Qu’est-ce que l’intelligence artificielle ?

L’intelligence artificielle est la simulation de processus d’intelligence humaine par des machines, en particulier des systèmes informatiques. Les applications spécifiques de l’IA comprennent les systèmes experts, le traitement du langage naturel, la reconnaissance vocale et la vision industrielle.

Comment fonctionne l’IA ?

Alors que le battage médiatique autour de l’IA s’est accéléré, les fournisseurs se démènent pour promouvoir la façon dont leurs produits et services utilisent l’IA. Souvent, ce qu’ils appellent l’IA n’est qu’une composante de l’IA, comme l’apprentissage automatique. L’IA nécessite une base de matériel et de logiciels spécialisés pour la rédaction et la formation d’algorithmes d’apprentissage automatique. Aucun langage de programmation n’est synonyme d’IA, mais quelques-uns, y compris Python, R et Java, sont populaires.

En général, les systèmes d’IA fonctionnent en ingérant de grandes quantités de données d’entraînement étiquetées, en analysant les données pour rechercher des corrélations et des modèles, et en utilisant ces modèles pour faire des prédictions sur les états futurs. De cette façon, un chatbot alimenté par des exemples de discussions textuelles peut apprendre à produire des échanges réalistes avec des personnes, ou un outil de reconnaissance d’images peut apprendre à identifier et à décrire des objets dans des images en examinant des millions d’exemples.

La programmation de l’IA se concentre sur trois compétences cognitives: l’apprentissage, le raisonnement et l’auto-correction.

Processus d’apprentissage. Cet aspect de la programmation d’IA se concentre sur l’acquisition de données et la création de règles pour transformer les données en informations exploitables. Les règles, appelées algorithmes, fournissent aux appareils informatiques des instructions étape par étape sur la façon d’accomplir une tâche spécifique.

Processus de raisonnement. Cet aspect de la programmation d’IA se concentre sur le choix du bon algorithme pour atteindre le résultat souhaité.

Processus d’auto-correction. Cet aspect de la programmation d’IA est conçu pour affiner continuellement les algorithmes et s’assurer qu’ils fournissent les résultats les plus précis possibles.

Pourquoi l’intelligence artificielle est-elle importante ?

L’IA est importante car elle peut donner aux entreprises des informations sur leurs opérations qu’elles n’avaient peut-être pas connues auparavant et parce que, dans certains cas, l’IA peut mieux exécuter les tâches que les humains. En particulier lorsqu’il s’agit de tâches répétitives et détaillées telles que l’analyse d’un grand nombre de documents juridiques pour s’assurer que les champs pertinents sont correctement remplis, les outils d’IA effectuent souvent des tâches rapidement et avec relativement peu d’erreurs.

Cela a contribué à alimenter une explosion de l’efficacité et a ouvert la porte à de nouvelles opportunités commerciales pour certaines grandes entreprises. Avant la vague actuelle d’IA, il aurait été difficile d’imaginer utiliser un logiciel informatique pour connecter les passagers aux taxis, mais aujourd’hui Uber est devenu l’une des plus grandes entreprises au monde en faisant exactement cela. Il utilise des algorithmes d’apprentissage automatique sophistiqués pour prédire quand les gens sont susceptibles d’avoir besoin de trajets dans certaines zones, ce qui aide à amener les conducteurs sur la route de manière proactive avant qu’ils ne soient nécessaires. Autre exemple, Google est devenu l’un des principaux acteurs d’une gamme de services en ligne en utilisant l’apprentissage automatique pour comprendre comment les gens utilisent leurs services, puis en les améliorant. En 2017, le PDG de la société, Sundar Pichai, a déclaré que Google fonctionnerait comme une entreprise “IA d’abord”.

Les entreprises les plus grandes et les plus prospères d’aujourd’hui ont utilisé l’IA pour améliorer leurs opérations et obtenir un avantage sur leurs concurrents.

Quels sont les avantages et les inconvénients de l’intelligence artificielle ?

