Nous entrons de plein pied dans l'ère numérique en étant accompagnés d'artefacts de plus en plus "intelligents". Discutons-en...

1. Aymeric Poulain Maubant – Nereÿs // @AymericPM
Intelligences Artificielles
(apprendre à) Vivre à l’ère des IA
septembre 2016

2. Docteur en Sciences Cognitives (entre autres)
Aymeric Poulain Maubant
@AymericPM
https://medium.com/@AymericPM/
http://www.nereys.fr/
Aymeric.PoulainMaubant@nereys.fr
2

3. 3
Avant-proposCette présentation est un peu spéciale…
Elle est là pour traiter de son sujet & pour raconter ce que je fais.
Des formations, ateliers, conférences, animations de tables-
rondes sur des sujets liés à l’ère numérique … sujets sur
lesquels j’ai souvent la chance de travailler longuement à travers
la rédaction des cahiers de veille de la Fondation Télécom, de
réfléchir avec des chercheuses et chercheurs de l’Institut Mines-
Télécom (dont certain.es que j’interviewe), et de rédiger sur mon
site Medium, toutes références à découvrir plus bas.
Mais les Intelligences Artificielles sont vraiment mon sujet de
prédilection, depuis une thèse commencée en… 1992.

4. 4Cahier de Veille Intelligence Artificielle // Fondation Télécom juin 2016 // PDF 28 pages
Guide de lecture
Cette présentation est construite notamment,
mais pas seulement, à partir du cahier de veille de
la Fondation Télécom sur l’Intelligence Artificielle
(juin 2016), coordonné et rédigé par l’auteur.
La plupart des transparents de cette présentation
comportent des documents complémentaires à lire,
notés en bas de page, comme ici.
Des transparents orange comme celui-ci permettent de
compléter la présentation en l’absence de l’intervenant…

5. 5
Et vous ?
(qui êtes-vous et avec quoi venez-vous ?)

6. 6Take X and add AI // Entering an era of intelligent automation [avril 2015]
Take X, Add AI

7. 7
Intelligences Artificielles
Pourquoi parle-t-on des IA aujourd’hui ? .1
Qu’est-ce que l’Intelligence Artificielle ? .2
Apprendre à vivre avec les IA… .3
Next step : Défis à relever… .4

8. 8In Two Moves, AlphaGo and Lee Sedol Redefined the Future
La surprise (?) AlphaGo

9. 9Artificial Intelligence Recreates Nobel Prize-Winning Physics Experiment - In One Hour [05/16]
De + en + d’effet wow!
“ I didn’t expect the machine could learn to do the
experiment itself, from scratch, in under an hour, ”
said co-lead researcher Paul Wigley, of the Australian
National University Research School of Physics and
Engineering, in a statement.

10. 10Google I/O panel, may 2016 // Mashable
Un AI spring en cours ?
“ We’re kind of in an AI Spring, ” says John Giannandrea, Google’s
head of machine learning. Giannandrea cited the recent success
in the areas of speech recognition and image understanding as
two reasons AI and machine learning are suddenly so hot. […]
Aparna Chennapragada, who led the Google Now team, says
she believes that machine learning changes the game when it
comes to building new products […] paying attention to what is
internally dubbed as the “wow to WTH ratio.”

11. 11
3 ruptures majeures
• l’accès à des ressources de calcul parallèle à bas coût
• l’accès facilité à des données massives, pouvant servir
d’ensemble d’apprentissage
• des algorithmes nouveaux (notamment le fameux
deeplearning), profitant des deux ruptures précédentes
Le tout fourni sur une plate-forme d’innovation en open
source, accessible sous forme d’API et bon marché pour les
développeurs et les startups, qui utilisent ces algorithmes
comme commodités de base pour opérer des transitions
majeures dans de nombreux secteurs industriels.

