12/03/2023

Introduction à l’Intelligence Artificielle (IA)

Machine learning – Deep learning

I1 – BDOE826 Machine Learning / BDOE827 Deep Learning 1

Sommaire

Qu’est-ce que l’intelligence artificielle (IA), le machine learning, le deep learning ?

Rapide survol historique de l’IA :

➔ Une discipline encore jeune et en constante évolution

L’IA, une discipline à multiples facettes :

➔ Des techniques variées, pour des applications diversifiées

Des enjeux économiques importants pour le futur :

➔ Un combat principalement entre les Etats-Unis et la Chine !

Des prévisions et annonces à analyser avec prudence :

➔ L’IA est une discipline scientifique difficile à évaluer !

Contenus de la suite des cours

I1 – BDOE826 Machine Learning / BDOE827 Deep Learning 2

1
 12/03/2023

Qu’est-ce que l’intelligence artificielle ?

I.A. = Intelligence Artificielle
A.I. = Artificial Intelligence

I1 – BDOE826 Machine Learning / BDOE827 Deep Learning 3

Qu’est-ce que l’intelligence artificielle ?

Sondage :
Si on vous parle d’Intelligence Artificielle ou d’IA
qu’est-ce que cela évoque pour vous ?

Définitions :
L’intelligence artificielle (IA ou AI en anglais), est une discipline scientifique dont le but est de
donner de l’intelligence à une « machine » construite par l’homme.
"Une intelligence artificielle est un programme informatique visant à effectuer, au moins aussi bien
que des humains, des tâches nécessitant un certain niveau d’intelligence" (Cédric Villani)

Remarques :
➢ Cette « machine » intègre toujours une capacité de calculs (ordinateur ou microcontrôleur) mais
peut aussi comporter des actionneurs mécaniques, des capteurs pour la prise d’informations,…
➢ Ce n’est pas parce que le fonctionnement d’un système peut sembler « intelligent » qu’il intègre
nécessairement de l’IA (ex. chasse d’eau !)

I1 – BDOE826 Machine Learning / BDOE827 Deep Learning 4

2
 12/03/2023

Qu’est-ce que l’intelligence ?

Définitions :
Faculté de connaître, de comprendre
Qualité de l’esprit qui comprend et s’adapte facilement
Ensemble des fonctions mentales ayant pour objet la connaissance rationnelle

Comportements
(Agir)

La notion d’intelligence est multiple ➔ l’Intelligence « artificielle » vise :

➢ soit à créer une intelligence universelle : IA forte => très (trop ?) ambitieux !
➢ soit à traiter des problèmes spécifiques : IA faible => nombreuses applications très performantes

I1 – BDOE826 Machine Learning / BDOE827 Deep Learning 5

Tentatives pour définir plus précisément l’IA

« The science of making machines do things that would require intelligence if
done by men. It requires high-level mental processes such as: perceptual
learning, memory and critical thinking »
Marvin Minsky (1927-2016)

« The art, science and engineering of making things that can think,
perceive and act as human beings, and even better »
John McCarthy (1927-2011)

« Artificial Intelligence (AI) is the part of computer science concerned with

designing intelligent computer systems, that is, systems that exhibit the
characteristics we associate with intelligence in human behavior »
Edward Feigenbaum (1936- )

Notion d’IA difficile à définir ➔ proposition d’un test d’évaluation

En 1950, Alan Turing (1912-1954 ) publie son article « Computing machinery and
intelligence » dans lequel il propose une méthode (appelée « Imitation Game »)
pour évaluer un système afin de savoir s’il s’agit ou non d’intelligence artificielle.

I1 – BDOE826 Machine Learning / BDOE827 Deep Learning 6

3
 12/03/2023

Principe du test de Turing

Protocole :
Un examinateur communique par l’intermédiaire d’un clavier et d’un écran
avec un correspondant installé dans la pièce voisine. Si l’examinateur pense
dialoguer avec un humain alors qu’il s’agit d’une machine, on peut parler
d’intelligence artificielle.
➢ Test imaginé par A. Turing pour une IA forte (universelle) => très ambitieux !
➢ Principe du test applicable à des IA faibles => accessible (programme d’échecs,…)
Vidéo :
https://www.youtube.com
/watch?v=k0vmuYQAkW4
Machine
Humain

