Au cours des deux dernières décennies, les entreprises ont été perturbées par la perturbation. Si frappant est le fait que la perturbation numérique a retiré la moitié des Fortune 500 de la liste depuis 2000. L'IA rendra la perturbation numérique encore plus intense.
En effet, l'IA est une technologie à usage général telle que définie par les économistes. Et l'impact de la technologie à usage général est souvent énorme et de grande envergure - rappelons-nous l'importance historique de l'électricité et du moteur à combustion interne. L'impact technologique générique se manifeste non seulement comme une contribution directe à la société, mais aussi, par le biais d'effets d'entraînement, suscite un large éventail d'innovations complémentaires. C'est grâce à l'avènement de l'électricité que l'électrification des usines, des télécommunications et de tout ce qui va avec est possible. Le moteur à combustion interne a donné naissance aux voitures, aux avions et même aux réseaux modernes de transport et de logistique. Aujourd'hui, l'IA aura un impact sur la société à une échelle similaire.
Dans ce numéro de référence interne intelligente, nous recommandons le rapport d'Accenture, dans cette vague de révolution technologique de l'intelligence artificielle, pour faire des suggestions aux dirigeants d'entreprise. Si vous souhaitez mettre en signet le rapport de cet article (l'application de l'intelligence artificielle), vous pouvez répondre au mot clé "nc381" sur Zhidong Toutiao pour l'obtenir.
Qu'est-ce que l'IA ?
Qu'est-ce que l'intelligence artificielle exactement ? Répondre à cette question n'est pas aussi simple qu'il y paraît. En fait, même une définition unifiée de "l'intelligence artificielle" n'a pas encore émergé. C'est parce que, de par sa nature même, l'IA dont nous parlons n'est pas vraiment une technologie spécifique.
Sur le plan pratique, l'IA englobe une gamme de technologies différentes qui, lorsqu'elles sont combinées efficacement, permettent aux machines d'agir avec une intelligence de type humain.
Au lieu d'essayer de décrire explicitement l'IA, comme beaucoup le font, nous avons tendance à considérer ces technologies comme un cadre de capacités. C'est sans aucun doute le meilleur moyen d'en savoir plus sur l'intelligence artificielle et le large éventail de technologies qui la sous-tendent. Notre cadre est centré sur les principales fonctions que l'IA prend en charge la mise en uvre de la machine, y compris les quatre aspects suivants :
L'intelligence artificielle prend en charge les principales fonctions mises en uvre par les machines
1. La puissance de l'apprentissage automatique
La capacité d'apprentissage des systèmes d'IA est essentielle. La capacité d'analyser les données pour déterminer les actions nécessaires pour accomplir une tâche, plutôt que de suivre des instructions explicites et d'agir de manière prédéfinie, est la clé pour rendre les systèmes "intelligents" qui différencient l'IA des autres formes d'automatisation.
Une fois que les meilleurs systèmes d'IA sont chargés de l'auto-apprentissage, nous pouvons nous attendre à des résultats extraordinaires. AlphaGo, une intelligence artificielle développée par DeepMind de Google, est devenue le premier programme informatique à battre un joueur humain professionnel dans un jeu d'échecs très complexe. Les développeurs ont enseigné à AlphaGo les règles du jeu, puis ont montré des milliers de matchs entre humains, et le système a trouvé la stratégie gagnante par lui-même. Le résultat : AlphaGo a vaincu le légendaire champion du monde de go Lee Sedol d'un seul coup.
Mais DeepMind n'a pas arrêté son succès dans le domaine du Go. La société a ensuite développé une deuxième version plus puissante, AlphaGo Zero7, qui pouvait apprendre à gagner uniquement en jouant contre elle-même, sans jamais observer les joueurs humains. Non seulement cela, mais AlphaZero, en tant que dernière version de l'itération de mise à jour de l'IA, a réalisé des progrès encore plus importants. AlphaZero a démontré qu'il peut apprendre les échecs contre lui-même et dépasser les niveaux de compétence humaine en seulement quatre heures. Ce qui est vraiment remarquable dans cet exploit, c'est qu'AlphaZero n'a pas été spécialement conçu pour jouer aux échecs. C'est peut-être pourquoi le système peut développer des stratégies gagnantes non conventionnelles, explique Jonathan Schaeffer, professeur d'informatique à l'Université de l'Alberta au Canada et expert des systèmes d'échecs. De cette manière, AlphaZero démontre que "l'IA étroite" est une autre étape importante vers "l'IA générale".
