Intelligence artificielle Une cration humaine Programme 1 2

  • Slides: 39
Download presentation
Intelligence artificielle Une création humaine

Intelligence artificielle Une création humaine

Programme 1. 2. 3. 4. 5. Introduction Émergence et perfectionnement d’une intelligence artificielle Ecueils

Programme 1. 2. 3. 4. 5. Introduction Émergence et perfectionnement d’une intelligence artificielle Ecueils et difficultés Entreprises influentes Evolutions de société et prospectives 6. Questions/Réponses Cocktail et débat 09/10/2018 Centrale. Supelec Cote d'azur 8

Introduction 09/10/2018 Centrale. Supelec Cote d'azur 9

Introduction 09/10/2018 Centrale. Supelec Cote d'azur 9

Bio. Mind bat des radiologues lors d’une compétition de diagnostics en juillet 2018 225

Bio. Mind bat des radiologues lors d’une compétition de diagnostics en juillet 2018 225 cas 15 médecins radiologues experts Une intelligence artificielle Entrainée sur les archives de l’hôpital de Beijing Tiantan 66% de diagnostics corrects 87% de diagnostics corrects Prédiction correcte de complication : 63% Prédiction correcte de complication : 83% 09/10/2018 Centrale. Supelec Cote d'azur 10

Predpol lutte contre la criminalité Prédit le lieu, l’heure et la nature du crime

Predpol lutte contre la criminalité Prédit le lieu, l’heure et la nature du crime à partir de données historiques. Utilisée par de nombreuses villes d'Amérique du Nord (Atlanta, Los Angeles …) Los Angeles Nov. 2011 - mai 2012: • - 33 % d’agressions • - 21 % de crimes violents 09/10/2018 Centrale. Supelec Cote d'azur 11

Amazon augmente son CA grâce à la recommandation • Emails personnalisés et recommandations sur

Amazon augmente son CA grâce à la recommandation • Emails personnalisés et recommandations sur site: Contenu “tendance” Articles achetés ensemble Recommandations grâce à l’historique d’achat Recommandations grâce à l’historique des produits vus • Nouvelles versions d’un produit déjà possédé • • 60% de conversion*, 35% du chiffre d’affaire** * Taux de conversion des emails personnalisés tel que communiqué aux actionnaires ** Estimation Mc. Kinsey en 2013 09/10/2018 Centrale. Supelec Cote d'azur 12

Intelligence artificielle: Définition Traduction imparfaite d’ ‘Artificial intelligence’ : « ensemble des théories, techniques

Intelligence artificielle: Définition Traduction imparfaite d’ ‘Artificial intelligence’ : « ensemble des théories, techniques et systèmes capables de simuler des capacités humaines telles que le raisonnement, l’apprentissage …» Un Agent intelligent est “une entité autonome qui se renseigne sur son environnement et qui agit de manière à maximiser les chances d’accomplir ses objectifs” 09/10/2018 Centrale. Supelec Cote d'azur 13

Agent intelligent: Définition bis Système réalisant une tâche présentant les 3 caractéristiques suivantes: •

Agent intelligent: Définition bis Système réalisant une tâche présentant les 3 caractéristiques suivantes: • réalisable par un être humain • autrefois compliquée à automatiser • aujourd’hui le système accomplit mieux* cette tâche qu’un être humain *mieux: plus rapide, plus efficace, plus performant 2018 1960 Robots conversationnels / chatbots Test: Test de Turing 09/10/2018 Véhicules autonomes / self driving vehicules Test: km sans accident Centrale. Supelec Cote d'azur 14

Intelligences artificielles? Intelligence artificielle = automatiser la prise de décisions Il n’y a pas

Intelligences artificielles? Intelligence artificielle = automatiser la prise de décisions Il n’y a pas UNE mais DES intelligences artificielles ! 09/10/2018 Centrale. Supelec Cote d'azur 15

Émergence et perfectionnement d’une intelligence artificielle 09/10/2018 Centrale. Supelec Cote d'azur 16

Émergence et perfectionnement d’une intelligence artificielle 09/10/2018 Centrale. Supelec Cote d'azur 16

Objectifs • Aider le corps médical à améliorer la santé d’un groupe de patients

Objectifs • Aider le corps médical à améliorer la santé d’un groupe de patients 09/10/2018 Centrale. Supelec Cote d'azur 17

70’ – 80’ : Systèmes experts Etape 1 : classification ? En baisse poids

70’ – 80’ : Systèmes experts Etape 1 : classification ? En baisse poids En hausse Système nausées ? non oui Dossier patient Absence de ? fatigue oui non Ensemble de règles de décision = arbre de décision ou Résultat « On a fait rentrer l’expertise humaine dans la machine » 09/10/2018 Centrale. Supelec Cote d'azur 18

Etape 2 : classification automatique ? Apprentissage Phase d’apprentissage des règles Dossiers patients et