12. 12
À propos de Big Data
Les données massives ne se limitent pas à trois V : en plus des
classiques Volume, Vélocité et Variété, on doit ajouter Variabilité,
Valeur, Visualisation et Véracité.
Un défi : l’apprentissage en continu sur des flux massifs
« Il s’agit plus de faire des découvertes d’atypisme,
de nouveaux marchés et de nouveaux usages, que
de reconnaître dans des masses / flux de données
des éléments déjà connus. »
Samir Amellal (Publicis ETO)
Voir le Cahier de Veille «BigData» de la Fondation Télécom [juin 2013, PDF 28 pages]

13. 13L’exploration de données est le dernier paradigme d’exploration scientifique
Le 4e
paradigme scientifique

14. 14
Ce 4e
paradigme qui fait qu’aujourd’hui des scientifiques peuvent
travailler uniquement sur des masses de données collectées il y
a longtemps et pas encore exploitées, ou collectées par d’autres
équipes, et dans les deux cas non directement observées par
les chercheurs, comme auparavant, souligne la complexité
croissante du monde observable.
L’arrivée des IA pour assister ces équipes, voire pour effectuer
elles-même de la recherche, ou au moins explorer des voies
non connues, pourrait bien être le signe d’un 5e paradigme
scientifique en cours.

15. 15Google supercharges machine learning tasks with TPU custom chip [mai 2016]
Tensor Processing Unit

16. 16
Un quotidien bercé d’IA
Take X, add AI : prendre n’importe quel objet / usage du quotidien,
et l’augmenter de capacités cognitives minimales pour que son
utilisation se fasse le plus naturellement possible.
• reconnaissance de la parole / agents conversationnels
• reconnaissance du langage naturel / traducteurs
• reconnaissance des visages, des émotions, des silhouettes,
des formes, y compris en temps réel
• assistants en écoute permanente, expérience ambiante…
• …avec la nécessité de respecter la vie privée des utilisateurs,
en travaillant sur des données chiffrées, comme chez Snips

17. 17Meet ili, the First Real-Time Wearable Translator In The World
Discutons…
Où en sommes-nous sur les systèmes de traduction
automatique ? Et comment ça marche ?
Et quelles sont les conséquences ?

18. 18Voir le Cahier de Veille «Humain augmenté» de la Fondation Télécom [juin 2015, PDF 28 pages]
2045
Un monde qui accélère
Intelligence Artificielle Immortalité Numérique
Cyborgs
Organes Artificiels Nanomédecine