Article original d’Alan Turing

(http://www.turingarchive.org/) Examinateur
Test utilisé pour le « prix Loebner »
https://fr.wikipedia.org/wiki/Prix_Loebner

Conclusion :
Même s’il est parfois critiqué, le principe du « test de Turing » permet de bien comprendre ce qu’est un
système dit « d’intelligence artificielle »

I1 – BDOE826 Machine Learning / BDOE827 Deep Learning 7

Quelques exemples récents d’applications de l’IA

Entreprise Application Lien video

Google Assistant personnel https://www.youtube.com/watch?v=ZfPB-pf5x80

IBM Diagnostic médical https://www.youtube.com/watch?v=HkEOJnn_zlg

https://www.youtube.com/watch?v=1W9q5SjaJTc&list
Nvidia Conduite autonome =PLZHnYvH1qtOYkElUMqYiHDMrGTPnqRhSr&index=7

Robot humanoïde (Atlas) https://www.youtube.com/watch?v=_sBBaNYex3E

Boston
Dynamics
Robot militaire (BigDog) https://www.youtube.com/watch?v=cNZPRsrwumQ

Accenture Contrôle qualité https://www.youtube.com/watch?v=fapfzGy1uCg

Omron Contrôle/commande https://www.youtube.com/watch?v=JFrk3DHotf8

Détection pêche illégale https://www.youtube.com/watch?v=gEKBQXq4FQ4

Microsoft
Traduction automatique https://www.youtube.com/watch?v=QRfNuJBv-7w

I1 – BDOE826 Machine Learning / BDOE827 Deep Learning 8

4
 12/03/2023

Rapide survol historique de l’IA

I1 – BDOE826 Machine Learning / BDOE827 Deep Learning 9

Naissance de la discipline de l’IA

Sondage :
Vers quelle année a été inventée l’intelligence artificielle ?
Quelle a été la première application ?

Trois moments des débuts de l’IA :

➢ A partir de 1943 : 1ers travaux de McCulloch et Pitts
qui ont introduit un modèle de neurones formels
=> Début de la technique des réseaux de neurone

➢ 2nde guerre mondiale : décryptage des messages

allemands codés par Enigma avec la machine
« Bombe » développée par les anglais
=> 1ère application d’IA dirigée par A. Turing
Enigma The Bombe

➢ 1956 : naissance de la discipline après un colloque à

l’Université de Dartmouth organisé par McCarthy,
Minsky, Rochester et Shannon
=> Officialisation du nom « intelligence artificielle »

I1 – BDOE826 Machine Learning / BDOE827 Deep Learning 10

10

5
 12/03/2023

Comparaison avec d’autres technologies

1450 : Imprimerie inventée par Johannes Gutenberg

1769 : Machine à vapeur inventée par James Watt

1814 : Train à vapeur inventé par George Stephenson

1883 : Automobile avec moteur à explosion inventée par

Edouard Delamare-Deboutteville

I1 – BDOE826 Machine Learning / BDOE827 Deep Learning 11

11

Comparaison avec d’autres technologies

1890 : 1er vol avec un engin à moteur réalisé par Clément Ader

1936 : Ordinateur électromécanique inventé par Konrad Zuse

1946 : Ordinateur électronique inventé par J. Mauchly et J. Eckert

(ENIAC = Electronic Numerical Integrator And Computer
conçu pour le calcul des trajectoires d’obus)

1981 : 1er ordinateur personnel (PC) commercialisé par IBM

I1 – BDOE826 Machine Learning / BDOE827 Deep Learning 12

12

6
 12/03/2023

Dates importantes dans l’histoire de l’IA

Principales dates : popularité
1936 : fondements théoriques de l’informatique par Alan Turing (concept de
mémoire avec programmes & données : « machine de Turing »)
1943 : 1er article sur les réseaux de neurones artificiels par McCulloch & Pitts Croissance
1950 : « test de Turing » pour évaluer l’intelligence d’un ordinateur explosive
1952 : 1er programme au jeu de dames d’A. Samuel Nouveaux
1956 : choix du terme « Intelligence Artificielle » à la conférence de Dartmouth espoirs
1957 : 1ère utilisation des réseaux de neurones avec le perceptron de F. Rosenblatt
Phase
1958 : création du langage de programmation Lisp par J. McCarthy d’euphorie
Deep learning
1959 : 1ère démonstration automatique d’un théorème par H. Gelernter