Les réseaux de neurones artificiels et les technologies d’intelligence artificielle d’apprentissage profond évoluent rapidement, principalement parce que l’IA traite de grandes quantités de données beaucoup plus rapidement et fait des prédictions plus précises qu’humainement possible.

Alors que l’énorme volume de données créées quotidiennement enterrait un chercheur humain, les applications d’IA qui utilisent l’apprentissage automatique peuvent prendre ces données et les transformer rapidement en informations exploitables. À ce jour, le principal inconvénient de l’utilisation de l’IA est qu’il est coûteux de traiter les grandes quantités de données nécessaires à la programmation de l’IA.

Avantages

• Bon pour les travaux axés sur le détail ;
• Temps réduit pour les tâches lourdes en données ;
• Fournit des résultats cohérents ; et
• Des agents virtuels alimentés par l’IA sont toujours disponibles.

Inconvénients

• Coûteux;
• Nécessite une expertise technique approfondie;
• Offre limitée de travailleurs qualifiés pour construire des outils d’IA;
• Ne sait que ce qui a été montré; et
• Manque de capacité à généraliser d’une tâche à une autre.

IA forte contre IA faible

L’IA peut être classée comme faible ou forte.

• L’IA faible, également appelée IA étroite, est un système d’IA conçu et entraîné pour accomplir une tâche spécifique. Les robots industriels et les assistants personnels virtuels, tels que Siri d’Apple, utilisent une IA faible.
• L’IA forte, également connue sous le nom d’intelligence générale artificielle (AGI), décrit une programmation capable de reproduire les capacités cognitives du cerveau humain. Lorsqu’il est confronté à une tâche inconnue, un système d’IA puissant peut utiliser une logique floue pour appliquer les connaissances d’un domaine à un autre et trouver une solution de manière autonome. En théorie, un programme d’IA puissant devrait pouvoir réussir à la fois un test de Turing et le test de salle chinoise.

Quels sont les 4 types d’intelligence artificielle ?

Arend Hintze, professeur adjoint de biologie intégrative et d’informatique et d’ingénierie à l’Université d’État du Michigan, a expliqué dans un article de 2016 que l’IA peut être classée en quatre types, en commençant par les systèmes intelligents spécifiques aux tâches largement utilisés aujourd’hui et en progressant vers des systèmes sensibles, qui n’existent pas encore. Les catégories sont les suivantes:

• Type 1 : Machines réactives. Ces systèmes d’IA n’ont pas de mémoire et sont spécifiques à une tâche. Un exemple est Deep Blue, le programme d’échecs IBM qui a battu Garry Kasparov dans les années 1990. Deep Blue peut identifier des pièces sur l’échiquier et faire des prédictions, mais comme il n’a pas de mémoire, il ne peut pas utiliser les expériences passées pour informer les futures.
• Type 2: Mémoire limitée. Ces systèmes d’IA ont de la mémoire, de sorte qu’ils peuvent utiliser les expériences passées pour éclairer les décisions futures. Certaines des fonctions de prise de décision dans les voitures autonomes sont conçues de cette façon.
• Type 3: Théorie de l’esprit. La théorie de l’esprit est un terme de psychologie. Lorsqu’il est appliqué à l’IA, cela signifie que le système aurait l’intelligence sociale nécessaire pour comprendre les émotions. Ce type d’IA sera capable d’inférer les intentions humaines et de prédire le comportement, une compétence nécessaire pour que les systèmes d’IA deviennent des membres intégraux des équipes humaines.
• Type 4: Conscience de soi. Dans cette catégorie, les systèmes d’IA ont un sens de soi, ce qui leur donne conscience. Les machines conscientes de soi comprennent leur propre état actuel. Ce type d’IA n’existe pas encore.

Quels sont les exemples de technologie d’IA et comment est-elle utilisée aujourd’hui?