CausesdelaMort
Bioinformatique
Transplantationdu
Cerveau
Évolutions Sociales
ThérapiesAnti-Âge
Si
ngulari
té
2045
Poumon artificiel
régulé directement par
les signaux neuronaux
Organes internes
biomécaniques
Corps artificiel
autonome
Intégration électronique
& système nerveux
Connexion cerveau
machine
Prothèse
d’aires
cervicales
Chargement
du cerveau
sur substrat
non biologique
Diagnostic médical
effectué par IBM Watson
IAMédecin
IAChercheur
Laboratoires
automatiques
Simulation d’un
cerveau humain
Fusion IA
humain Super
intelligence
(ASI)
Transplantation
généralisée
d’organes (y.c. tête)
Culture d’organes
dans des animaux
génétiquement modifiés
Transplantation d’un cerveau
de primate dans
un nouveau corps
Transplantation d’un cerveau
humain dans
un nouveau corps
Une tête autonome
survit un an
sans son corps
Transplantation
d’un cerveau
dans un corps cloné
Démocratie
adaptée à
l’ère numérique
Large projet international
de recherche
sur la lutte
contre le vieillissement
Mouvements mondiaux
pour l’extension de la vie
Autorisation de clonage
pour les primates
et les humains
Augmentation drastique
des fonds de recherche
L’Humanité est unie pour
lutter contre les grandes
catastrophes et
protéger la vie
Déchiffrage complet
de l’épigénome
et du transcriptnome
Étude du génome
de tous les animaux
Larges recherches sur
les principes actifs
anti-vieillissement
Simulations informatiques
du protéome, du connectome, de
l’épigénome, du métabolisme
Diagnostics cliniques fondés
sur un million de paramètres
Médecine personnalisée
avec contrôle continu du corps
Simulation informatique
du corps humain
à tous les niveaux biologiques
Simulation informatique
complète d’une bactérie
Augmentation de 20 ans
de la durée de la vie
Financements participatifs
pour la recherche
sur la longévité
Théorie complète
sur le vieillissement
Régulation génétique
du vieillissement
Augmentation de 50 ans
de la durée de la vie
Victoire sur les maladies
neurovégétatives via
des neurones artificielsVictoire sur
toutes les maladies
Cerveau et corps
peuvent rajeunir
Enregistrement des
moments de vie grâce aux
équipements mobiles
Modélisation
réussie
du cerveau d’un ver
Création de modèles hu-
mains de plus en plus précis
grâce aux IA
Modélisation réussie
du cerveau d’une fourmi
Modélisation réussie
du cerveau d’une souris
et d’un chat
Enregistrement vidéo
d’un rêve
Modélisation réussie
du cerveau d’un primate et
d’un humain
Création de bioréacteurs
permettant la croissance
d’organes hors du corps
Croissance d’un
foie de lapin
Croissance d’organes
humains à partir de ses
propres cellules, et succès
de transplantation
Impression 3D complète et
viable d’organes
Bioréacteurs animaux
permettant la croissance
d’organes hors du corps
Création de corps
facilement remplaçables
Le corps survit longtemps
même après de graves
dommages
Protection avancée du
cerveau
Micromachines
dans le flux sanguin
Sang artificiel
Capteurs intra-cellulaires
Micro-robots
<.1mm
imprimables
Cellules artificielles créées
en biologie synthétique
Bio nanobots
Nanobots réplicables
dans le corps humain
Corps
nanotechnologique
Réduction de la
mortalité sur les routes
Désarmement et
prévention des guerres
Pays sans crimes
Traitement de la dépression
et réduction des suicidesSanté contrôlée en continu
par les équipements mobiles
Désarmement complet et
démilitarisation
Vidéo surveillance
généralisée

19. 19Lire aussi : «arrêtons de nous faire peur avec les technologies» [AymericPM, juin 2015]
Faut-il en avoir peur ?
Une hypothèse, et une crainte, soulevée depuis 2014 à travers
des interventions remarquées de Stephen Hawking, Elon Musk ou
Bill Gates, est que d’ici quelques années une super ntelligence
pourrait émerger qui ne serait pas nécessairement bienveillante
envers l’humanité, et que le chemin pour ce faire avait peut-
être déjà été emprunté sans retour. La question serait de savoir
comment rester l’espèce dominante face à l’IA le temps venu.

20. 20An Open Letter : Research Priorities for Robust and Beneficial Artificial Intelligence. [01/2015]
Une lettre ouverte…
Janvier 2015 : à l’initiative du britannique Stuart Russel,
spécialiste IA, une dizaine de chercheurs signent une lettre
ouverte appelant leurs collègues à aller au-delà du simple
objectif historique de la performance des IA.
« Cette recherche est nécessairement interdisciplinaire, car
elle implique à la fois la Société et l’Intelligence Artificielle. Elle
s’établit de l’économie au droit et à la philosophie, de la sécurité
informatique aux méthodes formelles et, bien sûr, au sein des
diverses branches de l’IA elle-même. »

21. 21L’intelligence artificielle va-t-elle rester impénétrable ? [InternetActu 09/2016]
L’IA s’explique-t-elle ?

22. 22Vers une éthique pour l’intelligence artificielle ? [InternetActu, sept 2016]
Un débat public à venir
• (mars 2016) 65% des français se disent inquiets du développement
de l’intelligence artificielle et du Big Data (vraiment ?)
• lettre ouverte : « Trois sujets sont à traiter à court terme :
l’impact de l’IA sur l’économie, les questions d’éthique et de
droit, la robustesse des artefacts. »
• vers une mission d’enquête parlementaire sur les
conséquences de l’automatisation sur la Société ?
• faut-il / peut-on réguler les IA ?
• quelle éthique et quelle morale pour les IA ?

