Rapport des directeurs : Cet article Premium est temporairement libre d'accès. Pour un accès illimité au site web S'abonner: £5 par mois / £50 par an.
L'Intelligence artificielle (IA) est un domaine révolutionnaire de l'informatique, qui devient la composante principale d'un certain nombre de technologies émergentes telles que le big data, la robotique et l'Internet des objets (IoT). Elle continuera à jouer un rôle d'innovateur technologique dans les années à venir, tout comme d'autres technologies ont changé l'histoire.
L'IA est passée de la fiction à la réalité. Aujourd'hui, les machines qui aident les humains par leur intelligence ne sont plus seulement présentes dans les films de science-fiction, mais dans le monde réel. De la vapeur et de l'électricité aux ordinateurs et à l'internet, les progrès technologiques ont toujours perturbé les marchés du travail, supprimant certains emplois tout en en créant de nouveaux, et l'IA fera de même.
L'un des domaines de développement les plus importants de l'IA est celui de l'apprentissage machine (ML). Cette technologie permet aux machines d'apprendre et d'améliorer leurs performances sans être explicitement programmées.
Les algorithmes d'apprentissage automatique sont utilisés dans diverses applications, notamment la reconnaissance d'images et de la parole, le traitement du langage naturel (NLP) et l'analyse prédictive.
Ces algorithmes ont connu des améliorations significatives ces dernières années, grâce à la disponibilité de grandes quantités de données et aux progrès de la puissance de calcul.
L'IA fait désormais partie intégrante de la vie moderne. Lorsque l'on effectue une recherche sur Google, on a affaire à l'algorithme MUM (Multitask Unified Model), le dernier d'une série d'algorithmes d'IA au cœur du moteur de recherche de Google.
Si tu possèdes Alexa d'Amazon ou un assistant virtuel domestique similaire, tu as fait entrer une IA dans ta maison.
Les idées reçues ont encore tendance à placer l'IA sur une île avec les robots et les voitures autopilotées. Toutefois, cette approche ne tient pas compte de la principale application pratique de l'IA, à savoir le traitement des énormes quantités de données générées quotidiennement.
En appliquant stratégiquement l'IA à certains processus, la collecte d'informations et l'automatisation des tâches se font à un rythme et à une échelle inimaginables.
- En analysant les montagnes de données créées par les humains, les systèmes d'IA effectuent des recherches intelligentes, en interprétant à la fois le texte et les images pour découvrir des modèles dans des données complexes, puis agissent en fonction de ces apprentissages.
- De nombreuses technologies révolutionnaires de l'IA sont des mots à la mode, comme “traitement du langage naturel”, “apprentissage profond” et “analyse prédictive”.
- Technologies de pointe qui permettent aux systèmes informatiques de comprendre le sens du langage humain, d'apprendre par l'expérience et de faire des prédictions, respectivement.
La compréhension du jargon de l'IA est essentielle pour faciliter la discussion sur les applications de cette technologie dans le monde réel.
Les différentes technologies d'IA sont perturbatrices, elles révolutionnent la façon dont les humains interagissent avec les données et prennent des décisions, et devraient être comprises en termes simples par chacun d'entre nous.
- L'IA est aujourd'hui une technologie qui permet aux machines d'apprendre par l'expérience et d'effectuer des tâches semblables à celles des humains.
- L'IA permet aux machines et aux applications informatiques d'imiter l'intelligence humaine, en tirant des enseignements de l'expérience par le biais d'un traitement itératif et d'une formation algorithmique.
- Les systèmes d'IA fonctionnent en combinant de grands ensembles de données avec des algorithmes de traitement intelligents et itératifs pour apprendre à partir de modèles et de caractéristiques dans les données qu'ils analysent.
- Chaque fois qu'un système d'IA effectue un cycle de traitement de données, il teste et mesure ses propres performances et développe une expertise supplémentaire.