L’IA est incorporée dans une variété de différents types de technologies. Voici six exemples:

• Automatisation. Lorsqu’ils sont associés aux technologies d’IA, les outils d’automatisation peuvent augmenter le volume et les types de tâches effectuées. Un exemple est l’automatisation des processus robotiques (RPA), un type de logiciel qui automatise les tâches répétitives de traitement des données basées sur des règles traditionnellement effectuées par des humains. Lorsqu’elle est combinée à l’apprentissage automatique et aux outils d’IA émergents, la RPA peut automatiser de plus grandes parties des tâches de l’entreprise, permettant aux robots tactiques de la RPA de transmettre l’intelligence de l’IA et de réagir aux changements de processus.
• Apprentissage automatique. C’est la science qui consiste à faire agir un ordinateur sans programmer. L’apprentissage profond est un sous-ensemble de l’apprentissage automatique qui, en termes très simples, peut être considéré comme l’automatisation de l’analyse prédictive. Il existe trois types d’algorithmes d’apprentissage automatique :
  • Apprentissage supervisé. Les ensembles de données sont étiquetés afin que les modèles puissent être détectés et utilisés pour étiqueter de nouveaux ensembles de données.
  • Apprentissage non supervisé. Les ensembles de données ne sont pas étiquetés et sont triés en fonction des similitudes ou des différences.
  • Apprentissage par renforcement. Les ensembles de données ne sont pas étiquetés, mais après avoir effectué une action ou plusieurs actions, le système d’IA reçoit un retour d’information.
• Vision industrielle. Cette technologie donne à une machine la capacité de voir. La vision industrielle capture et analyse les informations visuelles à l’aide d’une caméra, d’une conversion analogique-numérique et d’un traitement du signal numérique. Elle est souvent comparée à la vue humaine, mais la vision industrielle n’est pas liée à la biologie et peut être programmée pour voir à travers les murs, par exemple. Il est utilisé dans une gamme d’applications allant de l’identification des signatures à l’analyse d’images médicales. La vision par ordinateur, qui est axée sur le traitement d’images par machine, est souvent confondue avec la vision par ordinateur.
• Traitement du langage naturel (PNL). Il s’agit du traitement du langage humain par un programme informatique. L’un des exemples les plus anciens et les plus connus de la PNL est la détection du spam, qui examine la ligne d’objet et le texte d’un e-mail et décide s’il s’agit d’un courrier indésirable. Les approches actuelles de la PNL sont basées sur l’apprentissage automatique. Les tâches de PNL comprennent la traduction de texte, l’analyse des sentiments et la reconnaissance vocale.
• Robotique. Ce domaine d’ingénierie se concentre sur la conception et la fabrication de robots. Les robots sont souvent utilisés pour effectuer des tâches difficiles à exécuter ou à exécuter de manière cohérente pour les humains. Par exemple, les robots sont utilisés dans les chaînes de montage pour la production automobile ou par la NASA pour déplacer de gros objets dans l’espace. Les chercheurs utilisent également l’apprentissage automatique pour construire des robots capables d’interagir dans des contextes sociaux.
• Voitures autonomes. Les véhicules autonomes utilisent une combinaison de vision par ordinateur, de reconnaissance d’images et d’apprentissage en profondeur pour acquérir des compétences automatisées pour piloter un véhicule tout en restant dans une voie donnée et en évitant les obstacles inattendus, tels que les piétons.

Quelles sont les applications de l’IA?

L’intelligence artificielle a fait son chemin dans une grande variété de marchés. Voici neuf exemples.

IA dans les soins de santé. Les plus gros paris sont sur l’amélioration des résultats pour les patients et la réduction des coûts. Les entreprises appliquent l’apprentissage automatique pour établir des diagnostics meilleurs et plus rapides que les humains. L’une des technologies de santé les plus connues est IBM Watson. Il comprend le langage naturel et peut répondre aux questions qui lui sont posées. Le système exploite les données des patients et d’autres sources de données disponibles pour former une hypothèse, qu’il présente ensuite avec un schéma de notation de confiance. D’autres applications d’IA incluent l’utilisation d’assistants de santé virtuels en ligne et de chatbots pour aider les patients et les clients des soins de santé à trouver des informations médicales, à planifier des rendez-vous, à comprendre le processus de facturation et à compléter d’autres processus administratifs. Un éventail de technologies d’IA est également utilisé pour prédire, combattre et comprendre les pandémies telles que COVID-19.

