Critique de livre : Les mondes que je vois par Dr Fei-Fei Li

L’intelligence artificielle est souvent expliquée à travers les algorithmes, les avancées matérielles et la montée en puissance de modèles puissants. Ce qui manque souvent à ce récit, c’est l’histoire humaine derrière les scientifiques qui ont posé les fondements de la révolution de l’IA d’aujourd’hui.

Les mondes que je vois : Curiosité, exploration et découverte à l’aube de l’IA de Dr. Fei-Fei Li comble cette lacune de manière magnifique. Le livre fonctionne simultanément comme une autobiographie, une histoire de l’intelligence artificielle moderne et une réflexion sur la responsabilité qui accompagne la création de technologies transformatrices.

Ce qui rend le livre particulièrement captivant, c’est la façon dont Li entrelace deux histoires parallèles. L’une est l’histoire de l’IA elle-même. L’autre est l’histoire d’une jeune immigrante arrivant aux États-Unis et devenant finalement l’une des figures les plus influentes dans le domaine de la vision par ordinateur.

Un parcours d’immigrant qui façonne un esprit scientifique

L’un des éléments les plus forts du livre est le récit personnel profond qui précède la carrière scientifique de Li.

Li a grandi en Chine avant d’immigrer aux États-Unis en tant qu’adolescente. La transition a été difficile. Sa famille est arrivée avec des ressources financières limitées et a dû relever le défi de reconstruire leur vie à partir de zéro. Pendant ces premières années en Amérique, Li a aidé ses parents à gérer une entreprise de nettoyage à sec tout en poursuivant ses études.

Ces expériences forment une base importante pour le livre. Elles révèlent la persévérance et la résilience qui caractériseront plus tard son travail scientifique. L’autobiographie ne romantise pas l’expérience de l’immigrant. Au lieu de cela, elle présente la réalité de l’ajustement culturel, de la pression financière et de la détermination nécessaire pour poursuivre des ambitions académiques dans un environnement complètement nouveau.

Finalement, Li a été admise à l’Université de Princeton. Ses premiers jours sur le campus sont décrits avec un mélange d’excitation et d’incrédulité. Pour quelqu’un qui venait d’arriver aux États-Unis, Princeton représentait un monde intellectuel qui semblait presque inimaginable quelques années plus tôt.

Ces premières expériences universitaires ont aidé à façonner la curiosité qui anime le reste de l’histoire.

Navigation dans un domaine dominé par les hommes

Un autre thème qui parcourt tout le livre est l’expérience de Li en tant que femme dans l’informatique.

La recherche en intelligence artificielle a historiquement été dominée par les hommes, en particulier pendant les premières années de la carrière de Li. Elle se trouvait souvent dans des salles où elle était l’une des rares femmes. Le livre ne présente pas cela comme un conflit dramatique, mais plutôt comme une réalité sous-jacente qui a influencé la façon dont elle a navigué dans le domaine.

Ces expériences ont finalement contribué aux efforts ultérieurs de Li pour élargir la participation à l’IA. Elle est devenue une défenseure de la diversité dans le domaine et a aidé à créer des initiatives conçues pour amener plus de femmes et de groupes sous-représentés dans la recherche en intelligence artificielle.

Le message plus large qui émerge est que l’IA ne doit pas être construite par un segment étroit de la société. Si la technologie doit façonner le monde, les personnes qui la construisent devraient refléter ce monde également.

Découverte de WordNet et de l’importance des structures de connaissances

Le livre commence à s’immerger profondément dans l’histoire technique de l’IA lorsque Li découvre une base de données linguistique appelée WordNet pendant son travail universitaire.

WordNet organise les mots anglais en groupes de concepts liés appelés synsets. Ces relations conceptuelles cartographient le langage d’une manière qui ressemble à la façon dont les humains catégorisent et comprennent le monde.

Pour Li, WordNet représentait plus qu’un outil linguistique. Il a révélé un cadre possible pour enseigner aux machines à comprendre les informations visuelles.

À l’époque, la recherche en intelligence artificielle se concentrait fortement sur l’amélioration des algorithmes. Mais Li a commencé à voir le domaine différemment. Elle a réalisé que le véritable goulet d’étranglement dans l’apprentissage automatique n’était pas seulement de meilleurs modèles, mais de meilleures données.

Si les ordinateurs devaient apprendre à reconnaître des objets dans le monde, ils auraient besoin d’un nombre énorme d’exemples étiquetés.

Cette prise de conscience conduirait finalement à l’une des bases de données les plus influentes jamais créées.

La création d’ImageNet

La partie la plus fascinante du livre est centrée sur la création de ImageNet.