Ce processus est ce que nous appelons l'apprentissage automatique. La raison pour laquelle il est si puissant est simple, ont observé les professeurs du MIT Eric Brynjolfsson et Andrew McAfee. D'une part, bien que nous, les humains, soyons très doués pour nous engager dans un certain nombre d'activités différentes, nous ne savons pas toujours exactement comment notre travail est effectué. Par exemple, nous pourrions trouver facile de reconnaître le visage d'une autre personne, mais il est difficile de comprendre pleinement la physiologie de cette capacité. Il est donc très difficile d'embarquer cette fonction directement dans la machine par codage.
L'apprentissage automatique, en revanche, permet aux appareils d'apprendre à faire le travail de manière totalement autonome. En fait, l'identification de modèles dans de grandes quantités de données est l'un des principaux atouts de l'apprentissage automatique.
L'apprentissage automatique est au cur des systèmes d'intelligence artificielle. Il peut apprendre des données brutes, permettant des performances supérieures visibles par l'IA, ce qui le rend de plus en plus courant. Qu'il s'agisse de systèmes prédictifs qui émettent des jugements prospectifs, de systèmes de traitement du langage naturel qui interprètent la parole et le texte en temps quasi réel, d'une technologie de vision artificielle qui reconnaît le contenu visuel avec une précision extraordinaire ou qui optimise la recherche et la récupération d'informations, l'apprentissage automatique est tout. .
Capacité d'apprentissage automatique
L'un des principaux avantages de l'apprentissage automatique par rapport aux autres techniques est sa tolérance aux données « sales », c'est-à-dire des données qui contiennent des enregistrements en double, des champs mal analysés ou des informations incomplètes, incorrectes et obsolètes. Des problèmes comme celui-ci sont importants pour les entreprises : la plupart des dirigeants ne sont que trop conscients que le traitement de données sales sera un point douloureux dans leur travail.
La flexibilité de l'apprentissage automatique pour faire de nouvelles découvertes et apporter des améliorations au fil du temps signifie qu'il peut gérer des données sales avec une plus grande précision et est donc extrêmement évolutif. Ce dernier devient de plus en plus important à l'ère de l'explosion des données dans laquelle nous vivons actuellement.
L'une des vraies forces du machine learning est qu'il peut utiliser différents algorithmes d'apprentissage, Types comprenant l'apprentissage supervisé, l'apprentissage non supervisé et l'apprentissage par renforcement .
Enseignement supervisé. Cet algorithme utilise un ensemble de données étiqueté (les données ont été organisées et décrites), dérive les caractéristiques saillantes que chaque étiquette représente et apprend à reconnaître ces caractéristiques dans de nouvelles données. Par exemple, montrez à l'algorithme un grand nombre d'images étiquetées "chats", et il apprendra à reconnaître les images de chats et à repérer les chats dans un certain nombre d'autres images complètement différentes.
Apprentissage non supervisé. Les données utilisées par cet algorithme ne nécessitent pas de balises prédéfinies. Il prend un ensemble de données non étiqueté, trouve des similitudes et des différences entre les éléments qu'il contient et se classe. Par exemple, nous pouvons montrer à l'algorithme un grand nombre d'images non étiquetées contenant des chats et des chiens, et l'algorithme classera les images avec des caractéristiques similaires dans différents groupes.
Apprentissage par renforcement. Cet algorithme utilise des essais et des erreurs pour former une boucle de rétroaction de « récompense » et de « punition ». Lorsqu'un algorithme obtient un ensemble de données, il voit son environnement comme un jeu, et chaque fois qu'il effectue une action, on lui dit s'il doit gagner ou perdre. De cette manière, il peut créer une formule pour laquelle des "actions" mèneront au succès et qui seront contre-productives. AlphaGo et AlphaZero de DeepMind sont tous deux d'excellentes démonstrations de la puissance de l'apprentissage par renforcement.
