L’IA et le futur de la recherche

Depuis ces 10 dernières années, nous avons pu constater l’explosion quantitative de la donnée numérique qui nous a contraint à de nouvelles manières de voir et d’analyser notre monde. Le « Big Data » désigne un volume de données tellement conséquent, qu’il devient difficile de les traiter avec des outils classiques de gestion de base de données ou de gestion de l’information. Le « Big Data » a participé très largement à l’émergence de l’intelligence artificielle.

“L’impact à court terme de l’intelligence artificielle dépend de qui la contrôle. Et, à long terme, de savoir si elle peut être tout simplement contrôlée.” – Stephen Hawking

Tous les jours, nous enrichissons ce « Big Data » en mettant en ligne des milliers de contenus gratuitement sur le web. Aujourd’hui, en l’espace de 10 secondes :

310 000 Go de data sont uploadées sur le web
930 000 posts sont publiés sur Facebook
140 000 tweets sont publiés sur Twitter
25 000 photos sont publiées sur Instagram
12 000 000 messages sont échangés depuis WhatsApp
320 000 snaps sont envoyés depuis Snapchat
Internet in real time : http://visual.ly/internet-real-time

Mais l’intelligence artificielle n’est pas qu’une affaire de données. La puissance de calcul des ordinateurs et nos connaissances sur le fonctionnement du cerveau humain ont fortement fait progresser les recherches, d’où l’engouement aujourd’hui pour cette technologie avec des découvertes toujours plus stupéfiantes.

L’intelligence artificielle

« L’intelligence artificielle est une discipline scientifique recherchant des méthodes de résolution de problèmes à forte complexité logique ou algorithmique. Par extension, elle désigne, dans le langage courant, les dispositifs imitant ou remplaçant l’humain dans certaines mises en œuvre de ses fonctions cognitives. » (source Wikipédia)

L’objectif de l’intelligence artificielle est de reproduire les principales caractéristiques de l’homme qui sont la perception, le langage, la mémoire, le raisonnement, la décision, le mouvement. Il faut distinguer deux types d’intelligence artificielle :

Forte : Elle désigne une machine qui a une réelle conscience de soi, de vrais sentiments et une compréhension de ses propres raisonnements.
Faible : Elle désigne des algorithmes capables de résoudre des problèmes. La machine simule l’intelligence, elle semble agir comme si elle était intelligente mais elle ne l’est pas.

Lorsque l’on a construit le premier avion, on n’a pas cherché à reproduire le comportement d’un oiseau. On s’en est inspiré, on a utilisé les principes de la physique pour atteindre le même résultat. Avec l’intelligence artificielle, c’est la même chose. On va s’inspirer des caractéristiques que l’on comprend de l’intelligence naturelle et ce qui va nous être utile pour atteindre le même résultat.

Même si l’évolution humaine a une large avance sur les machines, elles nous ont déjà dépassés dans certains domaines. L’objectif de Google DeepMind, entreprise spécialisée dans l’intelligence artificielle et notamment le principe du Deep Learning, est de « résoudre l’intelligence ». De nombreux experts ne doutent pas de la capacité des machines à arriver un jour au même niveau intellectuel que les humains, alors que d’autres pensent que c’est totalement impossible.

En 2016, les meilleurs joueurs d’échecs et de go ont été battus par une intelligence artificielle, AlphaGo, conçue par le groupe Google Deepmind. Au-delà de cette performance, il faut se rendre à l’évidence que plus aucun humain ne pourra devenir le meilleur à l’un de ces jeux. Peu importe à quel point vous vous entraînez, même si vous dédiez votre vie à devenir le meilleur, cela ne sera jamais assez. Heureusement pour nous, la condition humaine est faite de bien plus que de jeu d’échecs ou de go. Mais est-il si incertain que d’autres talents ou capacités plus générales pourraient devenir obsolète ?

Isaac Asimov, écrivain visionnaire en matière de science fiction, a dévoilé dans sa nouvelle « Cercle Vicieux » en 1942, les trois lois de la robotique :
1. Un robot ne peut porter atteinte à un être humain.
2. Un robot doit obéir aux ordres qui lui sont donnés par un être humain.
3. Un robot doit protéger son existence tant que cette protection n’entre pas en conflit avec la première ou la deuxième loi.

Google a inscrit ces trois lois dans son en-tête, étant conscient qu’elles seraient bientôt applicables et seraient le fondement de leur objectif final en matière d’intelligence artificielle, qui est de créer une intelligence forte capable de penser d’elle même.

L’intelligence artificielle dans le cadre de la recherche

« Un moteur de recherche est une application web permettant, de trouver des ressources à partir d’une requête sous forme de mots. Les ressources peuvent être des pages web, des articles des forums, des images, des vidéos, des fichiers, etc.. » (source Wikipédia)

L’objectif de l’intelligence artificielle est de comprendre ce qu’il y a derrière une requête. Chaque être humain définit une requête en fonction de son humeur, d’un contexte, de centres d’intérêts, d’un comportement et finalement de l’usage qu’il fait d’un moteur de recherche.