23. 2328 septembre 2016 : http://www.partnershiponai.org/
AI best practices

24. 24
Intelligences Artificielles
Pourquoi parle-t-on des IA aujourd’hui ? .1
Qu’est-ce que l’Intelligence Artificielle ? .2
Apprendre à vivre avec les IA… .3
Next step : Défis à relever… .4

25. 25
L’intelligence ?
Je n’essayerai pas, n’étant ni assez naïf ni suffisament présomptueux, de
donner de l’intelligence une définition liminaire formelle : pour s’entendre sur
ce que cette notion recouvre, peut-être suffit-il de décrire ce qui fait tout
être que l’on s’accorde à reconnaître comme intelligent. Il découpe le monde
complexe dans lequel il vit en sous-ensembles plus simples, connaissables,
et utilise cette connaissance pour décider d’une action adaptée et
en planifier le décours. Le traitement par les systèmes sensoriels de
l’information recueillie sur l’environnement est ce qui permet en premier lieu
d’en structurer la connaissance utile. La planification, qui est le processus
par lequel sont combinées les connaissances utiles pour décider du meilleur
déroulement possible de l’action en vue d’atteindre une certain but, implique
la capacité de représenter de façon flexible et adaptative l’environnement.
[…]

26. 26
L’intelligence ?
Cette capacité, qui n’est autre que celle d’apprendre, suppose l’assimilation
de nouvelles informations, leur stockage et leur accomodation en vue
de modifier les structures de connaissance, les stratégies perceptives
et l’action. Cet apprentissage lui-même suppose, pour être efficace,
la communication ; les informations doivent en effet circuler entre les
structures de connaissance et les individus. Il ne fait guère de doute que le
langage, moyen de représentation des connaissances et de communication
par excellence, confère à notre espèce des propriétés remarquables et
fait du cerveau humain le dispositif le plus intelligent jamais rencontré ou
fabriqué. La perception, l’action finalisée, l’organisation conceptuelle, le
raisonnement, l’apprentissage, la communication, le langage sont ainsi
autant d’aspects que recouvre le concept de cognition.
[Michel Imbert, 1992, Introduction aux Sciences Cognitives, éditions Gallimard, pp. 49-50]

27. 27
La citation précédente est longue, mais c’est la définition la plus
intéressante de, non pas l’intelligence, mais ce qu’on s’attache
à caractériser de comportement intelligent. Car tout est dans
cette nuance, qui permet d’envisager des intelligences de toute
nature, y compris non humaines, y compris, donc, artificielles.
Intelligence artificielle qui, à l’origine, était presque uniquement
imaginée pour émuler un seul type d’intelligence humaine, les
intelligences rationnelle, logique & stratégique…

28. 28
Définir l’IA…
Conférence de Dartmouth, 1956, première apparition du terme :
« la possibilité de produire des programmes qui se conduiraient
ou penseraient intelligemment » Ses ambitions d’alors, et
le défi originel de l’Intelligence Artificielle, sont de « chercher
à produire, sur un ordinateur, un ensemble de sorties qui
serait considéré comme intelligent s’il était produit par un être
humain ».
Aujourd’hui : confusion généralisée entre le machine learning, le
deep learning, les réseaux de neurones, l’analyse prédictive, et
l’analyse et la fouille de données massives…

29. 29
60 ans d’IA
Technologie de la connaissance (nouvelle science de l’ingénieur)
mais aussi science générale du traitement de l’information (par
l’homme ou par la machine) ou encore théorie de l’homme et des
processus cognitifs, cette discipline a eu tour à tour chacune de
ces ambitions, ni incompatibles, ni indépendantes.
Reliée intimement à un ensemble d’autres disciplines au sein
des Sciences Cognitives, elle a eu en 60 ans ses moments de
gloire mais aussi ses moments de doute et de recul.