Comme l'IA n'a jamais besoin de pause, elle peut exécuter des centaines, des milliers, voire des millions de tâches extrêmement rapidement, apprendre beaucoup en très peu de temps et devenir extrêmement performante dans les domaines pour lesquels elle a été formée. Mais pour comprendre comment l'IA fonctionne vraiment, il faut comprendre que l'IA n'est pas un simple programme ou une application informatique, mais une discipline ou une science à part entière.
L'objectif de la science de l'IA est de construire un système informatique capable de modéliser le comportement humain afin d'utiliser des processus de pensée semblables à ceux de l'homme pour résoudre des problèmes complexes.
Pour atteindre cet objectif, les systèmes d'IA utilisent toute une série de techniques et de processus, ainsi qu'un vaste éventail de technologies différentes.
Histoire de l'IA
La notion d'intelligence artificielle remonte à la Grèce antique, avec le développement par Aristote du concept de syllogisme et de raisonnement déductif. Le concept d'êtres intelligents existe depuis longtemps. Les Grecs de l'Antiquité avaient en effet des mythes sur les robots, tandis que les ingénieurs chinois et égyptiens construisaient des automates, mais l'IA telle que nous la concevons aujourd'hui a moins d'un siècle.
Entre les années 1940 et 1950, une poignée de scientifiques de divers domaines ont discuté de la possibilité de créer un cerveau artificiel. En 1943, Warren McCullough et Walter Pitts ont publié un article intitulé “Logical Calculus of Ideas Immanent in Nervous Activity” (Calcul logique des idées immanentes à l'activité nerveuse). Cet article proposait le premier modèle mathématique pour la construction d'un réseau neuronal.
Cette idée a été développée en 1949 avec la publication du livre de Donald Webb, “The Organisation of Behaviour : A Neuropsychological Theory” (L'organisation du comportement : une théorie neuropsychologique). Webb a proposé que les voies neuronales soient créées à partir de l'expérience et qu'elles se renforcent au fur et à mesure qu'elles sont utilisées. C'est ainsi qu'est né le domaine de la recherche sur l'IA, qui a été fondé en tant que discipline universitaire en 1956, lors d'une conférence au Dartmouth College, à Hanover, dans le New Hampshire. Le mot a été inventé par John McCarthy, qui est aujourd'hui considéré comme le père de l'intelligence artificielle.
Ces idées ont été transposées au domaine des machines en 1950, lorsque Alan Turing a publié son ouvrage “Computing Machinery and Intelligence” (Machines à calculer et intelligence), qui énonçait ce que l'on appelle aujourd'hui le test de Turing pour déterminer si une machine est réellement intelligente. La même année, Marvin Minsky et Dean Edmonds, étudiants à Harvard, ont construit le Stochastic Neural Analog Reinforcement Calculator (SNARC), le premier ordinateur à réseau neuronal, et Claude Shannon a publié l'article “Programming a Computer for Playing Chess” (Programmer un ordinateur pour jouer aux échecs). L'auteur de science-fiction Isaac Asimov a également publié ses “Trois lois de la robotique” en 1950, établissant un plan de base pour l'interaction de l'IA avec l'humanité. En 1952, Arthur Samuel a créé un programme informatique d'auto-apprentissage pour jouer aux dames et, en 1954, soixante phrases russes ont été traduites en anglais grâce à l'expérience de traduction automatique Georgetown-IBM.
Moins de dix ans après avoir aidé les forces alliées à gagner la Seconde Guerre mondiale en brisant la machine de cryptage nazie Enigma, le mathématicien Alan Turing a posé la question suivante : “Les machines peuvent-elles penser ? “Les machines peuvent-elles penser ?” L'article de Turing publié en 1950, Computing Machinery and Intelligence, et le test de Turing qui s'en est suivi, ont établi l'objectif fondamental et la vision de l'intelligence artificielle.
Au fond, l'IA est la branche de l'informatique qui vise à répondre par l'affirmative à la question de Turing. Il s'agit de la tentative de reproduire dans les machines.
