Comprendre la différence entre l'intelligence artificielle et les techniques traditionnelles
La popularité récente de l'intelligence artificielle, associée au caractère nouveau et attrayant du domaine, a conduit de nombreuses organisations à affirmer que leurs projets utilisent les dernières avancées dans le domaine de l'IA alors qu'ils utilisent pour la plupart uniquement une logique conditionnelle standard, des probabilités et des statistiques. Cela empêche les organisations de réaliser les avantages que l'IA peut apporter.
Une compréhension générale de l'Intelligence Artificielle par le grand public est essentielle pour garantir un consensus précis et que la technologie soit développée de manière sûre et responsable. Bien qu'il existe de nombreuses raisons et pressions internes pour revendiquer l'utilisation de l'AI lorsque cette revendication est inexacte, les organisations, par conséquent, ne bénéficient pas non plus des véritables avancées. La logique conditionnelle, les techniques probabilistes et statistiques sous-tendent la plupart des organisations aujourd'hui et, bien qu'elles soient complexes et sophistiquées en elles-mêmes tout en offrant des avantages significatifs, elles diffèrent de ce qui est communément appelé l'Intelligence Artificielle aujourd'hui.
La plupart des applications commerciales modernes reposent sur la logique conditionnelle. Dans le contexte des langages de programmation contemporains et des moteurs de formules, la logique métier d'aujourd'hui est généralement exprimée sous forme de logique booléenne, d'instructions If-Then-Else et d'instructions Case. La logique métier organisationnelle peut être capturée et exprimée dans un raisonnement conditionnel. Bien que cela se soit révélé extrêmement précieux, cela diffère de ce que l'on appelle communément l'intelligence artificielle aujourd'hui. Les techniques probabilistes et statistiques, souvent largement utilisées pour les prévisions et les prédictions, bien que fiables et solides, ne sont en fait pas de l'intelligence artificielle. Ces constructions mathématiques sont plus ou moins définies à l'avance de manière rationnelle, avec peu de constantes à modifier ou à varier, tandis que l'intelligence artificielle repose sur la dynamique.
Au contraire, l'Intelligence Artificielle, comme brièvement décrit, repose généralement sur des modèles qui apprennent à partir des données et déterminent elles-mêmes la logique à partir des données. Depuis que la preuve du théorème d'approximation universelle a été présentée en 1999, démontrant comment un réseau de neurones peut approximer n'importe quelle fonction, davantage d'efforts sont désormais dirigés vers la résolution de programmes par l'Intelligence Artificielle plutôt que par d'autres paradigmes. Bien qu'en théorie, il soit possible d'approximer n'importe quelle fonction, la puissance de calcul et les techniques pour y parvenir étaient un facteur limitant en pratique. Cependant, les progrès récents ont permis de faire de grands pas pour combler l'écart entre la théorie et la pratique.
L'intelligence artificielle moderne utilise des techniques telles que l'apprentissage par renforcement profond, le traitement du langage naturel, les LSTMs et les modèles génératifs antagonistes, avec des frameworks tels que TensorFlow et PyTorch utilisés dans les implémentations. Un bon test pour déterminer si votre projet utilise l'intelligence artificielle consiste à examiner les boîtes à outils activement utilisées au sein des projets. Il ne s'agit probablement pas d'un projet basé sur l'AI s'il n'utilise pas d'outils dans ce domaine, à l'exception évidente du recours à des boîtes à outils personnalisées qui effectuent des tâches d'AI courantes telles que la multiplication matricielle.
Applications basées sur l'intelligence artificielle et applications non basées sur l'intelligence artificielle
Voici quelques exemples concrets d'intelligence artificielle utilisés dans le monde réel :
- Systèmes de vision par ordinateur qui apprennent à détecter et à suivre des objets à partir de données étiquetées ;
- Les systèmes de traitement du langage apprennent à répondre aux questions et s'améliorent au fil du temps, comme les Chat-Bots ;
- Agents de jeu qui, à partir de la seule entrée de pixels, peuvent apprendre à jouer à des jeux comme Space Invaders, Pacman et Tetris.
Inversement, voici quelques exemples qui sont couramment présentés comme des exemples d'intelligence artificielle alors qu'ils ne le sont pas et ne devraient pas être présentés comme tels :
- Modèles de prévision basés sur les probabilités et les statistiques ;
- Requêtes SQL qui récupèrent des données d'une base de données et effectuent une forme d'agrégation ou de tri ;
- Tableaux de bord d'analyse basés sur des règles créés dans Tableau ou Microsoft Power BI ;
- Feuilles de calcul Excel utilisant des formules simples ;
- Classeurs Excel alimentés par des macros contenant du code VBA ;
- Les systèmes de capteurs renvoient un signal à un centre de contrôle qu'un expert humain interprète.
Orientations futures pour les organisations souhaitant adopter l'intelligence artificielle
Dans de nombreux cas, l'intelligence artificielle peut résoudre des problèmes complexes, mais il existe des limites où la logique conditionnelle standard, les probabilités et les statistiques seraient supérieures. Un exemple est les exemptions qui nécessitent une fiabilité de 100 %, dans lesquelles les systèmes d'IA peuvent parfois produire des résultats incohérents. Dans le cas des techniques traditionnelles, il serait bénéfique d'indiquer comment elles ont été mises en œuvre plutôt que de déclarer qu'elles étaient basées sur l'intelligence artificielle, car cela améliorerait la circulation des connaissances.
L'intelligence artificielle évolue constamment, avec des améliorations arrivant rapidement, s'infiltrant lentement dans la vie quotidienne en étant déployée par-dessus les plateformes technologiques et les infrastructures déjà existantes. À mesure qu'elle devient plus omniprésente, la précision est plus importante que jamais, et il est crucial de réfléchir à la manière dont elle est appliquée et expliquée. À mesure que le domaine devient inévitablement plus réglementé, certaines libertés prises dans l'affirmation erronée de l'utilisation de l'IA se résoudront avec le temps. Cependant, les organisations peuvent prendre une longueur d'avance en adoptant des définitions précises de l'AI dès maintenant.
Les avantages d'une véritable intelligence artificielle sont vastes, et Telemus AI peut travailler avec votre organisation pour générer des résultats tangibles bien au-delà des techniques traditionnelles.
Contactez-nous aujourd'hui pour une consultation gratuite sur la façon dont le Telemus AI™ peut être intégré à votre organisation.