L’intérêt est d’identifier l’intention de recherche de l’utilisateur ainsi que le sens de la requête et non le sens des mots-clés pris séparément comme dans un dictionnaire. Il faut donc étudier la relation des mots et le sens qu’ils ont les uns à côté des autres.

Les réseaux de neurones artificiels :

Crédits photo : Wikipédia

La recherche est de plus en plus pensée comme un réseau de neurones. L’idée est de simuler de l’intelligence par l’apport de données. Les réseaux de neurones visent à reproduire approximativement le fonctionnement des neurones vivants. Un neurone artificiel est capable de faire des calculs à partir de quelques données en entrées et de générer un résultat en sortie.

La connaissance est acquise via les connexions entre neurones. L’objectif est d’être aussi fidèle que possible au fonctionnement des neurones naturels. Les réseaux neuronaux vont ensuite permettre de résoudre des problèmes. Il faut imaginer le moteur de recherche comme un cerveau, qu’il faut sans cesse alimenter en données pour le rendre plus autonome. L’idée est d’imiter les mécanismes du cerveau humain :

L’auto apprentissage
Le raisonnement
L’analyse
La mémorisation
La contextualisation

Les algorithmes ne jouent qu’à 20% dans la qualité des prédictions, les 80%autres sont dus à la qualité des données. Plus l’on va avoir de données quantitatives et qualitatives, plus l’on va pouvoir anticiper les recherches des utilisateurs et mieux répondre à leur besoin.

Le « Machine Learning »

Le « Machine Learning » est une forme d’intelligence artificielle qui permet aux machines d’apprendre de manière autonome. Ces programmes informatiques sont capables d’évoluer en présence de nouvelles données. » (source Wikipédia).

L’algorithme de Google, RankBrain, a la capacité d’apprendre et de comprendre les requêtes des utilisateurs du moteur de recherche Google. La dimension d’apprentissage automatique doit permettre d’interpréter des recherches complexes et de nouvelles recherches, correspondant à 15% des recherches sur Google.

Google peut aller au delà du sens premier des mots. Il s’appuie sur leurs sens et leurs synonymes. En assemblant ces informations, le moteur affine le sens et traite, en temps réel, l’information. A la clé, une information plus pertinente, puisque contextualisée.

Le « Deep Learning  »

« La technologie du « Deep Learning » donne le moyen à une machine de représenter le monde. C’est une machine virtuelle composée de milliers d’unités, les neurones, qui effectuent chacun de petits calculs simples. » (Source : Wikipédia).

C’est une méthode phare de l’intelligence artificielle. De grandes entreprises y investissent des fortunes : Google, IBM, Microsoft, Amazon, Yandex et Baidu. Le « Deep Learning » et les expériences qui en résultent sont les prémices d’une intelligence forte, capable de réfléchir et d’apprendre par elle-même.

Google Brain a été capable de « découvrir », par lui-même, le concept de chat. La machine a analysé, pendant trois jours, dix millions de captures d’écran tirées de YouTube. A l’issue de cet entraînement, le programme avait appris lui-même à détecter des têtes de chats.

Aujourd’hui, ce principe est utilisé dans Google maps pour détecter le nom de rue dans les images. La machine est capable dans n’importe quel contexte d’identifier et de nommer un objet, un humain, une forme. Dans une échéance de 10 ans, cette technologie va être présente dans toute l’électronique de notre quotidien. Dans les voitures, les avions ou encore l’assistance au diagnostic de médecins.

Le futur de la recherche

20% des requêtes faites sur Android et 1/4 des recherches faites avec Bing dans Windows 10 aux U.S. sont des recherches vocales.
L’avenir du search passera par la recherche vocale et les assistants personnels virtuels. Siri, Google Now, Cortana ou même Alexa ont fait des progrès considérables dans la compréhension des demandes formulées.

Aujourd’hui, les recherches vocales sont très basiques, mais il s’agit d’un gros volume de recherche. Ce n’est donc pas un phénomène temporaire, il s’agit d’une tendance lourde de la recherche qui tant à se développer. La complexité des recherches vocales sera toujours limitée par la faculté de compréhension des interfaces, mais des progrès ont été réalisés. Les interfaces vocales de Google et Baidu atteignent des taux de pertinence proches de 95%.

Les interfaces vocales ne sont pas présentes uniquement dans les smartphones, elles sont également utilisées par une nouvelle génération de terminaux connectés :

Casque de réalité virtuelle
TV
Voiture

Pour conclure

Article rédigé par Rémi Longuechaud
Retrouvez le sur Twitter & Linkedin