IA en affaires. Des algorithmes d’apprentissage automatique sont intégrés aux plates-formes d’analyse et de gestion de la relation client (CRM) pour découvrir des informations sur la manière de mieux servir les clients. Les Chatbots ont été intégrés aux sites Web pour fournir un service immédiat aux clients. L’automatisation des postes de travail est également devenue un sujet de discussion parmi les universitaires et les analystes informatiques.

IA dans l’éducation. L’IA peut automatiser la notation, ce qui donne plus de temps aux éducateurs. Il peut évaluer les étudiants et s’adapter à leurs besoins, les aidant à travailler à leur rythme. Les tuteurs d’IA peuvent fournir un soutien supplémentaire aux étudiants, s’assurant qu’ils restent sur la bonne voie. Et cela pourrait changer où et comment les élèves apprennent, peut-être même remplacer certains enseignants.

IA dans la finance. L’IA dans les applications de finances personnelles, telles que Intuit Mint ou ImpôtRapide, perturbe les institutions financières. De telles applications collectent des données personnelles et fournissent des conseils financiers. D’autres programmes, tels qu’IBM Watson, ont été appliqués au processus d’achat d’une maison. Aujourd’hui, les logiciels d’intelligence artificielle effectuent une grande partie des transactions à Wall Street.

AI en droit. Le processus de découverte – passer au crible les documents – en droit est souvent accablant pour les humains. L’utilisation de l’IA pour aider à automatiser les processus à forte intensité de main-d’œuvre du secteur juridique permet de gagner du temps et d’améliorer le service à la clientèle. Les cabinets d’avocats utilisent l’apprentissage automatique pour décrire les données et prédire les résultats, la vision par ordinateur pour classer et extraire les informations des documents et le traitement du langage naturel pour interpréter les demandes d’informations.

IA dans la fabrication. La fabrication a été à l’avant-garde de l’intégration de robots dans le flux de travail. Par exemple, les robots industriels qui étaient à un moment donné programmés pour effectuer des tâches uniques et séparés des travailleurs humains fonctionnent de plus en plus comme des cobots: Des robots plus petits et multitâches qui collaborent avec les humains et assument la responsabilité d’un plus grand nombre de tâches dans les entrepôts, les usines et autres espaces de travail.

IA dans le secteur bancaire. Les banques utilisent avec succès des chatbots pour informer leurs clients des services et des offres et pour gérer les transactions qui ne nécessitent pas d’intervention humaine. Les assistants virtuels IA sont utilisés pour améliorer et réduire les coûts de conformité à la réglementation bancaire. Les organisations bancaires utilisent également l’IA pour améliorer leur prise de décision en matière de prêts, fixer des limites de crédit et identifier les opportunités d’investissement.

AI dans le transport. En plus du rôle fondamental de l’IA dans l’exploitation des véhicules autonomes, les technologies d’IA sont utilisées dans les transports pour gérer le trafic, prévoir les retards de vol et rendre le transport maritime plus sûr et plus efficace.

Sécurité. L’IA et l’apprentissage automatique sont au sommet de la liste des mots à la mode que les fournisseurs de sécurité utilisent aujourd’hui pour différencier leurs offres. Ces termes représentent également des technologies vraiment viables. Les organisations utilisent l’apprentissage automatique dans les logiciels de gestion des informations et des événements de sécurité (SIEM) et les domaines connexes pour détecter les anomalies et identifier les activités suspectes qui indiquent des menaces. En analysant les données et en utilisant la logique pour identifier les similitudes avec un code malveillant connu, l’IA peut fournir des alertes aux attaques nouvelles et émergentes beaucoup plus tôt que les employés humains et les itérations technologiques précédentes. La technologie qui arrive à maturité joue un rôle important pour aider les organisations à lutter contre les cyberattaques.