2nd hiver de l’IA

Réseaux à convolution

1er hiver de l’IA

1965 : loi de « Moore » : doublement de la vitesse de calcul tous les 18 mois
Naissance Réseaux de Neurones
1965 : création de la Logique floue par L. Zadeh de l’IA
1ers résultats Systèmes Algorithmes génétiques
1965 : 1er système expert en chimie (DENDRAL) créé par E. Feigenbaum
prometteurs experts Logique Floue
1966 : 1er agent conversationnel (ELIZA) » créé par J. Weizenbaum
1970 : création du langage PROLOG par A. Colmerauer 1950 1974 1980 1987 1993 années
1974 : 1er système expert utilisé en médecine (MYCIN)
er
1974-80 : 1 « hiver de l’IA » suite aux promesses non tenues (trop optimistes !)
Vidéo :
1980-88 : « succès » des systèmes experts dans l’industrie
https://www.youtube.com/watch?v=qmwJx-r5vmw
1986 : création du perceptron multicouche avec apprentissage par D. Rumelhart
1988-93 : 2nd « hiver de l’IA » suite à la déception des systèmes experts
1985-95 : développement de la logique floue au Japon puis en Europe et aux USA
Depuis 1990 : développement des réseaux de neurones puis du deep learning
1997 : victoire du système Deeper Blue aux échecs face à Garry Kasparov
L’IA est une discipline encore jeune, dont
2011 : Victoire du système Watson au jeu télévisé Jeopardy les techniques et les performances sont
2016 : Victoire du système AlphaGo au jeu de Go face au champion Lee Sedol. toujours en constante évolution.
2017 : Victoire du système Libratus au poker face à 4 joueurs professionnels

I1 – BDOE826 Machine Learning / BDOE827 Deep Learning 13

13

Une discipline à multiples facettes

I1 – BDOE826 Machine Learning / BDOE827 Deep Learning 14

14

7
 12/03/2023

Exemples d’activités nécessitant de « l’intelligence »

Diagnostiquer une maladie à partir de symptômes Jongler avec des balles

Jouer une partie au jeu d’échecs Identifier le chant d’un oiseau
Prévoir le temps qu’il fera demain Choisir un trajet pour traverser la France
Ecrire un poème Reconnaître une personne
Traduire un document du français à l’anglais Conduire une voiture sur autoroute
Analyser une radiographie médicale Résumer un livre
Résoudre une grille de mots croisés Peindre un tableau
Ranger les bagages dans le coffre d’une voiture Résoudre une grille de Sudoku
Trier les cartes dans un jeu de 52 cartes Répondre à une question de culture générale
Jouer un match de tennis Définir un itinéraire avec les transports en commun
Stationner une voiture en créneau Résoudre un tirage au jeu « Des chiffres & des lettres »
Démontrer un théorème mathématique Apprendre une récitation
Réaliser un calcul arithmétique Choisir un vêtement
Construire les emplois du temps dans un lycée Colorier un dessin
Changer la roue d’une voiture Juger une prestation en patinage artistique
Reconnaître un animal sur une photo Mesurer la surface d’un appartement

Conclusions :
➢ Pas de lien entre la difficulté d’une tâche pour l’homme et pour la machine
➢ Certaines activités peuvent être réalisées par une machine sans utilisation de technique d’IA
➢ Problèmes de natures variées => classification par thématiques, c’est-à-dire par familles de problèmes

I1 – BDOE826 Machine Learning / BDOE827 Deep Learning 15

15

Principales thématiques de l’IA

L’IA permet de traiter des problèmes en lien avec les thématiques suivantes :

Intelligence
Artificielle
Philosophie

Informatique Mathématique
Optimisation

Théorie du
contrôle IA Neuro-
Sciences

Les technique de l’IA sont élaborées à

partir des connaissances scientifiques Linguistique Génétique
développées dans d’autres disciplines
Psychologie

D’après : https://www.economie.gouv.fr/France-IA-intelligence-artificielle# (rapport de France IA p.334)

I1 – BDOE826 Machine Learning / BDOE827 Deep Learning 16

16

8
 12/03/2023

Deux approches pour les techniques d’IA

Déduction :
• Fondée principalement sur la logique Induction :
• Manipule des expressions et met en • S’inspire de la réalité biologique/physique
œuvre des processus de raisonnement Intelligence Artificielle • Programmation de modèles génériques de
• Nécessite une représentation explicite comportement
des connaissances, du problème et des • Permet de développer des systèmes auto-
méthodes de résolution adaptatifs et évolutifs

