Le fonctionnement en détails
Le réseau de neurones
Chaque neurone d'un réseau de neurones est représenté par une équation dont les paramètres sont variables. Ces équations sont interconnectées, c'est à dire que le résultat d'une équation peut être utilisé comme valeur en entrée d'une autre équation.L'entraînement
L'intelligence artificielle doit tout d'abord être entraînée. Cette phase d'entraînement consiste à trouver par tâtonnement les valeurs idéales pour les paramètres variables de ces équations. On propose pour cela à l'intelligence artificielle des données dont le résultat attendu est connu. Dans le cas de loyers de biens immobiliers, on peut par exemple communiquer à l'IA une liste d'appartements, incluant le nombre de pièces, la superficie, l'exposition, l'étage ainsi que leur prix. L'IA parcourra alors la liste d'appartements, un par un, et tentera de faire varier les paramètres des équations de façon à obtenir un résultat qui soit le plus proche possible du prix de l'appartement. Lorsque la liste aura été parcourue plusieurs fois et que le coût (c'est à dire la différence entre le prix réel et le résultat trouvé par les équations) sera jugé convenable, nous pourrons considérer l'apprentissage terminé.L'utilisation de l'IA entraînée
On peut alors entrer dans la phase d'inférence. Cela consiste simplement à faire des calculs en utilisant les équations dont les paramètres ont été ajustés au cours de la phase d'apprentissage. Pour reprendre notre exemple, nous sommes en mesure de déterminer le prix d'un nouvel appartement. Nous n'avons pour cela qu'à communiquer à l'IA les caractéristiques d'un nouvel appartement pour qu'elle soit en mesure d'en prédire le prix par inférence. Les données (nombre de pièces, superficie...) sont utilisées en entrée d'équations et nous obtenons une prédiction du prix en sortie. Les calculs d'IA sont de par nature inexacts, l'intelligence artificielle est basée sur les probabilités. Les performances d'une intelligence artificielle varient beaucoup en fonction de la qualité des données utilisées et de la bonne sélection des paramètres à prendre en compte : Si la superficie d'un appartement peut avoir une grande incidence sur son prix de vente, il n'est pas certain que la couleur du papier peint ait la même incidence. L'une des grandes forces de l'intelligence artificielle est sa versatilité. Un même réseau de neurones peut être utilisé pour déterminer le prix d'un appartement ou estimer le succès qu'un film aura au box-office. Il existe toutefois différentes architectures de réseaux de neurones (la différence réside dans l'interconnexion entre les différentes équations) selon le type de tâche que nous souhaitons remplir. Certains types sont plus optimisés pour certains types de tâches : reconnaissance d'objets, de la parole, etc.Alors pourquoi parle-t-on d'effet "boite noire" de l'intelligence artificielle ?
Il est faux de dire qu'on ne peut pas comprendre pourquoi une IA a pris telle ou telle décision. Toutes les données, tous les chiffres sont accessibles. Les spécialistes comprennent tout à fait comment une intelligence artificielle fonctionne. En revanche, le nombre d'opérations mathématiques est très important. Il serait extrêmement difficile de parcourir de tête, l'ensemble des opérations mathématiques qui ont mené une IA a prendre telle ou telle décision. Les experts travaillent actuellement sur les enjeux de l'explicabilité de l'intelligence artificielle, afin de créer des outils et processus permettant de simplifier la tâche. Le rôle de cette vidéo est avant tout de démystifier l’intelligence artificielle auprès du grand public. Nous espérons ainsi à cette occasion pouvoir faire prendre conscience de ses capacités mais également de ses limites. Si vous appréciez cette vidéo merci de la partager.Nos articles remonteront en priorité dans « À la une » de Google.