30. 30
Un vaste domaine
Vue synthétique de l’Intelligence Artificielle. [Henri Sanson, Orange, 2016]
Neurosciences
Psychologie
cognitive
Théorie
du Contrôle
Logique Logique
Apprentissage
Machine 
Apprentissage
Machine 
Linguistique Statistiques
Théorie
des Jeux
Mathématiques de la décision
Plates-formes
AIr / Sol / Mer
Industriels
Agriculture, Banque, Éducation, Juridique, Finance,
Industries Manufacturières, Marketing, Publicité, Santé,
Transports
Data science,
Machine learning,
Open source
Sciences cognitives
Audio, Données,
Full stack, Internet
des objets, Machine
learning, Recherche,
Vision
Outils
Sécurité / Fraude, RH, Ventes, Marketing,
Support client, Renseignement, Veille
Agents
Professionnels
Personnels
Interfaces OS
Entreprises
Industries
Systèmes
autonomes

31. 31
Paradigmes de l’IA
L’IA peut se révéler à travers des simulations exactes des
processus cognitifs humains, ou bien via des programmes
conduisant à des conséquences intelligentes.
Elle a été traversée par de nombreuses dualités, entre l’inné
et l’acquis, entre les symboles des systèmes experts et les
sous-symboles des réseaux de neurones formels, entre la
compétence et la performance, qui ont rythmé son histoire.

32. 32Tinker With a Neural Network Right Here in Your Browser
Réseaux de neurones

33. 33
Surlafigureci-dessous,lesdeuxneuronesenentréeprennent(ici)respectivementles
coordonnées x et y d’un point, et le réseau doit estimer en sortie si un point est dans le
groupe orange ou dans le groupe bleu (ici c’est pas terrible). Plusieurs algorithmes sont
disponibles, mais tous consistent à modifier au fur et à mesure de l’apprentissage les
poidssynaptiqueswij
(reliantlesneuronesietj)pourqu’àterme,quellesquesoientles
coordonnées présentées en entrée, le résultat en sortie soit le bon.
Suivez «Tinker With a Neural Network Right Here in Your Browser» pour essayer
différentes stratégies avec des topologies de réseaux, des entrées et des bases
d’apprentissage différentes.
Jouer avec les paramètres
de cette page permet de
se faire peu à peu une idée
du fonctionnement interne
d’un réseau de neurones
artificiels simple.

34. 34
Classification des IA
• ANI (narrow) : AI faible, spécialisée dans un seul domaine (les
échecs, mais nulle en cuisine)
• AGI (general) : AI forte, comparable à un être humain,
raisonne, résoud, apprend, planifie…
• ASI (super) : Superintelligence, plus forte que les humains
dans tous les domaines, y.c. créativité, sciences, culture
générale, intelligence sociale…

35. 35Toutes ces intelligences comptent : cf. Cahier de Veille IA Fondation Télécom
Et chez les humains ?
• intelligence rationnelle, organisationnelle, stratégique…
• intelligence émotionnelle…
• intelligence créative…
• intelligence littéraire…
• intelligence spatiale et situationnelle…
• intelligence sociale… collective…
• intelligence pluri-sensorielle…
• intelligence temporelle

36. 36
Et le biomimétisme ?
L’intelligence incarnée, une approche bio-inspirée en robotique – Frédéric Boyer, Mines Nantes

37. 37
Réfléchir à l’intelligence des artefacts
nous amène à réfléchir à notre propre
intelligence, à la manière dont nous
l’exerçons, à nos rapports aux autres,
aux animaux, au monde…

38. 38Qui a écrit ce poème ?
Évaluer l’intelligence
• corollaire de la définition de l’intelligence & question ouverte
• quotient intellectuel (ne mesure qu’une forme d’intelligence,
humaine) et quotient émotionnel
• pour les IA (quoique…) : les tests de Turing
• et nous, les humains, savons-nous reconnaître une IA ?

39. 39
Discutons…
Les IA peuvent-elles se tromper ?

40. 40
Mythes & réalités
En 1972 paraît « What Computers Can’t Do : The Limits of
Artificial Intelligence », un essai de Hubert Dreyfus, qui propose
une critique philosophique de l’Intelligence Artificielle. Il y
relève que les travaux réalisés dans les années 60 ont eu des
résultats très en-deçà des espérances et des annonces faites. Il
montre les limitations d’une approche de la représentation des
connaissances sur la seule base de manipulation des symboles
et de règles.
Il propose de se reconcentrer sur trois secteurs négligés :
le corps, la situation et les intentions.