Approche Analytique/Symbolique Approche Adaptative

Exécution par un programme d’une Modélisation de caractéristiques/
méthode de recherche (algorithme/heuristique) comportements observés dans la nature
Connexionnisme
Systèmes experts Réseaux de Neurones/Apprentissage profond
(Expert system) (Neural Network/Deep Learning)
Algorithme Min/Max & Alpha/Bêta Algorithmes Génétiques
(Min/Max & Alpha/Beta Algorithm) (Genetic algorithm)
Logique Floue Optimisation par colonies de fourmis
(Fuzzy logic) (Ant colony optimization)
Programmation par contraintes Optimisation par essaims particulaires
(Constraint satisfaction problem) (Particle swarm optimization)
Algorithme A* Recuit Simulé
(A star algorithm) (Simulated Annealing)
Recherche Tabou Algorithme du kangourou
(Tabu search) Kangoroo algorithm)

Etc… Etc…

L’IA est un ensemble de techniques; chaque technique s’adresse à certaines familles de problèmes

I1 – BDOE826 Machine Learning / BDOE827 Deep Learning 17

17

Approche "biomimétique" déjà connue des ingénieurs…

Démarche consistant à s'inspirer de la nature qui nous entoure pour concevoir des produits ou des
solutions techniques…

L'exemple emblématique du Velcro:

L’histoire raconte, qu’en 1941, au retour d’une partie de chasse, George de Mestral doit
enlever quantité de fruits de bardane accrochés à ses vêtements et dans les poils de son
chien
En observant le fruit de la Bardane au microscope, il constate que les épines du fruit sont
terminées par des crochets déformables. Ces crochets se prennent dans les poils et les
tissus à boucle et reviennent à leur forme initiale une fois arrachés d’un support
Cette observation lui donne l’idée d'une fermeture rapide pour vêtement. Après plusieurs
années de développement, il obtient le résultat attendu avec une bande de coton doux et
une bande de polyester à crochets

… et beaucoup d'autres exemples moins connus:

• L'avion de Clément ADER inspiré de la chauve-souris
• Des solutions de ventouses inspirées de la structure des doigts du Gecko
• Le nez du Shinkansen (TGV Japonais) inspiré du bec du martin pêcheur
• La matière des maillots de bain Fastskin inspirée de la peau des requins
• Les seringues indolores Nanopass33 inspirées de la trompe des moustiques
• Etc.

Source : https://www.genie-inc.com/biomimetisme-top-5-des-innovations-inspirees-par-la-nature/

I1 – BDOE826 Machine Learning / BDOE827 Deep Learning 18

18

9
 12/03/2023

Cartographie des techniques de l’IA

Présentation sur https://knowmap.org/ d’une « Mind Map » très détaillées avec l’ensemble des
techniques accompagnées explications :

Video de présentation : https://www.youtube.com/watch?v=x6qyyXAkgFc&feature=emb_logo

I1 – BDOE826 Machine Learning / BDOE827 Deep Learning 19

19

Des enjeux majeurs pour le futur

I1 – BDOE826 Machine Learning / BDOE827 Deep Learning 20

20

10
 12/03/2023

Secteurs d’activités où l’IA est utilisée

L’IA trouve des applications dans la majorité des secteurs d’activité :

Multitudes d’exemples dans le document « Les usages de l’intelligence artificielle – Edition 2019 » (p. 296-355) sur le blog d’Olivier Ezratty :
https://www.oezratty.net/wordpress/2019/usages-intelligence-artificielle-2019/

I1 – BDOE826 Machine Learning / BDOE827 Deep Learning 21

21

Entreprises de l’IA dans le monde en 2019

"GAFAM"

"BATX"

D’après : https://www.cassini-conseil.com/lintelligence-artificielle-une-course-mondiale-a-linnovation/

I1 – BDOE826 Machine Learning / BDOE827 Deep Learning 22

22

11
 12/03/2023

GAFAM et BATX

I1 – BDOE826 Machine Learning / BDOE827 Deep Learning 23

23

Les 100 start-up les plus prometteuses en IA

D’après : https://www.cbinsights.com/research/report/artificial-intelligence-top-startups/

I1 – BDOE826 Machine Learning / BDOE827 Deep Learning 24

24

12
 12/03/2023

Investissement dans les startups de l’IA

Investissement record de 7,4 milliards de $ au second trimestre 2019 !