Le terme “intelligence artificielle” a été inventé en 1956 lors du “Dartmouth Summer Research Project on Artificial Intelligence” (projet de recherche d'été de Dartmouth sur l'intelligence artificielle). Cette conférence, dirigée par John McCarthy, a défini la portée et les objectifs de l'IA. Cette même année, Allen Newell et Herbert Simon ont présenté Logic Theorist, le premier programme de raisonnement.
John McCarthy poursuit ses travaux sur l'IA en 1958 en développant le langage de programmation Lisp et en publiant un article intitulé “Programs with Common Sense”, qui propose un hypothétique système d'IA complet capable d'apprendre par l'expérience aussi efficacement que les humains.
Dans les années 1960, le ministère américain de la défense s'est intéressé à ce type de travaux et a commencé à former des ordinateurs pour qu'ils imitent le raisonnement humain de base. Par exemple, la Defence Advanced Research Projects Agency (DARPA) a mené à bien des projets de cartographie des rues dans les années 1970. La DARPA a produit des assistants personnels intelligents en 2003, bien avant que Siri, Alexa ou Cortana ne soient connus du grand public.
Le Japon est entré dans l'arène de l'IA en 1982 avec le projet Fifth Generation Computer Systems, ce qui a conduit le gouvernement américain à relancer le financement avec le lancement de la Strategic Computing Initiative. En 1985, le développement de l'IA a connu un nouvel essor avec plus d'un milliard de dollars investis dans l'industrie et la création d'entreprises spécialisées dans la construction de systèmes basés sur le langage de programmation Lisp.
Définir l'IA
L'intelligence artificielle est la simulation des processus de l'intelligence humaine par des machines, en particulier des systèmes informatiques. Les applications spécifiques de l'IA comprennent les systèmes experts, le traitement du langage naturel, la reconnaissance vocale et la vision artificielle.
L'IA consiste à utiliser des ordinateurs pour faire des choses qui nécessitent traditionnellement l'intelligence humaine. L'IA peut traiter de grandes quantités de données d'une manière qui échappe à l'homme. L'objectif de l'IA est d'être capable de reconnaître des modèles, de prendre des décisions et de juger comme les humains.
La principale limite de la définition de l'IA en tant que simple “construction de machines intelligentes” est qu'elle n'explique pas réellement ce qu'est l'IA et ce qui rend une machine intelligente.
L'IA est une science interdisciplinaire avec de multiples approches, mais les progrès de l'apprentissage automatique et de l'apprentissage profond sont en train de créer un changement de paradigme dans pratiquement tous les domaines de l'industrie technologique. Cependant, divers nouveaux tests ont été proposés récemment et ont été bien accueillis, notamment un document de recherche de 2019 intitulé On the Measure of Intelligence.
Dans ce document, François Chollet, chercheur chevronné en apprentissage profond et ingénieur chez Google, affirme que l'intelligence est le “taux auquel un apprenant transforme son expérience et ses antécédents en nouvelles compétences pour des tâches précieuses qui impliquent de l'incertitude et de l'adaptation.” En d'autres termes : Les systèmes les plus intelligents sont capables de prendre une petite quantité d'expérience et de deviner le résultat dans de nombreuses situations différentes.
Entre-temps, dans leur livre Artificial Intelligence : A Modern Approach, les auteurs Stuart Russell et Peter Norvig abordent le concept d'IA en unifiant leur travail autour du thème des agents intelligents dans les machines. Dans cette optique, l'IA est “l'étude des agents qui reçoivent des percepts de l'environnement et effectuent des actions”. Norvig et Russell s'intéressent particulièrement aux agents rationnels qui agissent pour obtenir le meilleur résultat, notant que “toutes les compétences requises pour le test de Turing permettent également à un agent d'agir rationnellement”.
Patrick Winston, ancien professeur d'IA et d'informatique au MIT, a défini l'IA comme “des algorithmes activés par des contraintes, exposés par des représentations qui soutiennent des modèles ciblés sur des boucles qui relient la pensée, la perception et l'action”.