2. Cerveau artificiel
Alors, comment fonctionne réellement l'apprentissage automatique ? Derrière de nombreuses avancées extraordinaires récentes se cache une forme très avancée et sophistiquée de système informatique inspiré du fonctionnement du cerveau animal. Ces systèmes sont appelés réseaux de neurones et ils sous-tendent la recherche de pointe sur l'IA d'aujourd'hui.
Les réseaux de neurones consistent en une série de "nuds" interconnectés qui imitent les réseaux de neurones dans les cerveaux biologiques. Une fois que chaque nud reçoit les informations d'entrée, l'état interne change et la sortie est générée en conséquence. Ensuite, cette sortie constitue l'entrée d'autres nuds, qui à leur tour conduisent. Cette opération complexe peut prendre en charge une forme de calcul très puissante appelée Deep Learning.
L'apprentissage en profondeur utilise plusieurs couches de traitement pour apprendre les caractéristiques importantes des données d'un ensemble de données. Par exemple, il peut être utilisé pour la reconnaissance d'images et de la parole. Avec un réseau neuronal, la sortie de chaque couche fournit l'entrée à la couche suivante, où chaque couche fonctionne à un niveau d'extraction différent. De cette façon, les systèmes d'apprentissage en profondeur peuvent gérer des ensembles de données plus volumineux que les autres méthodes.
Lorsque les scientifiques des données et autres discutent de l'intelligence artificielle, ils utilisent souvent deux catégories contrastées pour clarifier ce qu'ils veulent dire : IA étroite et IA générale, et IA faible et IA forte.
Deux comparaisons d'intelligence artificielle
Il faut plus que des compétences avancées en mathématiques pour mettre en uvre correctement la formation. L'apprentissage automatique industrialisé est une capacité interdisciplinaire qui intègre la science des données, l'ingénierie, la conception de l'expérience utilisateur et les connaissances du domaine connexe. S'appuyer uniquement sur une capacité ne suffit pas pour répondre aux besoins.
Combinaison de capacités interdisciplinaires d'intelligence artificielle industrialisée
Alors, où est la méthode analytique appropriée pour combiner les capacités ci-dessus ? La question devrait peut-être être : comment l'IA devrait-elle introduire l'analytique ? Si nous reconnaissons que l'analyse consiste à analyser des données pour améliorer la prise de décision, il devient clair comment l'apprentissage automatique et d'autres analyses statistiques doivent être intégrés dans les processus métier. Après tout, le but de l'analyse est de tirer des informations des données, un objectif très similaire à celui de l'apprentissage automatique.
L'analytique, ainsi que les divers algorithmes d'apprentissage automatique qui la prennent en charge, peuvent être divisés en plusieurs niveaux de niveaux de sophistication variables en fonction de la profondeur d'analyse requise. Un niveau plus simple est "Descriptive Analytics" - analyse des données historiques pour comprendre ce qui s'est passé et pourquoi. En revanche, l'analyse prédictive est plus complexe, utilisant des données pour prédire ce qui va se passer. Le plus complexe est Prescriptive Analytics, qui peut non seulement faire des prédictions, mais aussi fournir des contre-mesures.
3. Intelligence artificielle et robotique
Lorsqu'il s'agit d'intelligence artificielle, les gens pensent généralement d'abord aux robots et à la robotique. L'esprit du public peut venir au robot « HAL 9000 » du film de Kubrick, au robot d'Asimov ou à Asimo, le robot ambulant développé par Honda.
Dans un contexte commercial, il peut désigner à la fois l'utilisation de robots industriels pour automatiser les processus de fabrication ou de service, tels que les chaînes de montage automobiles, et l'automatisation de plus en plus courante des processus de gestion ou de service, c'est-à-dire les processus robotiques qui combinent l'entrée numérique et humaine Automatisation (RPA).
Au sens strict, la RPA est conçue pour des processus constants, il n'y a donc aucun besoin d'"intelligence" du tout. Par exemple, si un processus métier nécessite que les employés saisissent manuellement des données d'un système (comme une feuille de papier) dans un autre sous un formulaire standard, le processus peut être facilement automatisé avec un système RPA avec simulation de frappe au clavier. En fait, Accenture a appliqué l'automatisation robotique des processus au traitement des factures d'un grand client manufacturier. Les résultats ont été remarquables : le temps a été réduit de 70 %, l'efficacité du travail a augmenté de 30 % et une précision de 100 % a été atteinte.