D’après : https://www.cbinsights.com/research/report/ai-in-numbers-q2-2019/

I1 – BDOE826 Machine Learning / BDOE827 Deep Learning 25

25

Le domaine de l’IA dominé par les « GAFAMI »

(Google, Apple, Facebook, Amazon, Microsoft, IBM)

Acquisitions de startup

D’après : http://www.senat.fr/rap/a18-148-5/a18-148-514.html/ D’après : https://www.cbinsights.com/research/top-acquirers-

(Rapport du Sénat 2019) ai-startups-ma-timeline/

I1 – BDOE826 Machine Learning / BDOE827 Deep Learning 26

26

13
 12/03/2023

Achats de startup par les sociétés américaines

Et récemment Microsoft vient d'annoncer le rachat de Nuance pour 19,7 milliards de $

(sa 2ème plus grosse acquisition après LinkedIn à 26,2 milliards $)
D’après : https://www.economie.gouv.fr/France-IA-intelligence-artificielle# (rapport de la mission France IA p.340)

I1 – BDOE826 Machine Learning / BDOE827 Deep Learning 27

27

Le domaine de l’IA dominé par les « GAFAMI » et "BATX"

Dépôts de brevets

Croissance au niveau mondial du nombre de

demandes de dépôts de brevets sur l’IA
14 000

12 000

10 000

8 000

6 000

4 000

2 000

0
1974 1984 1994 2004 2014

D’après : https://www.wipo.int/publications/fr/details.jsp?id=4386 D’après : https://fr.statista.com/infographie/24982/innovation-intelligence-

(rapport de l’organisation mondiale de la propriété intellectuelle) artificielle-entreprises-et-organisations-avec-le-plus-de-brevets-ia-machine-learning/

I1 – BDOE826 Machine Learning / BDOE827 Deep Learning 28

28

14
 12/03/2023

Des prévisions et annonces sur l’IA

à analyser avec prudence

I1 – BDOE826 Machine Learning / BDOE827 Deep Learning 29

29

Prévisions des revenus mondiaux liés à l’IA

(en 2018)

D’après : https://fr.statista.com/infographie/13385/lintelligence-artificielle-un-marche-qui-vaut-des-milliards/

I1 – BDOE826 Machine Learning / BDOE827 Deep Learning 30

30

15
 12/03/2023

Prévision des revenus de l’IA par domaines d'application

(en 2018)

D’après : https://fr.statista.com/infographie/9451/applications-futures-intelligence-artificielle/

I1 – BDOE826 Machine Learning / BDOE827 Deep Learning 31

31

L’IA va-t-elle changer nos vies ?

D’après : https://cdn.statcdn.com/Infographic/images/normal/29305.jpeg

I1 – BDOE826 Machine Learning / BDOE827 Deep Learning 32

32

16
 12/03/2023

Attention aux « a priori »…

Donner de l’intelligence à une machine a tendance soit à faire peur, soit à émerveiller :
➢ L’intelligence est ce qui a permis à l’espèce humaine de se développer,
➢ Images souvent inquiétantes de l’IA dans les films et romans de science fiction.

Les performances des systèmes d’IA doivent être analysées avec rationalité, comme pour
tous les progrès dans les sciences et techniques…

I1 – BDOE826 Machine Learning / BDOE827 Deep Learning 33

33

Estimation des dates où les machines auront rattrapé les capacités humaines

Infographie : https://www.courrierinternational.com/grand-format/infographie-quand-lintelligence-artificielle-sera-aussi-forte-que-lhumain
(d’après une étude publiées par des chercheurs de Universités Oxford & Yale : https://arxiv.org/pdf/1705.08807.pdf)

I1 – BDOE826 Machine Learning / BDOE827 Deep Learning 34

34

17
 12/03/2023

Attention aux prévisions des scientifiques…

Qui diable veut entendre les acteurs parler ?
H. M. Warner, Warner Bros. Studios, 1927

Je pense qu’il y a un marché mondial pour un maximum de 5 ordinateurs.