Intelligence augmentée vs. intelligence artificielle

Certains experts de l’industrie estiment que le terme intelligence artificielle est trop étroitement lié à la culture populaire, ce qui a amené le grand public à avoir des attentes improbables quant à la façon dont l’IA changera le lieu de travail et la vie en général.

• Intelligence augmentée. Certains chercheurs et spécialistes du marketing espèrent que le label intelligence augmentée, qui a une connotation plus neutre, aidera les gens à comprendre que la plupart des implémentations d’IA seront faibles et amélioreront simplement les produits et services. Les exemples incluent la mise en évidence automatique d’informations importantes dans les rapports de veille économique ou la mise en évidence d’informations importantes dans les dépôts juridiques.
• Intelligence artificielle. La véritable IA, ou intelligence générale artificielle, est étroitement associée au concept de singularité technologique – un avenir gouverné par une superintelligence artificielle qui dépasse de loin la capacité du cerveau humain à le comprendre ou comment il façonne notre réalité. Cela reste dans le domaine de la science-fiction, bien que certains développeurs travaillent sur le problème. Beaucoup pensent que des technologies telles que l’informatique quantique pourraient jouer un rôle important pour faire de l’AGI une réalité et que nous devrions réserver l’utilisation du terme IA à ce type d’intelligence générale.

Utilisation éthique de l’intelligence artificielle

Alors que les outils d’IA présentent de nouvelles fonctionnalités pour les entreprises, l’utilisation de l’intelligence artificielle soulève également des questions éthiques car, pour le meilleur ou pour le pire, un système d’IA renforcera ce qu’il a déjà appris.

Cela peut être problématique car les algorithmes d’apprentissage automatique, qui sous-tendent bon nombre des outils d’IA les plus avancés, ne sont aussi intelligents que les données qu’ils reçoivent lors de la formation. Parce qu’un être humain sélectionne les données utilisées pour entraîner un programme d’IA, le potentiel de biais d’apprentissage automatique est inhérent et doit être surveillé de près.

Toute personne qui cherche à utiliser l’apprentissage automatique dans le cadre de systèmes réels en production doit intégrer l’éthique dans ses processus de formation à l’IA et s’efforcer d’éviter les biais. Cela est particulièrement vrai lors de l’utilisation d’algorithmes d’IA qui sont intrinsèquement inexplicables dans les applications d’apprentissage profond et de réseau contradictoire génératif (GAN).

L’explicabilité est une pierre d’achoppement potentielle à l’utilisation de l’IA dans les industries qui opèrent sous des exigences strictes de conformité réglementaire. Par exemple, aux États-Unis, les institutions financières opèrent en vertu de réglementations qui les obligent à expliquer leurs décisions d’émission de crédit. Cependant, lorsqu’une décision de refuser un crédit est prise par la programmation d’IA, il peut être difficile d’expliquer comment la décision a été prise, car les outils d’IA utilisés pour prendre de telles décisions fonctionnent en éliminant les corrélations subtiles entre des milliers de variables. Lorsque le processus de prise de décision ne peut pas être expliqué, le programme peut être appelé boîte noire AI.

Malgré les risques potentiels, il existe actuellement peu de réglementations régissant l’utilisation des outils d’IA, et lorsque des lois existent, elles concernent généralement indirectement l’IA. Par exemple, comme mentionné précédemment, la réglementation américaine sur les prêts équitables oblige les institutions financières à expliquer leurs décisions de crédit aux clients potentiels. Cela limite la mesure dans laquelle les prêteurs peuvent utiliser des algorithmes d’apprentissage en profondeur, qui par nature sont opaques et manquent d’explicabilité.