Bien que ces définitions puissent sembler abstraites pour le commun des mortels, elles aident à cibler le domaine en tant que secteur de l'informatique et fournissent un schéma directeur pour insuffler l'apprentissage automatique dans les machines et les programmes.
Types d'IA
IA étroite : Cette forme d'IA se concentre sur la bonne exécution d'une seule tâche. Cette forme d'IA comprend des exemples tels que la recherche Google, les logiciels de reconnaissance d'images, les assistants personnels tels que Siri et Alexa, et les voitures autopilotées.
Cette forme étroite et réactive d'IA utilise des algorithmes pour optimiser les résultats en fonction d'un ensemble d'entrées. Les IA qui jouent aux échecs, par exemple, sont des systèmes réactifs qui optimisent la meilleure stratégie pour gagner la partie. L'IA réactive a tendance à être assez statique, incapable d'apprendre ou de s'adapter à de nouvelles situations. Elle produira donc le même résultat avec des données d'entrée identiques.
Ces systèmes informatiques exécutent tous des tâches spécifiques et sont alimentés par les progrès de l'apprentissage automatique et de l'apprentissage profond. L'apprentissage automatique utilise des données informatiques et des techniques statistiques pour permettre au système d'IA d'”apprendre” et de s'améliorer dans l'exécution d'une tâche.
Cet apprentissage utilise des algorithmes pour optimiser les résultats en fonction d'un ensemble d'entrées. Les IA qui jouent aux échecs, par exemple, sont des systèmes réactifs qui optimisent la meilleure stratégie pour gagner la partie. L'IA réactive a tendance à être assez statique, incapable d'apprendre ou de s'adapter à de nouvelles situations. Elle produira donc le même résultat avec des données d'entrée identiques.
Intelligence générale artificielle (AGI) : Cette forme d'IA est celle que l'on trouve dans les livres de science-fiction, les programmes télévisés et les films. Il s'agit d'un système plus intelligent que l'IA au sens strict, qui utilise une intelligence générale, comme celle d'un être humain, pour résoudre des problèmes. Cependant, il s'est avéré difficile d'atteindre véritablement ce niveau d'IA.
Les chercheurs en IA se sont efforcés de créer un système capable d'apprendre et d'agir dans n'importe quel environnement, avec un ensemble complet de capacités cognitives, comme le ferait un être humain. Les IA fondées sur la théorie de l'esprit sont totalement adaptatives et ont une grande capacité d'apprentissage et de rétention des expériences passées. Ces types d'IA comprennent des chat-bots avancés qui pourraient passer le test de Turing, en faisant croire à une personne qu'il s'agit d'un être humain. Bien qu'avancées et impressionnantes, ces IA ne sont pas conscientes d'elles-mêmes.
Les IA conscientes d'elles-mêmes, comme leur nom l'indique, deviennent sensibles et conscientes de leur propre existence. Certains experts pensent qu'une IA ne deviendra jamais consciente ou “vivante”, ce qui relève encore du domaine de la science-fiction. L'AGI est le type d'IA que l'on voit dans des films tels que Terminator, où des robots superintelligents sont capables de devenir un danger indépendant pour l'humanité. Toutefois, les experts s'accordent à dire qu'il ne faut pas s'inquiéter de cette éventualité dans un avenir proche.
Contexte du fonctionnement de l'IA
La construction d'un système d'IA est un processus minutieux de rétro-ingénierie des caractéristiques et des capacités humaines dans une machine, et d'utilisation de ses prouesses informatiques pour surpasser ce dont nous sommes capables. Pour comprendre le fonctionnement de l'IA, il faut se plonger dans les différents sous-domaines de l'IA et comprendre comment ces domaines peuvent être appliqués dans les différents secteurs de l'industrie.