Etape 2 : classification automatique ? Apprentissage Phase d’apprentissage des règles Dossiers patients et résultats ? ? Ensemble de règles de décision ? ? ? Phase d’exploitation Nouveaux dossiers patients, dont les résultats sont inconnus 09/10/2018 Ensemble de règles de décision calculé précédemment Centrale. Supelec Cote d'azur Résultats 19

Etape 2 bis : prédiction Proba d’être malade 75% 0 dossiers patients 09/10/2018 Système

Etape 2 bis : prédiction Proba d’être malade 75% 0 dossiers patients 09/10/2018 Système 1 4 prédicteur Centrale. Supelec Cote d'azur Probabilité d’être malade Nombre de symptômes Résultats 20

Restrictions Ces systèmes rudimentaires présentent des lourdes limitations : • Ils n’exploitent que les

Restrictions Ces systèmes rudimentaires présentent des lourdes limitations : • Ils n’exploitent que les grandeurs numériques ou catégorielles du dossier patient • Les dossiers patients doivent avoir exactement la même structure: • Pas de données manquantes • Les grandeurs doivent être converties 09/10/2018 Centrale. Supelec Cote d'azur 21

Extraction de connaissance à partir de textes Text mining Liens entre maladies surpoids maladies

Extraction de connaissance à partir de textes Text mining Liens entre maladies surpoids maladies cardiovasculaires cancer Bases de données d’articles issus de journaux médicaux Détection des sujets abordés alimentation arrêt cardiorespiratoire Liste d’articles en relation avec les symptômes Symptômes 09/10/2018 Centrale. Supelec Cote d'azur 22

Extraction de connaissance à partir des images Computer vision >90% des données médicales sont

Extraction de connaissance à partir des images Computer vision >90% des données médicales sont des images Détection des cellules anormales 09/10/2018 Centrale. Supelec Cote d'azur Stade du cancer 23

Etape 3 : Recommandation Phase d’apprentissage : déterminer la meilleure stratégie ou Dossiers patients

Etape 3 : Recommandation Phase d’apprentissage : déterminer la meilleure stratégie ou Dossiers patients avec symptômes 09/10/2018 Traitements Centrale. Supelec Cote d'azur Résultat 24

Etape 3 : Recommandation Phase d’exploitation Système de recommandation Symptômes 09/10/2018 Traitement adapté Centrale.

Etape 3 : Recommandation Phase d’exploitation Système de recommandation Symptômes 09/10/2018 Traitement adapté Centrale. Supelec Cote d'azur 25

Etape 4 : Optimisation Examens complémentaires Ne rien faire Historique patient: • Examens •

Etape 4 : Optimisation Examens complémentaires Ne rien faire Historique patient: • Examens • Traitements • Evènements Etat réel du patient inconnu Traitements = Représentation de l’état du patient 09/10/2018 Centrale. Supelec Cote d'azur 26

Pourquoi parle t-on d’intelligence artificielle aujourd’hui? (1/2) Parce que c’est techniquement faisable: • Améliorations

Pourquoi parle t-on d’intelligence artificielle aujourd’hui? (1/2) Parce que c’est techniquement faisable: • Améliorations matérielles: • Augmentation de la puissance de calcul • Augmentation des capacités de stockage • Augmentation des données disponibles • Digitalisation des vies • Capacité d’annotation de données accrus : Re. CAPTCHA, Amazon Mechanical Turk , … • Open data • Amélioration des algorithmes et heuristiques 09/10/2018 Centrale. Supelec Cote d'azur 27

Pourquoi parle t-on d’intelligence artificielle aujourd’hui? (2/2) Parce que c’est devenu économiquement rentable: •

Pourquoi parle t-on d’intelligence artificielle aujourd’hui? (2/2) Parce que c’est devenu économiquement rentable: • Cloud computing • Open source et disponibilité des librairies NLTK Natural language processing toolkit 09/10/2018 Centrale. Supelec Cote d'azur 28

Ecueils et difficultés 09/10/2018 Centrale. Supelec Cote d'azur 29

Ecueils et difficultés 09/10/2018 Centrale. Supelec Cote d'azur 29

Compréhension du problème • Mauvais objectif Embaucher la personne la plus productive Vendeur: Génère

Compréhension du problème • Mauvais objectif Embaucher la personne la plus productive Vendeur: Génère +200 k€ de marge par an 09/10/2018 Ingénieur: Génère +500 k€ de marge par an v e r s u s Embaucher la personne qui rend l’entreprise plus productive Centrale. Supelec Cote d'azur 30

Compréhension des données • Biais du survivant Pendant la 2 nde guerre mondiale, Abraham

Compréhension des données • Biais du survivant Pendant la 2 nde guerre mondiale, Abraham Wald, étudie les impacts sur les bombardiers. Son objectif est de renforcer certaines parties des avions pour éviter des pertes • 1 ere approche: renforcer les parties les plus touchées Inefficace • 2 nde approche: renforcer les parties non touchées 09/10/2018 Centrale. Supelec Cote d'azur 31

L’optimisation peut nuire à l’innovation Coincé dans la boucle de retour Amazon choisit les