Le Règlement général sur la Protection des Données (RGPD) de l’Union européenne impose des limites strictes à la manière dont les entreprises peuvent utiliser les données des consommateurs, ce qui entrave la formation et la fonctionnalité de nombreuses applications d’IA destinées aux consommateurs.

En octobre 2016, le Conseil national de la science et de la Technologie a publié un rapport examinant le rôle potentiel que la réglementation gouvernementale pourrait jouer dans le développement de l’IA, mais il n’a pas recommandé d’envisager une législation spécifique.

Élaborer des lois pour réglementer l’IA ne sera pas facile, en partie parce que l’IA comprend une variété de technologies que les entreprises utilisent à des fins différentes, et en partie parce que les réglementations peuvent se faire au détriment des progrès et du développement de l’IA. L’évolution rapide des technologies de l’IA est un autre obstacle à la formation d’une régulation significative de l’IA. Les percées technologiques et les nouvelles applications peuvent rendre les lois existantes instantanément obsolètes. Par exemple, les lois existantes réglementant la confidentialité des conversations et des conversations enregistrées ne couvrent pas le défi posé par les assistants vocaux comme Alexa d’Amazon et Siri d’Apple qui rassemblent mais ne distribuent pas de conversations except sauf aux équipes technologiques des entreprises qui les utilisent pour améliorer les algorithmes d’apprentissage automatique. Et, bien sûr, les lois que les gouvernements parviennent à élaborer pour réglementer l’IA n’empêchent pas les criminels d’utiliser la technologie avec une intention malveillante.

Informatique cognitive et IA

Les termes IA et informatique cognitive sont parfois utilisés de manière interchangeable, mais, de manière générale, l’étiquette AI est utilisée en référence à des machines qui remplacent l’intelligence humaine en simulant la façon dont nous percevons, apprenons, traitons et réagissons à l’information dans l’environnement.

L’étiquette informatique cognitive est utilisée en référence à des produits et services qui imitent et augmentent les processus de pensée humains.

Quelle est l’histoire de l’IA ?

Le concept d’objets inanimés dotés d’intelligence existe depuis l’Antiquité. Le dieu grec Héphaïstos était représenté dans les mythes comme forgeant des serviteurs ressemblant à des robots en or. Les ingénieurs de l’Egypte ancienne ont construit des statues de dieux animées par des prêtres. Tout au long des siècles, les penseurs d’Aristote au théologien espagnol Ramon Llull du 13ème siècle à René Descartes et Thomas Bayes ont utilisé les outils et la logique de leur époque pour décrire les processus de pensée humaine comme des symboles, jetant les bases de concepts d’IA tels que la représentation des connaissances générales.

La fin du 19e et la première moitié du 20e siècle ont produit le travail fondamental qui allait donner naissance à l’ordinateur moderne. En 1836, le mathématicien de l’Université de Cambridge Charles Babbage et Augusta Ada Byron, comtesse de Lovelace, ont inventé le premier design d’une machine programmable.

années 1940. Le mathématicien de Princeton John Von Neumann a conçu l’architecture de l’ordinateur à programme stocké – l’idée que le programme d’un ordinateur et les données qu’il traite peuvent être conservés dans la mémoire de l’ordinateur. Et Warren McCulloch et Walter Pitts ont jeté les bases des réseaux de neurones.

années 1950. Avec l’avènement des ordinateurs modernes, les scientifiques ont pu tester leurs idées sur l’intelligence artificielle. Une méthode pour déterminer si un ordinateur possède de l’intelligence a été conçue par le mathématicien britannique et briseur de code de la Seconde Guerre mondiale Alan Turing. Le test de Turing s’est concentré sur la capacité d’un ordinateur à tromper les interrogateurs en leur faisant croire que ses réponses à leurs questions ont été faites par un être humain.