L'apprentissage automatique : L'apprentissage automatique apprend à une machine à faire des déductions et à prendre des décisions sur la base de son expérience passée. Il identifie des modèles, analyse des données antérieures pour en déduire la signification et parvenir à une conclusion possible sans avoir recours à l'expérience humaine. Cette automatisation, qui permet de tirer des conclusions en évaluant les données, fait gagner du temps aux entreprises et les aide à prendre de meilleures décisions.
Apprentissage profond : L'apprentissage profond est une technique de ML. Elle apprend à une machine à traiter les données d'entrée par couches successives afin de les classer, de les déduire et d'en prédire le résultat.
Réseaux neuronaux: Les réseaux neuronaux fonctionnent selon des principes similaires à ceux des cellules neuronales humaines. Il s'agit d'une série d'algorithmes qui saisissent la relation entre diverses variables sous-jacentes et traitent les données comme le fait un cerveau humain.
Traitement du langage naturel: Le NLP est une science de la lecture, de la compréhension et de l'interprétation d'un langage par une machine. Une fois qu'une machine comprend ce que l'utilisateur a l'intention de communiquer, elle réagit en conséquence.
Vision par ordinateur : Les algorithmes de vision artificielle tentent de comprendre une image en la décomposant et en étudiant les différentes parties des objets. Cela permet à la machine de classer et d'apprendre à partir d'un ensemble d'images, afin de prendre une meilleure décision sur la base d'observations antérieures.
Informatique cognitive: Les algorithmes d'informatique cognitive tentent d'imiter le cerveau humain en analysant le texte/la parole/les objets de la même manière qu'un être humain et en essayant d'obtenir le résultat souhaité.
L'intelligence artificielle peut être construite à partir d'un ensemble diversifié de composants et fonctionnera comme un amalgame :
Philosophie
L'objectif de la philosophie pour les humains est de nous aider à comprendre nos actions, leurs conséquences et la manière dont nous pouvons prendre de meilleures décisions. Les systèmes intelligents modernes peuvent être construits en suivant les différentes approches de la philosophie qui permettront à ces systèmes de prendre les bonnes décisions, reflétant la façon dont un être humain idéal penserait et se comporterait.
La philosophie aiderait ces machines à réfléchir et à comprendre la nature de la connaissance elle-même. Elle les aiderait également à faire le lien entre la connaissance et l'action par le biais d'une analyse basée sur les objectifs afin d'obtenir des résultats souhaitables.
Mathématiques
Les mathématiques sont le langage de l'univers et un système conçu pour résoudre des problèmes universels devrait les maîtriser. La logique, le calcul et les probabilités sont nécessaires à la compréhension des machines. Les premiers algorithmes n'étaient que des chemins mathématiques destinés à faciliter les calculs, bientôt suivis par des théorèmes, des hypothèses et bien d'autres choses encore, qui suivaient tous une logique prédéfinie pour aboutir à un résultat informatique.
La troisième application mathématique, la probabilité, permet de prédire avec précision les résultats futurs sur lesquels les algorithmes d'IA fondent leurs décisions.
Économie
L'économie est l'étude de la manière dont les gens font des choix en fonction des résultats qu'ils préfèrent. Il ne s'agit pas seulement d'argent, même si l'argent est le moyen par lequel les préférences des gens se manifestent dans le monde réel.
Il existe de nombreux concepts importants en économie, tels que la théorie de la conception, la recherche opérationnelle et les processus décisionnels de Markov. Ils ont tous contribué à notre compréhension des “agents rationnels” et des lois de la pensée, en utilisant les mathématiques pour montrer comment ces décisions sont prises à grande échelle et quels sont leurs résultats collectifs.
Ces types de techniques de théorie de la décision aident à construire ces systèmes intelligents.
Neurosciences
Comme les neurosciences étudient le fonctionnement du cerveau et que l'intelligence artificielle tente de le reproduire, il y a ici un chevauchement évident.
La plus grande différence entre le cerveau humain et les machines est que les ordinateurs sont des millions de fois plus rapides que le cerveau humain, mais que ce dernier conserve l'avantage en termes de capacité de stockage et d'interconnexions.
