Adrian Zidaritz, auteur de AIbluedot.com – Série d’entretiens

Adrian Zidaritz est l’auteur de AIbluedot.com, un blog qui fournit une vue d’ensemble de l’IA, avec un mélange de mathématiques, d’éthique, de politique et de “tout” ce qui se trouve entre les deux. Bien que les articles contiennent une quantité minimale de contenu technique, ils ne sont pas destinés aux spécialistes, mais plutôt au grand public. L’IA est mal comprise par les non-spécialistes et est soit surestimée, soit sous-estimée dans les médias ; c’est néanmoins la technologie la plus conséquente de notre époque actuelle.

Qu’est-ce qui vous a initialement attiré vers l’IA ?

Le développement de l’IA nécessite une large gamme d’expertises, contrairement à toute autre technologie moderne. Il s’alimente de recherches en statistiques, en neurosciences, en mathématiques appliquées, en informatique, en développement de logiciels, en psychologie, etc… Ce défi est ce qui m’a attiré, combiné au fait que j’ai eu la chance de m’essayer à beaucoup de ces domaines dans ma carrière précédente : mathématiques, informatique, développement de logiciels, statistiques.

<strong Vous avez eu une carrière étendue dans le domaine de l'IA. Pouvez-vous discuter de certains de ces points forts ?

Ceci est en quelque sorte une suite de la question 1. Presque toutes les personnes d’âge moyen travaillant dans l’IA actuellement viennent d’ailleurs. Jusqu’en 2005, il n’y avait pas d’IA (à propos, le succès de l’IA est dû principalement aux réseaux de neurones = apprentissage profond, toutes les autres techniques sont pâles en comparaison ; donc, pour tous les besoins pratiques, lorsque nous disons IA, nous voulons dire apprentissage profond). Par conséquent, beaucoup d’entre nous qui travaillons dans l’IA apportons des perspectives uniques dans le domaine. Je viens d’un background mathématique couplé avec la direction de projets AI pratiques, dans lesquels l’ingénierie BigData joue un très grand rôle (parfois plus de 80 % du temps total du projet). Mon background place l’IA entre une remise en question de ses fondements mathématiques (très théorique) et les aspects très pratiques de la direction d’équipes de data scientists et d’ingénieurs en apprentissage automatique. Il y a d’autres chercheurs qui connaissent mieux les technologies AI du milieu du sandwich.

<strong Vous avez déclaré que l'IA a soit été surestimée, soit sous-estimée dans les médias. Pourquoi pensez-vous qu'il y a un tel décalage entre la façon dont les médias rapportent avec exactitude l'état de l'IA et la réalité de la technologie ?

Parce que l’IA est mal comprise, même par certaines personnes travaillant dans l’IA, et a fortiori par la presse. C’est une discipline très jeune, avec des travailleurs très jeunes. Les diverses opinions de ces jeunes travailleurs font leur chemin dans les médias, alimentant un décalage d’objectifs. Il suffit de mentionner le documentaire Social Dilemma sur Netflix (NFLX ), dans lequel ces vues contradictoires de l’IA, d’un point de vue de la Silicon Valley, sont bien documentées.

Actuellement, la majeure partie des progrès que nous avons vus dans l’IA proviennent de l’apprentissage profond. Quels sont vos points de vue sur le problème de la boîte noire de l’apprentissage profond ?

C’est un gros problème. Fondamentalement, nous n’avons pas de compréhension théorique (mathématique) du processus d’apprentissage. Nous ne savons pas comment les algorithmes d’apprentissage profond apprennent réellement. Nous voyons juste qu’ils le font. Il y a eu des tentatives, bien sûr, pour développer une théorie, mais aucune n’a gagné une large acceptation. Donc, en l’absence de cette compréhension de base, tout ce que nous pouvons faire est de dire “voir, ça marche”. Mais donner une explication en boîte blanche est impossible à ce stade. D’autres algorithmes (pas d’apprentissage profond) sont mieux compris et pour eux, il est possible de donner des explications des résultats. Pas pour l’apprentissage profond.

Quels sont vos points de vue sur les biais de l’IA et comment pouvons-nous les prévenir ?

Actuellement, l’IA est tout sur les données, et non sur les algorithmes. Les algorithmes ne connaissent pas de biais, le biais est dans les données. Les données reflètent la composition de la société et également la stratification de la société, car la collecte de données a également des biais. Ce qui doit se passer, c’est une inclusion progressive de personnes de tous horizons dans le processus de collecte de données, afin que les données reflètent une représentation correcte de la population.

Quel type d’apprentissage automatique vous intéresse le plus ?

Comme je l’ai dit plus tôt, l’apprentissage automatique cède actuellement du terrain à sa branche la plus réussie, l’apprentissage profond. Les réseaux de neurones, grâce à leur polyvalence, dominent.

<strong Vous avez déclaré que le Revenu de Base Universel (RBU) sera absolument nécessaire pour faire face aux pertes d'emplois résultant de l'IA. Pouvez-vous élaborer sur ces points de vue ?

La société subira de grandes conséquences de l’automatisation (IA appliquée). Nous avons vu les changements importants, même dans les bouleversements politiques depuis 2016. Il n’y aura simplement pas de moyen de revenir en arrière. Beaucoup d’emplois disparaîtront purement et simplement. Il n’a pas de sens de se former comme radiologue ces jours-ci. L’IA peut lire les radiographies et les IRM, ainsi que d’autres impressions, beaucoup mieux qu’un humain. Que se passera-t-il pour les gens lorsqu’il n’y aura tout simplement pas d’emploi qu’ils pourront faire ? Le RBU garantit que les humains ne souffriront pas inutilement lorsque l’automatisation deviendra omniprésente. Et il n’y a pas besoin de le faire, car l’IA livrera le travail nécessaire pour que la société continue de fonctionner.

Croyez-vous que nous pouvons jamais atteindre l’Intelligence Artificielle Générale (IAG) ?

Oui, beaucoup de gens affirment que le logiciel de DeepMind borde déjà l’IAG. Je ne souscris pas à cette idée, mais même pour moi, la réponse est oui. L’IAG ne signifie pas les émotions ou la conscience, le “I” dans IAG signifie simplement l’intelligence cognitive. Et pour ce niveau d’intelligence, la réponse semble être oui.

Croyez-vous qu’il y a une probabilité que nous vivions dans une simulation ?

Une possibilité ? Oui, ce qui signifie que la probabilité que nous vivions dans une simulation n’est pas 0. C’est également intellectuellement attrayant. Mais est-ce probable ? Non, pour moi, ce n’est pas probable, c’est-à-dire que la probabilité, bien que non nulle, est très, très petite.

Merci pour l’entretien, les lecteurs qui souhaitent en savoir plus sur les points de vue d’Adrian sur différents aspects de l’IA devraient visiter AIbluedot.com.