ImageNet a été conçu comme une base de données visuelle massive qui pourrait aider les machines à apprendre à reconnaître des objets. En utilisant WordNet comme colonne vertébrale conceptuelle, la base de données a organisé des millions d’images en milliers de catégories d’objets.

L’échelle du projet était sans précédent. La base de données contenait finalement plus de quatorze millions d’images étiquetées couvrant plus de vingt mille catégories. Les chercheurs et les travailleurs de la foule ont soigneusement annoté les images pour que les algorithmes puissent apprendre à identifier des objets tels que des animaux, des véhicules, des outils et des objets du quotidien.

À l’époque, de nombreux chercheurs se demandaient si une telle base de données était nécessaire. La recherche en intelligence artificielle se concentrait encore fortement sur la conception d’algorithmes plus intelligents plutôt que sur la collecte de grandes quantités de données.

Li a pris la vue opposée. Elle croyait que les systèmes d’apprentissage automatique ne pourraient s’améliorer que s’ils étaient formés sur d’énormes quantités d’exemples du monde réel.

Le livre décrit en détail à quel point il a été difficile de construire ImageNet. Le projet a nécessité des années de persévérance, d’expérimentation technique et de coordination à grande échelle avec des milliers de contributeurs qui ont aidé à étiqueter les images.

C’était une entreprise massive qui a initialement suscité le scepticisme au sein de la communauté de recherche.

La percée qui a changé l’intelligence artificielle

Le point de basculement est intervenu avec le défi de reconnaissance visuelle à grande échelle d’ImageNet.

Ce concours a invité les chercheurs à construire des systèmes capables d’identifier des objets dans la base de données massive. Pendant plusieurs années, les progrès ont été graduels. Puis en 2012, un réseau neuronal profond a dramatiquement surpassé les approches précédentes.

Cette percée a démontré le pouvoir de combiner de grandes bases de données avec des architectures d’apprentissage profond. Les résultats ont choqué la communauté de l’IA et ont déclenché un changement rapide vers les méthodes de réseau neuronal.

ImageNet est devenu le terrain d’entraînement qui a permis de nombreux progrès dans la vision par ordinateur qui ont suivi. La base de données a aidé à catalyser les progrès dans des domaines allant de la reconnaissance d’images aux véhicules autonomes, à l’imagerie médicale et aux systèmes d’IA modernes qui s’appuient fortement sur la compréhension visuelle.

Le livre fournit une perspective rare sur la façon dont ce moment s’est déroulé et sur la façon dont les chercheurs ont réalisé qu’ils étaient témoins d’un moment charnière dans l’histoire de l’intelligence artificielle.

Intelligence artificielle centrée sur l’humain

Au fur et à mesure que la narration progresse, Li commence à se concentrer sur les implications plus larges de la technologie qu’elle a aidée à accélérer.

Elle soutient que l’intelligence artificielle doit rester fondamentalement centrée sur l’humain. L’objectif de l’IA ne doit pas simplement être de construire des systèmes puissants, mais de s’assurer que ces systèmes profitent à la société.

Cette perspective reflète le travail ultérieur de Li dans l’académie et la politique. Elle est devenue une voix de premier plan qui plaide en faveur d’un développement d’IA responsable et a aidé à promouvoir des initiatives conçues pour garantir que l’IA est construite en tenant compte des considérations éthiques.

Le livre souligne que l’avenir de l’IA ne sera pas défini uniquement par les avancées technologiques. Il sera également façonné par les choix que les chercheurs, les ingénieurs et les décideurs politiques font sur la façon dont ces systèmes sont déployés.

Pensées finales

Les mondes que je vois est bien plus qu’une autobiographie sur l’intelligence artificielle.

C’est l’histoire d’une jeune immigrante qui poursuit la curiosité dans un nouveau pays. C’est un récit détaillé de la façon dont l’une des bases de données les plus importantes de l’apprentissage automatique a été créée. C’est également une réflexion sur les responsabilités qui accompagnent la création de technologies capables de remodeler la société.

Ce qui rend le livre particulièrement puissant, c’est que ces histoires sont inséparables. Le parcours personnel de Li et l’évolution de l’IA moderne se déroulent ensemble.

Pour les lecteurs intéressés par l’histoire de l’intelligence artificielle, ce livre offre une perspective rare de la part de quelqu’un qui a aidé à construire les fondements du domaine. Pour quiconque s’intéresse au côté humain de la découverte scientifique, il est tout aussi captivant.

De nombreuses manières, Les mondes que je vois nous rappelle que les révolutions technologiques commencent rarement avec les machines. Ils commencent avec la curiosité, la persévérance et le courage de poursuivre des idées que les autres pourraient initialement négliger.