Cet avantage est lentement comblé grâce aux progrès du matériel informatique et à des logiciels plus sophistiqués, mais il reste un grand défi à relever, car nous ne savons toujours pas comment utiliser les ressources informatiques pour atteindre le niveau d'intelligence du cerveau.
Psychologie
La psychologie peut être considérée comme le point médian entre les neurosciences et la philosophie. Elle tente de comprendre comment notre cerveau, spécialement configuré et développé, réagit aux stimuli et répond à son environnement, deux éléments importants pour la construction d'un système intelligent. La psychologie cognitive considère le cerveau comme un dispositif de traitement de l'information, fonctionnant sur la base de croyances, d'objectifs et de convictions, de la même manière que nous construirions notre propre machine intelligente.
De nombreuses théories cognitives ont déjà été codifiées pour construire des algorithmes qui alimentent les chatbots d'aujourd'hui.
Ingénierie informatique
L'application la plus évidente ici, mais nous l'avons mise à la fin pour vous aider à comprendre sur quoi toute cette ingénierie informatique va se baser.
L'ingénierie informatique traduira toutes nos théories et tous nos concepts dans un langage lisible par la machine afin qu'elle puisse effectuer ses calculs et produire un résultat que nous pouvons comprendre. Chaque progrès de l'ingénierie informatique a ouvert de nouvelles possibilités pour construire des systèmes d'IA encore plus puissants, qui reposent sur des systèmes d'exploitation, des langages de programmation, des systèmes de gestion de l'information, des outils et du matériel de pointe.
Théorie du contrôle et cybernétique
Pour être véritablement intelligent, un système doit être capable de contrôler et de modifier ses actions afin de produire les résultats souhaités.
Le résultat souhaité est défini comme une fonction objective vers laquelle le système essaiera de tendre en modifiant continuellement ses actions en fonction des changements dans son environnement, en utilisant des calculs mathématiques et la logique pour mesurer et optimiser son comportement.
Linguistique
Toute pensée est basée sur un certain langage et constitue la représentation la plus compréhensible des pensées. La linguistique a conduit à la formation du traitement du langage naturel, qui aide les machines à comprendre notre langage syntaxique et à produire des résultats compréhensibles par presque tout le monde.
Pour comprendre une langue, il ne suffit pas d'apprendre comment les phrases sont structurées, il faut aussi connaître le sujet et le contexte, ce qui a donné naissance à la branche de la linguistique consacrée à la représentation des connaissances.
L'avenir de l'IA
Si l'on considère les coûts de calcul et l'infrastructure technique des données qui sous-tendent l'intelligence artificielle, l'exécution de l'IA est une entreprise complexe et coûteuse. Heureusement, la technologie informatique a connu des avancées massives, comme l'indique la loi de Moore, selon laquelle le nombre de transistors sur une puce électronique double tous les deux ans environ, tandis que le coût des ordinateurs est divisé par deux.
Dans cette logique, les progrès réalisés par l'IA dans divers secteurs ont été considérables au cours des dernières années. Et le potentiel d'un impact encore plus important au cours des prochaines décennies semble inévitable.
La technologie de l'intelligence artificielle ne cesse de se développer et nous en serons bientôt largement tributaires pour nos tâches quotidiennes. Plusieurs tâches quotidiennes, telles que contacter des amis, utiliser un service de courrier électronique ou louer une voiture, sont désormais facilitées par l'IA.
Les défis sont de plus en plus nombreux, notamment pour déterminer qui est responsable lorsqu'un véhicule autonome heurte un piéton et pour gérer une course mondiale à l'armement autonome.
L'impact transformationnel de l'intelligence artificielle sur l'économie, le système juridique, le système politique et le système réglementaire ne fait aucun doute ; toutefois, l'obtention de tous les avantages de l'IA à l'échelle mondiale que nous connaissons aujourd'hui aura des implications considérables en termes de discussion et de préparation.