Mais maintenant, la technologie de l'intelligence artificielle est également introduite en permanence dans le domaine émergent de la " RPA cognitive ". Cela permet à l'automatisation des processus d'avoir un certain degré de flexibilité, ce qui élargit considérablement sa gamme d'applications. Un exemple typique de ceci est l'utilisation de l'apprentissage automatique pour entraîner des machines à reconnaître du texte dans des images (connu sous le nom de reconnaissance optique de caractères).
En fait, Accenture recommande souvent l'automatisation robotique des processus comme point de départ idéal pour commencer votre voyage vers l'IA. La raison en est qu'une application réussie de la technologie RPA commence par une compréhension détaillée des processus qui doivent être automatisés ; il s'agit de la première étape de la conception d'une solution d'automatisation de l'IA plus large et plus complexe. Il est également essentiel de veiller à ce que les processus existants (parfois sous-optimaux) ne soient pas simplement simulés numériquement, mais soient repensés pour tirer le meilleur parti possible de l'IA.
Nous devons reconnaître un point très important : les technologies RPA et RPA cognitive peuvent non seulement réduire les coûts, mais également augmenter la cohérence et la vitesse de traitement du processus, et offrir la possibilité de fonctionner 24h/24 et 7j/7 et d'étendre ou de contracter le processus en fonction de la demande. Gardez toujours à l'esprit que la RPA remplace les tâches, pas les employés. De nombreuses entreprises qui ont adopté la RPA redéploient leurs employés vers des emplois plus intéressants, et ces nouveaux emplois sont bien plus intéressants que jamais !
La révolution de l'IA unique dans une vie
L'IA n'est pas une idée nouvelle, elle existe depuis longtemps. Le terme "intelligence artificielle" existe depuis 1956. L'histoire de la technologie a connu de nombreux sommets euphoriques, suivis de déceptions et de ralentissements prolongés (ces phases sont connues sous le nom d'"hivers de l'IA"). Chaque percée technologique précédente n'a que partiellement réalisé sa grande vision, mais n'a jamais rendu la technologie courante. Alors, qu'est-ce qui est différent cette fois ?
Une brève histoire de l'intelligence artificielle
Le grand changement qui se produit en ce moment, c'est que nous traversons une période sans précédent - tant de domaines différents subissent des innovations technologiques. Les applications d'intelligence artificielle d'aujourd'hui peuvent tirer parti de la puissance de traitement presque illimitée du cloud ; et les puces informatiques conçues sur mesure pour des tâches spécifiques continuent d'augmenter avec des niveaux plus élevés d'efficacité et de vitesse de calcul, principalement pour l'analyse des données. Des exemples typiques de ceci incluent le remplacement de l'unité centrale de traitement (CPU) par une unité de traitement graphique (GPU) pour fournir une augmentation spectaculaire de la puissance de traitement. Et Google est allé encore plus loin en concevant des unités de traitement de tenseur (TPU) pour qu'elles fonctionnent jusqu'à 30 à 80 fois plus que les CPU et GPU utilisés aujourd'hui.
Si l'on considère la baisse rapide des coûts de stockage (de 500 000 $ par gigabit en 1980 à 3 cents en 2015), l'augmentation exponentielle de la quantité de données disponibles pour entraîner l'IA et l'émergence de plateformes et de frameworks open source, nous sommes dans des conditions uniques. maintenant disponible pour combiner technologie et capacités. Tout cela fournit une base très solide à l'intelligence artificielle, la rapprochant de plus en plus du point de basculement de l'adoption par le grand public.
De Google, Amazon, Facebook, Microsoft à Baidu, Alibaba et Tencent, presque tous les principaux géants mondiaux de la technologie sont extrêmement concentrés sur l'intelligence artificielle. D'autres entrepreneurs et investisseurs sont tout aussi enthousiastes. Plus de la moitié des startups européennes sont axées sur l'IA, et les investissements dans les entreprises liées à l'IA sont généralement de 20 à 30 % plus élevés que dans les autres entreprises.