Thomas Watson, chairman of IBM, 1943

Les gens n'ont pas besoin d'un ordinateur chez eux.

Ken Olson, PDG et fondateur de DEC, 1977

640 Ko est suffisant pour tout le monde.

Bill Gates, Fondateur de Microsoft, 1981

D’ici à cinquante ans, il n’y aura plus moyen de distinguer les réponses données par un
homme ou un ordinateur, et ce sur n’importe quel sujet.
Alan Turing, 1950

D’ici 10 ans, un ordinateur deviendrait champion du monde d’échecs et un autre serait

capable de prouver un nouveau et important théorème mathématique
Herbert Simon et Alan Newell, 1958

Dans 3 à 8 ans, nous aurons une machine aussi intelligente qu’un humain dans la moyenne
Marvin Minsky, 1967

I1 – BDOE826 Machine Learning / BDOE827 Deep Learning 35

35

Attention aux résultats annoncés en IA…

4 règles à toujours avoir en tête :
1/ Fonctionnement « intelligent » ne signifie pas toujours IA !
Ce n’est pas parce qu’un système a un fonctionnement qui semble
intelligent que ce système utilise nécessairement une technique
d’intelligence artificielle (cf. publicités) !
2/ Pas de généralisation après des démonstrations sur des exemples !
Montrer sur quelques exemples les performances d’un système à base
d’IA ne suffit pas à démontrer sa capacité à généraliser sur l’ensemble
des problèmes similaires (cf. systèmes experts !)
3/ Prendre garde à certaines idées préconçues sur l’IA;
https://www.oezratty.net/wordpress/2017/douze-mythes-intelligence-artificielle/
4/ Une tendance à l’exagération sur l’utilisation des techniques d’IA !
Etant donné qu’en ce moment l’IA attire les investisseurs, les startup
ont tendance à « sur-vendre » l’utilisation des techniques d’IA dans
leurs solutions :
• Étude du Cabinet MMC Ventures qui montre que seules 60 % des
startup qui annoncent de l’IA confirment en utiliser réellement
https://www.lefigaro.fr/secteur/high-tech/2019/03/06/32001-20190306ARTFIG00121-40-des-start-up-europeennes-d-
intelligence-artificielle-n-utilisent-pas-d-intelligence-artificielle.php
https://www.oezratty.net/wordpress/2019/startups-font-elles-de-la-fausse-ia/

• Découvertes de cas avérés récents de triche : SpinVox, Engineer.ai

https://www.journaldugeek.com/2019/08/19/start-up-utilisait-humains-creer-applications-soi-disant-developpees-ia/
Vidéo :
https://www.francetvinfo.fr/internet/amazon/intelli
https://www.theregister.co.uk/2009/07/29/spinvox_mechanical_turk/
gence-artificielle-la-grande-arnaque_3506521.html
… et passés

I1 – BDOE826 Machine Learning / BDOE827 Deep Learning 36

36

18
 12/03/2023

… et ne pas penser que l’IA est la solution à tous les problèmes !

I1 – BDOE826 Machine Learning / BDOE827 Deep Learning 37

37

Automate joueur d’échecs

Wolfgang Von Kempelen

Automate « Le Turc mécanique » : présentation en 1770 à l'impératrice Marie-Thérèse d'Autriche, puis

nombreuses exhibitions en Europe jusqu’en 1819 puis aux Etats-Unis jusqu’en 1828

Joueur caché à l’intérieur

du meuble; manipulation
de l’automate à la manière
d’une marionnette
Référence à l’automate
Pour approfondir : http://www.slate.fr/story/106415/turc-automate-echecs-truc
de Von Kempelen

I1 – BDOE826 Machine Learning / BDOE827 Deep Learning 38

38

19
 12/03/2023

Eliza
Joseph Weizenbaum

En 1966, Joseph Weizenbaum, professeur au MIT a publié le programme

Eliza devenu célèbre car souvent considéré comme le 1er chatbot en
langage naturel…
Mais ELIZA n'est pas une intelligence artificielle ! C'est simplement un
programme qui renvoie des messages en fonction des mots-clés détectés
(le programme fait moins de 128 Ko !)
Pourtant en 1966 ELIZA a fait illusion…

Video: ttps://www.youtube.com/watch?v=RMK9AphfLco
Pour approfondir : https://www.androidpit.fr/psychotherapeute-chatbot-eliza Test : https://www.eliza.levillage.org/