41. 41deepart.io
Des IA créatives ?
– La nuit dernière, j’ai rêvé, dit calmement LVX-1.
– Et qu’est-ce que tu as rêvé ?
– Je fais toujours à peu près le même rêve, docteur Calvin. De petits détails sont
différents, mais il me semble que je vois un vaste panorama où travaillent des robots.
– Des robots, Elvex ? Et aussi des êtres humains ?
– Je ne vois pas d’être humains, dans le rêve. Pas au début.
Seulement des robots, docteur Calvin.
– Que font-il, Elvex ?
– Ils travaillent. J’en vois qui sont mineurs dans les profondeurs de la terre, et d’autres
qui travaillent dans la chaleur et la radiation. J’en vois dans des usines et sous la mer.
Isaac Asimov, Le robot qui rêvait, novembre 1986

42. 42
Des IA conscientes ?

43. 43
Des discussions sur la créativité éventuelle des IA et
l’importance pour les intelligences de l’accès à la conscience (de
soi, mais pas seulement) sont proposées en partie 3 du cahier
de veille IA de la Fondation Télécom.
Ces sujets, amplement philosophiques, restent des questions
ouvertes. En 2016, dire que des IA sont créatives ou bien que
des IA sont conscientes sont deux raccourcis dont il faut se
garder ou qu’il faut savoir préciser.

44. 44
Que manque-t-il aux IA ?
• une composante émotive
• une capacité incarnée
• un système de valeurs
• l’attention, qui apporte une composante
directionnelle aux comportements
• des phases de rêve, de cognition libre désincarnée
• la possibilité d’expérimenter le monde
• la compréhension du sens commun
…

45. 45
Éloge des IA
La nature des IA est aujourd’hui claire. Ce sont des formes
d’intelligence nouvelles, créées par l’humain et se créant elles-
même, accompagnant l’humanité dans son quotidien, de
manière bienveillante et bénéfique.
Prendre conscience des limites des IA tout en admirant leurs
réalisations, et dépasser les craintes et les peurs qu’elles
peuvent susciter, c’est se donner toutes les chances de
préparer un monde d’intelligences artificielles bienveillantes
avec lesquelles évoluer.

46. 46
Intelligences Artificielles
Pourquoi parle-t-on des IA aujourd’hui ? .1
Qu’est-ce que l’Intelligence Artificielle ? .2
Apprendre à vivre avec les IA… .3
Next step : Défis à relever… .4

47. 47Promesses et défis de l’Intelligence Artificielle[Olivier Boissier, AFIA]
Un cadre conceptuel
Socio-technique
Interactive
Autonome
Raisonnement – Décision
Apprentissage
Incertitude
Perception – Vision
Données / Connaissances
Interopérabilité, Sémantique
Intégration de systèmes intelligents
Empathie, Émotions
Conversation, TALN,
Délégation / Adoption / Contrat
Partage d'autorité
Confiance
Normes, Organisations / Gouvernance,
Régulation, Renforcement
Représentation et raisonnement sur
Valeurs, Cultures
Lois, Responsabilité
Éthique dès la conception, Éthique par
raisonnement

48. 48
Discutons… algos
Peut-on dans une quasi-indifférence décider du destin de notre société ?
in À quoi rêvent les algorithmes –Nos vies à l’heure
des big data Dominique Cardon, oct 2015

49. 49
Discutons… autos
Will Driverless Cars Put the Hotel and Airline Industry in Danger?
Objectif 0 morts sur les routes…
Et 0 emplois ?
Et comment effectuer la transition ?
Et les IA qui pilotent sont-elles sûres ?