1956. Le domaine moderne de l’intelligence artificielle est largement cité comme commençant cette année lors d’une conférence d’été au Dartmouth College. Parrainée par la Defense Advanced Research Projects Agency (DARPA), la conférence a réuni 10 sommités du domaine, dont les pionniers de l’IA Marvin Minsky, Oliver Selfridge et John McCarthy, à qui l’on attribue l’invention du terme intelligence artificielle. Étaient également présents Allen Newell, un informaticien, et Herbert A. Simon, économiste, politologue et psychologue cognitif, qui a présenté son théoricien de la logique révolutionnaire, un programme informatique capable de prouver certains théorèmes mathématiques et appelé le premier programme d’IA.

années 1950 et 1960. À la suite de la conférence du Dartmouth College, les leaders du domaine naissant de l’IA ont prédit qu’une intelligence artificielle équivalente au cerveau humain était imminente, attirant un soutien majeur du gouvernement et de l’industrie. En effet, près de 20 ans de recherche fondamentale bien financée ont généré des avancées significatives en IA: Par exemple, à la fin des années 1950, Newell et Simon ont publié l’algorithme de Résolution de problèmes généraux (GPS), qui n’a pas réussi à résoudre des problèmes complexes mais a jeté les bases du développement d’architectures cognitives plus sophistiquées; McCarthy a développé Lisp, un langage de programmation d’IA encore utilisé aujourd’hui. Au milieu des années 1960, le professeur du MIT Joseph Weizenbaum a développé ELIZA, un programme de traitement du langage naturel précoce qui a jeté les bases des chatbots d’aujourd’hui.

années 1970 et 1980. Mais la réalisation de l’intelligence générale artificielle s’est avérée insaisissable, pas imminente, entravée par les limitations du traitement informatique et de la mémoire et par la complexité du problème. Le gouvernement et les entreprises ont renoncé à leur soutien à la recherche sur l’IA, ce qui a conduit à une période de jachère allant de 1974 à 1980 et connue sous le nom de premier “hiver de l’IA.”Dans les années 1980, la recherche sur les techniques d’apprentissage en profondeur et l’adoption par l’industrie des systèmes experts d’Edward Feigenbaum ont suscité une nouvelle vague d’enthousiasme pour l’IA, suivie d’un nouvel effondrement du financement gouvernemental et du soutien de l’industrie. Le deuxième hiver de l’IA a duré jusqu’au milieu des années 1990.

années 1990 à aujourd’hui. L’augmentation de la puissance de calcul et l’explosion des données ont déclenché une renaissance de l’IA à la fin des années 1990 qui s’est poursuivie jusqu’à nos jours. La dernière mise au point sur l’IA a donné lieu à des percées dans le traitement du langage naturel, la vision par ordinateur, la robotique, l’apprentissage automatique, l’apprentissage profond et plus encore. De plus, l’IA devient de plus en plus tangible, alimente les voitures, diagnostique les maladies et cimente son rôle dans la culture populaire. En 1997, Deep Blue d’IBM a battu le grand maître d’échecs russe Garry Kasparov, devenant ainsi le premier programme informatique à battre un champion du monde d’échecs. Quatorze ans plus tard, Watson d’IBM a captivé le public en battant deux anciens champions dans le jeu télévisé Jeopardy!. Plus récemment, la défaite historique de Lee Sedol, 18 fois champion du monde de Go, par AlphaGo de Google DeepMind a stupéfait la communauté Go et a marqué une étape majeure dans le développement de machines intelligentes.

IA en tant que service

Parce que les coûts de matériel, de logiciels et de personnel pour l’IA peuvent être coûteux, de nombreux fournisseurs incluent des composants d’IA dans leurs offres standard ou fournissent un accès aux plates-formes AIaaS (intelligence artificielle en tant que service). AIaaS permet aux particuliers et aux entreprises d’expérimenter l’IA à diverses fins commerciales et d’échantillonner plusieurs plates-formes avant de s’engager.

Les offres de cloud ia les plus populaires sont les suivantes:

• Amazon AI
• Assistant IBMAT Atson
• Services cognitifs Microsoft
• Google AI