IA : La technologie dominante de 2023

Juste une décennie auparavant, peu de machines pouvaient offrir de manière cohérente la reconnaissance du langage ou des images. Actuellement, les machines ont surpassé les performances humaines dans de nombreuses tâches. Les derniers mois ont présenté des avancées dans les compétences de l’IA qui ont surpris les sceptiques, qualifiés par certains de “décennie dorée”. En avançant en 2023 et au-delà, nous anticipons une nouvelle émergence de tels systèmes, en particulier les modèles d’IA générative comme ChatGPT, travaillant aux côtés, voire remplaçant les créateurs humains dans divers domaines.

Chaque année apporte une nouvelle étape technologique : la blockchain, l’impression 3D, le Web 3.0 et le métavers. Ainsi, la question se pose : quelle est la technologie phare de 2023 ?

C’est l’Intelligence Artificielle (IA). Malgré ma décennie d’implication dans ce domaine, nous vivons actuellement un bond en avant substantiel dans le domaine de l’intelligence artificielle. Rien que ces derniers mois, il y a eu des avancées dans les capacités de l’IA qui ont laissé les sceptiques impressionnés. Cependant, revenons un peu en arrière et commençons par examiner l’évolution de l’IA au cours des dix dernières années.

2023 : L’émergence tech – 2012-2014 : débuts en reconnaissance d’images, compréhension de lecture et langage

Certains chercheurs considèrent 2012 comme une année pivot pour l’apprentissage profond, marquée par la création par Google d’un important réseau neuronal doté de 16 000 processeurs et d’un milliard de connexions pour la reconnaissance d’images et de vidéos de chats. Cette instance illustre l’apprentissage par renforcement, l’un des cadres de l’IA à succès au cours de la dernière décennie, aux côtés de l’apprentissage supervisé et de l’induction de programmes probabilistes.

Bien que la reconnaissance d’images de chats puisse sembler anodine, c’était significatif car les machines commençaient tout juste à utiliser l’apprentissage profond pour la reconnaissance d’images. À l’époque, la reconnaissance d’images était à ses débuts, et les comparaisons entre les performances de l’IA et de l’humain indiquaient un score d’environ -40 pour l’IA, encore en dessous de la référence humaine de zéro.

Dans le paysage de l’IA il y a une décennie, non seulement l’IA accusait du retard par rapport aux humains en matière de reconnaissance d’images, mais aussi dans des tâches telles que la compréhension de la lecture et la compréhension du langage. Malgré l’invention du système d’apprentissage automatique sémantique NELL (Never-Ending Language Learning) en 2013, l’IA n’était toujours pas capable d’exceller de manière cohérente dans les tâches de traitement du langage. Bien que Siri ait permis la gestion vocale des téléphones avant l’introduction d’Alexa en 2014, la compréhension du langage par l’IA restait en deçà des capacités humaines.

Les années suivantes ont vu l’IA surpasser les performances humaines en matière de compréhension du langage. Cette transformation a résulté des avancées dans la reconnaissance vocale, des progrès dans le traitement du langage, des modèles linguistiques de réseaux neuronaux et de l’organisation de l’information. Bien que la génération de textes longs et cohérents reste un défi pour l’IA, des progrès remarquables sont visibles dans des chatbots comme “ChatGPT”, reflétant le parcours jusqu’à nos jours.

Au cours de la période de 2015 à 2017, l’IA a commencé à surpasser les capacités humaines

En 2015, l’accessibilité à la construction de modèles d’IA significatifs s’est élargie, facilitée par l’émergence de plateformes open-source comme TensorFlow de Google. Cela a permis aux entreprises et aux développeurs d’explorer l’IA de manière novatrice.

Il convient de noter que des avancées ont été observées dans la reconnaissance faciale et d’images, les machines triomphant des humains dans des défis tels que le ImageNet Large Scale Visual Recognition Challenge.

En 2016, l’apprentissage par renforcement profond, une fusion de réseaux neuronaux et d’apprentissage par renforcement, a attiré une immense attention avec la victoire d’AlphaGo de Google contre le meilleur joueur mondial de Go. De plus, en 2017, l’auto-apprentissage supervisé a gagné en popularité, en particulier avec l’introduction du modèle Transformer. Ces modèles Transformer sont désormais la méthode prédominante pour le Traitement Automatique du Langage Naturel (TALN), trouvant des applications dans des tâches telles que la traduction automatique et la recherche web sur Google.

AI 2023 : Les années 2018-2019 ont vu des avancées majeures en sécurité des données, traitement du langage et rôle de l’IA en médecine

L’année 2018 a été marquée par une préoccupation accrue pour la sécurité des données suite au scandale de Cambridge Analytica. La valeur de l’IA dans la gestion des risques est devenue évidente dans diverses fonctions, comme le montre une enquête de McKinsey.

Une avancée significative dans le traitement du langage a eu lieu avec la création de BERT la même année. BERT, un modèle linguistique à réseau neuronal, a révolutionné la compréhension du langage en apprenant l’utilisation des mots, la grammaire, le sens et le contexte.

Contrairement au traitement traditionnel de gauche à droite, BERT relie les mots en séquences, ce qui lui permet de produire des résumés presque indiscernables d’un texte rédigé par un humain. Ces avancées sont essentielles pour des applications comme les chatbots, illustrant des progrès remarquables au cours de la dernière décennie.

En 2019, une percée est survenue dans le domaine de la médecine. Des chercheurs ont développé un système d’IA qui a surpassé les radiologues humains dans la détection du cancer du poumon. Cette réalisation reposait sur un algorithme d’apprentissage profond interprétant les images de tomodensitométrie pour prédire la probabilité de la maladie.

En 2020 et 2021, l’IA a connu des avancées rapides grâce à la pandémie de COVID-19

L’IA a accéléré le développement de vaccins, qui prend généralement des décennies, en analysant rapidement des données étendues. La flambée induite par la pandémie est évidente avec 68 milliards de dollars d’investissements mondiaux, en hausse de 40% de 2019 à 2020. 2021 a vu une augmentation de 30 fois des demandes de brevets pour des innovations en IA, soulignant les progrès rapides. L’année dernière a mis l’accent sur les applications de l’IA dans les ordinateurs, améliorant la compréhension visuelle pour des tâches telles que la classification d’images, la reconnaissance d’objets et la détection faciale.

L’IA est devenue vitale dans nos vies, évoluant rapidement sur une décennie. Auparavant, les machines avaient du mal avec la reconnaissance, mais elles excellent désormais dans diverses tâches. Les derniers mois ont vu une explosion de “l’IA générative” comme Dall-E et Stable Diffusion. Notamment, “ChatGPT” d’OpenAI reproduit les conversations humaines.

L’adoption de l’IA a doublé depuis 2017, se concentrant sur l’automatisation robotique et la vision par ordinateur. La reconnaissance faciale s’étendra pour des raisons de sécurité. Cependant, les préoccupations concernant la vie privée et l’éthique sont imminentes.

Les investissements en IA vont augmenter, 63% des répondants prévoyant des investissements accrus en IA. D’ici 2025, les revenus mondiaux des applications d’IA devraient atteindre 31 milliards de dollars. Pour garantir un développement responsable, des lois en matière d’IA doivent être établies dès maintenant.

---

Lisez l’article original sur morethandigital.

Lisez plus : Meta dévoile des chatbots d’IA semblables à des humains pour améliorer l’engagement des utilisateurs.