50. 506 défis pour les agents conversationnels
Discutons… bots
Ces « bots conversationnels » apprennent de nos comportements…
Il faut les « élever » avec bienveillance.
Ah oui, mais hmm, ils nous écoutent tout le temps, non ? Brrrr…

51. 51
Types d’apprentissage
• apprentissage supervisé
• apprentissage non-supervisé
• apprentissage semi-supervisé
• co-apprentissage
• apprentissage hétéro-associatif
• apprentissage auto-associatif
• apprentissage par renforcement
• apprentissage profond
• apprentissage prédictif

52. 52
Succès du Deep Learning

53. 53
Discutons…

54. 54
Formes d’apprentissage
• empreinte et habituation
• apprentissage par essai / erreur
• apprentissage par l’action
• apprentissage par observation / imitation
• apprentissage co-actif
• apprentissage par instruction
• méta-apprentissage

55. 55
Pour une présentation plus complète des formes et des types
d’apprentissage, le lecteur est invité à consulter les premières
pages de la deuxième partie du cahier de veille Intelligences
Artificielles de la Fondation Télécom.
(je vous en ai déjà parlé ?)

56. 56Knewton
Big Data & édu / RH
Faire des CVs automatiquement ?

57. 578 digital skills we must teach our children (World Economic Forum 2016)
Compétencesnumériques

58. 58
Compétences globales

59. 59
Les trois transparents précédents expriment les idées
suivantes :
• les compétences (littéracies) humaines doivent évoluer à
l’ère numérique (voir à ce sujet le cahier de veille 2014 de la
Fondation Télécom)
• les IA (et les Big Data) facilitent la personnalisation des
pédagogies
• en connaissant mieux leurs différentes intelligences et en
sachant mieux les entraîner, les humains pourraient concentrer
leurs activités professionnelles sur ce qui caractérise les
humains, et déléguer aux IA le reste…

60. 60Top 5 sectors using artificial intelligence [décembre 2015]
Métiers disruptés
Pour prédire l’impact de la robotisation sur nos emplois le fondateur
de Kaggle propose que chacun se pose deux questions très simples :
Dans quelle mesure cet emploi peut-il être réduit à des tâches
répétitives et nombreuses ?
Dans quelle mesure nécessite-t-il la gestion de nouvelles situations?
[voir vidéo TED : ces jobs que les robots n’auront pas]

61. 61Prédire les risques de cancer du sein grâce à une IA [sept 2016]
Discutons…
Il est désormais possible d’établir les probabilités de contracter un cancer du sein
grâce à une intelligence artificielle. Et les résultats sont non seulement rapides,
mais aussi corrects dans 99 % des cas. […] Pour ce faire, le logiciel interprète
les résultats de mammographies en les comparant avec des millions d’autres.
Le diagnostic est alors délivré trente fois plus rapidement qu’avec les techniques
traditionnelles. […] Cette IA permet également un gain de temps de l’ordre
de près de 500 heures aux radiologues, l’examen de cinquante radiographies
représentant, pour deux cliniciens, 50 à 70 heures de travail, et seulement une
poignée d’heures pour l’intelligence développée par les chercheurs.

62. 62The Future of Work in the Age of Artificial Intelligence [juin 2016]
Faut-il travailler encore ?
Would a Work-Free World Be So Bad? [juin 2016]

63. 63Where machines could replace humans—and where they can’t (yet) [McKinsey July 2016]
Coopération

64. 64
Intelligences Artificielles
Pourquoi parle-t-on des IA aujourd’hui ? .1
Qu’est-ce que l’Intelligence Artificielle ? .2
Apprendre à vivre avec les IA… .3
Next step : Défis à relever… .4

65. 65
Défis & débats

66. 66
#1 apprendre à vivre avec les IA : vers des « coglabs »
sur un modèle combiné de fablabs et d’infolabs
#2 diversité & bienveillance : deux valeurs essentielles
dans les équipes développant des IA
#3 la transparence des algorithmes : savoir la démontrer
#4 le futur de l’argent : que se passe-t-il dans un monde
d’économie du partage, de revenu de base, de blockchain,
d’intelligences artificielles et d’activités au lieu de travail ?

67. 67
That’s all, folks !
Thx.
contact : @AymericPM // www.nereys.fr