De nombreuses personnes affirment que les machines deviendront inévitablement superintelligentes et que les humains finiront par en perdre le contrôle. La probabilité de ce scénario est débattue, mais nous savons que les nouvelles technologies ont toujours eu des conséquences inattendues.
Nous serons probablement confrontés à des défis liés aux résultats inattendus de l'intelligence artificielle, mais l'IA façonnera notre avenir de manière significative.
Aujourd'hui, l'IA peint des œuvres d'art, fait de la musique, change complètement la façon dont les films sont réalisés, prépare de la nourriture et crée des recettes d'épices, de whisky, de graines, et tout ce qui pourrait être fait d'un nombre incalculable de façons.
Les “deep fakes” sont réalistes et pourraient facilement perturber les événements mondiaux. Les robots basés sur l'IA peuvent lire des textes, des graphiques, des visages et des émotions mieux que les humains. Les robots pénètrent tous les aspects de la fabrication et commencent à devenir des compagnons pour les personnes âgées, infirmes ou solitaires.
Nous nous dirigeons vers un monde de médecine personnalisée basée sur la séquence de votre génome. Tout est là. C'est ce que vous êtes. Une fois que vous, et des millions d'autres personnes pour l'entraînement des algorithmes, aurez été séquencés, les soins de santé deviendront prédictifs.
Les soins de santé deviennent génomiques et prédictifs
L'IA sera utilisée pour traiter et éliminer les troubles neurologiques tels que la maladie d'Alzheimer, la maladie de Parkinson, la plupart des malformations congénitales et les lésions de la moelle épinière, ainsi que la cécité et la surdité. D'ici 2050, les prothèses robotiques pourraient être plus résistantes et plus avancées que nos propres prothèses biologiques et elles seront contrôlées par notre esprit.
L'IA sera en mesure de procéder à l'examen initial, de faire des tests, des radiographies et des IRM, de poser un diagnostic primaire et même d'administrer un traitement. La plupart des interactions nécessaires avec les médecins se feront par vidéoconférence, tandis que des robots seront disponibles pour aider à tout, même à la chirurgie.
L'informatique quantique
L'ère des bits et des octets comme cadre de référence informatique est en train de s'achever. L'avenir est à l'informatique quantique. L'informatique quantique utilise des qubits, qui peuvent être n'importe quelle proportion de l'état 0 à 1. Les premiers essais ont montré une accélération spectaculaire et exponentielle des requêtes. Tous les calculs sont effectués simultanément.
La recherche de grands ensembles de données, qui sera encore très intéressante en 2050, ne pourra se faire qu'avec l'informatique quantique. L'informatique quantique pourrait donner naissance à une toute nouvelle vague d'entreprises technologiques d'ici à 2050.
Transport
La population accrue de 2050, bien qu'elle travaille principalement à domicile, aura toujours besoin de se déplacer. Récemment, les géants de la technologie ont tous acquis une technologie de conduite autonome.
La Society of Automotive Engineers (SAE) définit six niveaux de systèmes d'automatisation de la conduite des véhicules. Nous en sommes aujourd'hui au niveau 2, avec des voitures capables de contrôler la direction, l'accélération et le freinage, tout en exigeant que les volants et les conducteurs restent engagés.
Le métavers
Le métavers est une simulation. Les avatars peuvent agir, dans le cadre de paramètres étroitement définis, comme nos agents, nos compagnons, et certains peuvent même être considérés comme des collègues de travail. En 2050, nous serons incapables de faire la différence entre une personne réelle virtualisée et un avatar piloté par l'IA. Les avatars seront aussi omniprésents que le téléphone portable l'est aujourd'hui.
Les fonctions du métavers se développent et, en 2050, elles seront extraordinaires par rapport aux normes d'aujourd'hui. Nous pourrons virtuellement voyager dans le monde entier et sur d'innombrables planètes personnalisées, tout en restant chez nous. Il s'agira de notre vie parallèle, connectée via de multiples dispositifs, des objets portables et même notre cerveau. Ce sera une réalité mixte.
