Le présent et l'avenir de l'IA, partie 2 : 5 tendances qui définiront l'IA en 2019

L'IA est le mot à la mode qui prend le monde d'assaut, promettant de révolutionner tous les aspects de notre vie. En effet, nous avons déjà évoqué les défis époustouflants l'IA s'attaque actuellement, du diagnostic de la malaria à la recherche d'enfants disparus. Mais qu'en est-il de l'avenir de l'IA ?

Même si les entreprises promettent que l'IA généralisée est sur le point de voir le jour, il reste encore du chemin à parcourir avant que l'IA sensible ne devienne une réalité. Cependant, nous allons assister à un boom de l'adoption de l'IA en 2019 - voici 5 tendances que nous pouvons nous attendre à voir au cours des 11 prochains mois.

AI & Big Data

Ceux d'entre vous qui suivent de près les mots à la mode dans le domaine de la technologie pensent peut-être que le big data est mort, mais l'IA va très certainement contribuer à le ressusciter. L'un des principaux défis auxquels sont confrontés de nombreux projets de science des données est le manque de données de qualité, organisées et structurées. C'est là que l'IA pourrait avoir un impact massif. Si 80 % des données mondiales sont réellement non structurées, Les capacités de l'IA qui permettent aux entreprises de structurer et de modéliser les données, et de concevoir des pipelines, pourraient avoir un impact profond sur les entreprises - et rendre la vie des scientifiques des données beaucoup plus facile !

Chatbots et assistants virtuels

L'engouement pour les chatbots est omniprésent, et il est vrai qu'à mesure que les algorithmes d'apprentissage automatique, y compris le NLP, deviennent plus largement adoptés, nous sommes susceptibles d'interagir de plus en plus avec les chatbots. Ce que nous sommes le plus susceptibles de voir en 2019, ce n'est pas seulement plus de chatbots, mais un changement vers les "assistants virtuels" - essentiellement des bots avec une plus grande maîtrise de la langue et des personnalités distinctes. Autodesk a publiquement vanté les mérites d'Ava, leur assistante virtuelle, et a expliqué qu'elle avait eu beaucoup plus de succès que leur chatbot dépersonnalisé Otto. Attendez-vous à faire la connaissance d'agents virtuels à un niveau personnel en 2019.

Cybersécurité

Nos vies sont de plus en plus numérisées, ce qui nous rend de plus en plus vulnérables aux cyberattaques. À mesure que le nombre de menaces de cyberattaques augmente, les solutions de cybersécurité doivent traiter de plus en plus de données et détecter les menaces potentielles à un rythme accru. Vous l'avez deviné : c'est là que l'IA entre en jeu. Les algorithmes d'IA sont capables de passer au crible les menaces potentielles à des vitesses que les experts en cybersécurité humains ne peuvent tout simplement pas atteindre. Si l'expertise humaine restera vitale dans ce domaine, la capacité à traiter les données et à donner la priorité aux menaces les plus importantes est une tâche qui incombe aux robots.

Interopérabilité et ONXX

Le manque d'interopérabilité est l'un des principaux obstacles auxquels se heurtent les applications généralisées de réseaux neuronaux. Il existe un large éventail de cadres d'apprentissage automatique - de PyTorch à Tensorflow, de Keras à Caffe2 - mais une fois qu'un praticien est enfermé dans son écosystème, le transfert de modèles de réseaux neuronaux vers d'autres chaînes d'outils peut s'avérer incroyablement délicat.

Heureusement, 2019 est l'année où cela devrait changer. L'Open Neural Network Exchange (ONXX) développé par Microsoft et Facebook est conçu pour faciliter et accélérer le portage des réseaux neuronaux entre différents frameworks. ONXX prend en charge une vaste gamme de frameworks, de convertisseurs et de moteurs d'exécution, et nous devrions nous attendre à une adoption généralisée tout au long de l'année.

Explainable AI

Outre un problème d'interopérabilité, les solutions d'IA actuelles souffrent d'un problème d'interprétabilité. En d'autres termes, la plupart des applications d'IA n'offrent pas aux clients et aux entreprises la possibilité de regarder "sous le capot" et de comprendre pourquoi les algorithmes sont parvenus à certains résultats ou ont formulé des recommandations. Du côté des entreprises, l'IA explicable signifie qu'elles peuvent avoir une vision critique des modèles d'apprentissage automatique ; du côté des clients, l'IA explicable accroît la confiance et apaise les craintes de partialité des algorithmes. Il est peut-être surprenant de constater que l'IA explicable est l'une des tendances les plus contestées de cette liste, mais à une époque où l'IA a un impact si tangible sur nos vies, nous espérons voir une plus grande transparence dans les mois - et même les années - à venir.