L’optimisation peut nuire à l’innovation Coincé dans la boucle de retour Amazon choisit les zones ou la livraison le soir même est possible en fonction du nombre de client Prime déjà présents. Amazon lance Amazon. Fresh (livraison de produit frais) sur les zones avec livraison le soir même. 2016 : les zones en bleu sont desservies 09/10/2018 Les habitants de quartiers pauvres ne sont pas éligibles, alors qu’ils sont les plus susceptibles de commander. Centrale. Supelec Cote d'azur 32

Entreprises influentes 09/10/2018 Centrale. Supelec Cote d'azur 34

Entreprises influentes 09/10/2018 Centrale. Supelec Cote d'azur 34

Ad. Tech française ~ 3000 employés, CA 2017 de $2, 3 milliards cofondée par

Ad. Tech française ~ 3000 employés, CA 2017 de $2, 3 milliards cofondée par Jean-Baptiste Rudelle, Supélec 91 ~ 100 employés, levée de fond de $18 millions en février 2018 ~ 60 employés, CA 2016 € 2, 6 millions 09/10/2018 Centrale. Supelec Cote d'azur 35

Teemo suit 10 millions de français Applications « partenaires » : • Le Figaro

Teemo suit 10 millions de français Applications « partenaires » : • Le Figaro • Le Parisien • L’équipe • Closer • …. 09/10/2018 Données collectées: • Identifiant unique • Localisation toutes les 5 min Centrale. Supelec Cote d'azur Pub ciblées achetées par: 36

GAFAM / NATU 09/10/2018 Centrale. Supelec Cote d'azur 37

GAFAM / NATU 09/10/2018 Centrale. Supelec Cote d'azur 37

Face. Book manipule les sentiments de ses utilisateurs 689, 003 utilisateurs anglophones Moins de

Face. Book manipule les sentiments de ses utilisateurs 689, 003 utilisateurs anglophones Moins de nouvelles négatives Moins de nouvelles positives Utilisateur triste (mesuré par le ton de ses messages) Utilisateur heureux (mesuré par le ton de ses messages) 09/10/2018 Centrale. Supelec Cote d'azur 38

BATX 09/10/2018 Centrale. Supelec Cote d'azur 39

BATX 09/10/2018 Centrale. Supelec Cote d'azur 39

Sesame Credit permet un contrôle de la population Données utilisées: • Historique des achats

Sesame Credit permet un contrôle de la population Données utilisées: • Historique des achats • Amis • Incivilités (traverser au feu piéton rouge, etc…) • Activités sur les réseaux sociaux • … 09/10/2018 Score de « bon citoyen » Centrale. Supelec Cote d'azur Multiples avantages ou désavantages: • Formalités administratives • Santé • Emploi • Prêts • Vitesse de connexion internet • … 40

Mutations de société 09/10/2018 Centrale. Supelec Cote d'azur 41

Mutations de société 09/10/2018 Centrale. Supelec Cote d'azur 41

Travailleur • Disparition de métiers • Ex: Chauffeur routier • Changement de culture •

Travailleur • Disparition de métiers • Ex: Chauffeur routier • Changement de culture • La fin des décisions dont l’impact n’a pas été simulé • Recruté par une I. A. ? 09/10/2018 Centrale. Supelec Cote d'azur 42

Consommateur vs • Discriminations? • Systèmes non auditables? • Asymétrie d’information? • Avec 70

Consommateur vs • Discriminations? • Systèmes non auditables? • Asymétrie d’information? • Avec 70 « likes » Facebook connait votre personnalité mieux qu’un ami Age: 31 ans Revenus : 50 k€ Habite: 93 • Libre arbitre? Habitations avec un mauvais rapport qualité/prix 09/10/2018 Centrale. Supelec Cote d'azur Age: 31 ans Revenus : 50 k€ Habite: 75 Habitations avec un excellent rapport qualité/prix 43

Judiciable • • Peine recommandée Estimation du risque de récidive Prévenu Sentence Juge 09/10/2018

Judiciable • • Peine recommandée Estimation du risque de récidive Prévenu Sentence Juge 09/10/2018 Centrale. Supelec Cote d'azur 44

Citoyen • Manipulation d’élections • Ex: campagne de Barack Obama 2008, Facebook analytica •

Citoyen • Manipulation d’élections • Ex: campagne de Barack Obama 2008, Facebook analytica • Fin de la vie privée • On peut déduire des choses « essentielles » à partir de données « anodines » • Fin de la solidarité • Si on peut tout prévoir à 100%, pourquoi se montrer solidaire? • Fin de la société • « Coincé dans notre bulle d’information » , nos expériences de vie peuvent être radicalement différentes de celles de notre voisin. 09/10/2018 Centrale. Supelec Cote d'azur 45

Conclusion 1. L’intelligence artificielle change déjà nos vies 2. Il est nécessaire d’être critique

Conclusion 1. L’intelligence artificielle change déjà nos vies 2. Il est nécessaire d’être critique par rapport a son usage et son impact 3. Il n’est pas nécessaire de comprendre précisément les techniques utilisées pour questionner son utilisation 09/10/2018 Centrale. Supelec Cote d'azur 46