De nombreuses personnes choisiront de passer une grande partie de leur journée dans des mondes virtuels où elles pourront devenir qui elles veulent dans une “vie” apparemment sans limites. Le métavers donnera également naissance aux NFT et aux crypto-monnaies. Nous regarderons en arrière et nous dirons qu'il s'agit des premiers jours.
La relation au travail
Les changements dans notre façon de travailler seront l'impact le plus profond de l'IA pour la plupart des gens. Les emplois dans les domaines de l'administration, de la vente, de la restauration, du transport et de la fabrication, entre autres, seront massivement perturbés. La nécessité de travailler pour maintenir ce que nous considérons aujourd'hui comme une vie de base sera réduite. Il se peut que cette situation soit traitée avec délicatesse plutôt qu'avec des décennies de souffrance liées à l'éthique actuelle du travail. Il y a toujours plus à faire, mais le déficit de compétences sera profond.
L'intelligence artificielle présente de nombreux avantages, mais le gros plus de l'utilisation de l'IA sur le lieu de travail est qu'elle accomplit des tâches répétitives et banales que personne ne veut vraiment faire.
Cela peut faciliter le travail des humains, en les rendant plus productifs avec moins d'efforts. Par exemple, l'IA peut saisir des données dans des feuilles de calcul, aider les clients en ligne à retourner leurs achats ou à remplir des formulaires. En définitive, nous sommes au début de l'IA générale, où les machines ont la capacité de comprendre ou d'apprendre n'importe quelle tâche intellectuelle qu'un être humain peut accomplir.
Nous avons ouvert une nouvelle voie avec l'apprentissage automatique, qui est capable d'adopter une approche “générale”. Les réseaux neuronaux ont été construits avec une tâche spécifique à l'esprit et formés sur des ensembles de données conservés, mais ni l'un ni l'autre ne sont de plus en plus nécessaires.
L'IA est désormais capable d'avoir des objectifs de plus haut niveau qui s'éloignent des tâches et des ensembles de données spécifiques. L'IA peut trouver les bonnes données, passer les appels et exécuter. L'industrie technologique dans son ensemble est constamment en quête de progrès, et l'intelligence artificielle a été l'un des piliers de ce progrès tout au long du 21e siècle.
Au fur et à mesure des avancées et des recherches, l'influence de l'IA sur l'industrie et le monde ne fera que croître. D'ici 2050, l'IA se généralisera et deviendra un élément indissociable de la vie.
Conclusion
Le développement de l'IA en est à un point où la technologie est intégrée dans un large éventail d'industries et d'applications, avec le potentiel d'améliorer considérablement l'efficacité et la productivité. Les avancées dans le domaine de l'apprentissage automatique, en particulier l'apprentissage profond, la robotique et les systèmes autonomes ont été particulièrement fructueuses.
Cependant, de nombreux défis doivent encore être relevés, notamment le manque d'interprétabilité et de diversité des données utilisées pour former les modèles d'IA. Il est important de poursuivre la recherche et le développement pour relever ces défis afin de garantir le succès continu et l'utilisation responsable de l'IA.
Références
CSU Global : La conversation : BuiltIn : SAS : TWI Global :
SimpliLearn : Innoplexus : Information Week : Digital Silk : Medium :
Digital Speaker : JavaTpoint : RD : eWeek : Independent Australia :
___________________________________________________________________________________________
Si tu aimes ce site web et que tu utilises l'annuaire complet des fournisseurs de services (plus de 6 500), tu peux obtenir un accès illimité, y compris la série exclusive de rapports approfondis sur les directeurs, en souscrivant à un abonnement Premium.
- Individuel : £5 par mois ou £50 par an. S'inscrire
- Multi-utilisateurs, entreprises & ; comptes de bibliothèque disponibles sur demande
Renseignements sur la cybersécurité : Capturé, organisé et accessible