du développement procédural.

Utilisation des biais

Robot antivol Temps de développement généralement plus court que d’autres


langages comme Java ou C++.
Blocage de détection Avantages du Python : Existence de nombreuses librairies Python d’où un
développement plus simple. Exp : Pybrain (utilisé dans le cadre
Fausses critiques rédigées
Intelligence artificielle : les menaces du machine learning).
Création d'usines intelligentes pour la prise de décision en temps de faible intensité
réel grâce Traque assistée
au progrès de la robotique sensorielle et visuelle Fonctionnement du Python à l’aide d’un interpréteur
Contrefaçon (contrairement à Java ou C++), compilation et exécution plus
Inconvénients du Python : lente.
Pas besoin de travailleurs, seulement de superviseurs Avenir du travail

Absence d’une version Python pour l’IA liée aux applications


Rationalisation des majeures en droit, actualités, comptabilité et mobiles.
la vente au
détail
Langage de programmation permettant de coder l’intelligence
Utilisation de l'intelligence artificielle pour effectuer des tâches artificielle.
essentiellement répétitives impliquant la détection d'informations
2- JAVA : le challenger sans compilation
En pratique, impossible d'automatiser toutes les fonctions d'une un des codes les plus utilisés pour l’IA avec Python.
Risque de l'IA sur le marché du travail
personne
Capacité de l'intelligence artificielle de rendre la personne plus
efficace et de Impact de IA sur le Langage multi-paradigme.
passer plus de temps à faire un travail sans doute plus travail
significatif
Syntaxe provenant principalement du langage C et C++.
Réduction du nombre de membres de l'équipe nécessaires pour
accomplir la charge de travail
Simplicité de l’utilisation
Avantages du Java:
Analystes et scientifiques de données Fonctionnement sur de nombreuses plateformes, grâce à la
technologie de la machine virtuelle.
Spécialistes de l’intelligence artificielle et de l’apprentissage
machine
Représentation graphique des données propre
Spécialistes des données massives

Pas besoin de compilation


Agents de marketing et de stratégies numériques

Spécialistes de l’automatisation des processus Exécution moins rapide.

Professionnels de l’expansion des affaires Lenteur par rapport à C++ et Python.


les 10 postes en augmentation de la demande au profit de IA Points faibles du Java:
Temps de réponse plus long
Spécialistes de la transformation numérique

Analystes de la sécurité de l’information


Langage le plus rapide : rapidité très appréciée pour les projets
Développeurs de logiciels et d’applications d’intelligence artificielle limités dans le temps

Spécialistes de l’Internet des objets Langage de programmation permettant une exécution rapide et
un temps de réponse assez court —>utile pour les moteurs de
recherche ou les jeux vidéo.
3- C++ : la valeur sûre de l’Intelligence artificielle :
Commis à la saisie de données
Outil pour résoudre des problèmes complexes d’intelligence
artificielle.
Secrétaires d’administration et de direction Avantages du C++:
Existence des librairies de fonctions assez fournies.

Comptables et teneurs de livres Outil de développement multi-paradigmes supportant les


principes de l’orienté objet.
Comptables et vérificateurs

Complexité pour des développeurs néophytes.


Travailleurs à la chaîne et ouvriers d’usine
Points faibles du C++:
les 10 postes en diminution de la demande à cause de l’IA
Gestionnaires de l’administration des activités
Vieux langage de programmation
Agents de service à la clientèle Ajout de plusieurs améliorations pour en faire un langage
puissant et dynamique.
4– LISP : Le vieil outsider :
Directeurs des opérations
Nettement moins utilisé et recherché que les 3 précédents,
notamment en
Mécaniciens et réparateurs de machines termes d’intelligence artificielle.

Commis à la tenue des stocks Considération (par plusieurs) que LISP est le meilleur langage
de
programmation d’IA en raison de la grande liberté donnée aux
développeurs.

Utilisation de LISP en IA pour sa grande flexibilité, pour sa


rapidité à sortir des prototypes.
Efficacité pour résoudre certains problèmes spécifiques grâce à
son adaptation aux besoins de la solution développée par
l’informaticien

Importance dans les projets de logique inductive et pour le


machine learning.

Rapidité et efficacité dans la phase de développement


Avantages de Lisp:

Communauté trop petite à notre sens pour trouver des


informations facilement, surtout pour les débutants.
Points faibles de Lisp:
Impossible de l’utiliser dans tous les environnements, en raison
de son ancienneté

Un des langages de programmation les plus efficaces pour


analyser et manipuler des données dans un but statistique
5– R : le langage de la statistique :
Possibilité de produire de belles publications grâce à la data
visualisation, avec des formules si besoin.
Présence de nombreux packages comme RODBC, Gmodels,
Claass et Tm utilisés pour le machine learning.

La réduction des erreurs : Aide à réduire les erreurs


humaines et l’augmentation des chances d’obtenir
Atouts et une précision plus élevée. Son utilisation dans
Atouts: divers domaines tels que l’exploration spatiale.
inconvénients
L’exploration difficile: La programmation de robots
pour assumer de plus grandes responsabilités et
effectuer des tâches laborieuses et difficiles sans
montrer une sensibilité à l’usure.

Les travaux répétitifs: Un exemple : effectuer des


tâches monotones et gérer plusieurs tâches en
même temps.

Aucune pause: Leur fonctionnement quasi-


permanent càd insensible à la
fatigue, l'ennui, la distraction etc...

Les assistants numériques: La présence d’assistant


numérique sous forme d’avatar càd des répliques
conçues pour pouvoir interagir avec les utilisateurs
afin d’économiser les ressources humaines.

Les applications médicales: Une autre utilisation de


l’IA, aide les patients en santé mentale à se
débarrasser de la dépression et rester actif.

Coût élevé: Des coûts exorbitants pour l’entretien et


la réparation de l’IA.
Inconvénients:
Aucune initiative: Aucune valeur émotionnelle ni
morale, seulement une exécution de procédures
prédéterminées sans aucun jugement du bien ou du
mal et sans prise de décision.

Amélioration inexpérimentée: Incapacité de l’IA à


apprendre de ces erreurs/expériences contrairement
à l’Humain, un manque de créativité.

Pas de créativité: Absence de perspicacité et la


sensibilité de l’Homme chez la machine. Un manque
de capacités intuitives chez la machine.

Sans emploi: Augmentation du taux de chômage à


la suite du grand remplacement des hommes par
des machines.

Vous aimerez peut-être aussi