I1 – BDOE826 Machine Learning / BDOE827 Deep Learning 39

39

D’autres exemples où l’intelligence humaine

est trompée…

I1 – BDOE826 Machine Learning / BDOE827 Deep Learning 40

40

20
 12/03/2023

Elf Aquitaine et les Avions renifleurs

Comte De Vilegasse - Aldo Bonassoli Reportage Escroquerie
(pas de lien avec l’IA)

Une société prétend analyser la nature des sols en les survolant en avion…
Elf Aquitaine, avec le gouvernement français, mise 1 milliard de francs sur la
technologie qui apparait comme un aubaine en plein choc pétrolier…
Révélée par "Le Canard Enchaîné" en 1983, l’affaire des « avions renifleurs »
est l’un des plus grands scandales politico-financiers de la Vème République.

Pour approfondir : https://www.dailymotion.com/video/x3kuv4d

I1 – BDOE826 Machine Learning / BDOE827 Deep Learning 41

41

Theranos
Elizabeth Holmes

En 2003 à 19 ans, Elizabeth Holmes étudiante à Stanford, fonde la biotech Theranos,

pour développer une machine révolutionnaire capable d’effectuer des tests sanguins
(du cholestérol au cancer) avec quelques gouttes de sang.
Grâce à son charisme, elle est soutenu par des personnalités comme le magnat de la
presse Rupert Murdoch ou l’ex-secrétaire d’état Henry Kissinger et réussi à convaincre
des investisseurs pour plus de 400 M$. En 2014, la société est valorisée plus de 9 Md$ !
Mais en 2015, une enquête du « Wall Street Journal » relève que la fabuleuse machine
n’a jamais fonctionné. La société effectuait ses analyses sur des machines achetées à la
concurrence, tout en vantant sa technologie innovante ! La faillite de la société est
déclarée en 2018 et E. Holmes est poursuivie pour « fraude massive ».

Pour approfondir : Hot Startup Theranos Has Struggled With Its Blood-Test Technology - WSJ

I1 – BDOE826 Machine Learning / BDOE827 Deep Learning 42

42

21
 12/03/2023

Même s’ils sont intelligents, les humains restent très crédules !

Les lignes bleues sont-elles parallèles ?

I1 – BDOE826 Machine Learning / BDOE827 Deep Learning 43

43

Même s’ils sont intelligents, les humains restent très crédules !

Les cases A et B sont de la même couleur : vrai ou faux ?

I1 – BDOE826 Machine Learning / BDOE827 Deep Learning 44

44

22
 12/03/2023

Il faut toujours
se méfier de
ce qu’on peut
entendre…
lire……
ou voir…

Notamment
sur l’IA…

45

Contenus de la suite des cours

I1 – BDOE826 Machine Learning / BDOE827 Deep Learning 46

46

23
 12/03/2023

Intelligence « Forte » vs Intelligence « Faible »

Dans la suite de ce cours, nous parlerons uniquement d’IA Faible, c’est-à-dire l’utilisation
de techniques d’IA pour traiter des problèmes spécifiques.

(IA Faible) (IA Forte)

L’IA Forte ne semble pas accessible dans l’immédiat…

I1 – BDOE826 Machine Learning / BDOE827 Deep Learning 47

47

Machine learning & Deep learning…

Explosion ces dernières années des activités liées aux Réseaux de neurones / Deep learning :
➢ Énormes quantités de données accessibles pour alimenter les phases d’apprentissage
➢ Disponibilité des puissances de calcul (GPU,…) pour exécuter les calculs d’apprentissage
➢ Développements d’outils performants et gratuits (TensorFlow, Keras, …)

Définitions :
➢ le Machine Learning regroupe les techniques qui permettent à des systèmes d’apprendre sans être programmés
de manière explicite (réseaux de neurones, algorithmes génétiques, régression mathématique,…)
➢ Le Deep Learning est basé sur l’utilisation de réseaux de neurones profonds.

I1 – BDOE826 Machine Learning / BDOE827 Deep Learning 48

48

24
 12/03/2023

Différentes applications du Deep learning

D’après : https://www.sharper.ai/taxonomy-ai/

I1 – BDOE826 Machine Learning / BDOE827 Deep Learning 49

49

25