Cependant, cela ne signifie pas qu'il existe un consensus général sur le moment où l'intelligence artificielle inaugurera un point d'éclair. Et nous ne pouvons pas dire avec certitude si nous verrons bientôt une IA générale (plutôt qu'une IA étroite). D'une part, une enquête menée auprès de 350 experts par les universités d'Oxford et de Stanford a conclu qu'il y a 50 % de chances que les machines surpassent les humains dans toutes les tâches d'ici 45 ans. D'un autre côté, l'enquête du professeur Etzioni en 2016 auprès d'éminents chercheurs en IA a montré qu'un répondant sur quatre pensait que la superintelligence était tout simplement impossible.
Bien que nous n'ayons pas encore AGI. Mais alors que la technologie sous-jacente se développe à un rythme étonnant, l'IA étroite fait déjà preuve d'une puissance extraordinaire dans les applications commerciales du monde réel.
Alors que les entreprises continuent d'augmenter l'utilisation de l'intelligence artificielle, la complexité des données et du travail que le système peut gérer augmentera inévitablement. Pour comprendre comment cela fonctionne dans un contexte commercial, le cadre ci-dessous peut être utile. Ce cadre répertorie les formes potentielles d'application de diverses technologies (cet article utilise l'industrie des services financiers comme exemple) et divise les applications d'IA en quatre modes principaux en fonction de la complexité des données et du travail impliqué : efficience, efficacité, expertise, innovation.
Dans notre coopération à long terme avec nos clients, nous avons constaté que l'intelligence artificielle est constamment développée et industrialisée. Au cours des dernières années, de nombreuses entreprises ont testé l'impact de l'IA sur leurs employés, leurs processus et leurs produits. Maintenant, nous pensons que ces entreprises ont commencé à déployer le programme pilote dans toute l'organisation. Jusqu'à trois quarts des dirigeants déclarent que leurs organisations « déployeront activement » une sorte d'intelligence artificielle au cours des trois prochaines années.
En un mot, la situation actuelle est claire : l'IA prend de l'ampleur et les enjeux sont importants.
Comprendre le schéma cadre des applications potentielles de l'intelligence artificielle
Suivez le rythme de l'époque et suivez le rythme de l'ère de l'IA
Appliquée à bon escient, l'intelligence artificielle deviendra un nouveau moteur pour accroître la valeur économique des entreprises. Mais la question est, quelle voie est la bonne à choisir ? Dans un domaine en développement aussi rapide, il est facile pour nous d'être pris au dépourvu et de perdre notre orientation stratégique. Tout d'abord, il est important de comprendre quelles opportunités l'IA apportera. En divisant ces opportunités en trois grandes catégories, vous pouvez obtenir une image plus claire de la route à suivre. Cela signifie que vous devez considérer séparément : Comment utiliser l'IA pour accélérer l'automatisation, comment améliorer l'efficacité et l'exécution du travail et comment faire évoluer l'innovation de l'IA à l'intérieur et à l'extérieur de l'entreprise.
1. Étendre la portée de l'automatisation
L'intelligence artificielle est devenue la nouvelle frontière de l'automatisation. Avec des systèmes automatisés capables d'auto-apprentissage, tirant parti de technologies telles que l'apprentissage automatique, la vision par ordinateur, la représentation des connaissances et le raisonnement pour imiter le comportement humain, l'IA peut permettre à l'automatisation d'aller au-delà du travail prédictif basé sur des règles pour des tâches qui, selon nous, nécessitent actuellement un jugement humain. Dans ce domaine, un grand nombre de nouvelles opportunités d'automatisation sont créées.
Frontière de l'automatisation intelligente
2. Améliorer la capacité de travail
L'intelligence artificielle a grandement amélioré l'efficacité de l'utilisation des ressources. En pratique, cela aide de deux manières : d'une part en améliorant le jugement des employés humains, et d'autre part en améliorant l'expérience client.
#1 Travaillez plus intelligemment . Lorsqu'il s'agit d'améliorer le jugement des employés, l'apprentissage automatique peut extraire plus d'informations à partir d'ensembles de données très volumineux et très complexes que les humains. En conséquence, ils peuvent repérer des modèles, des similitudes et des anomalies dont les experts humains n'étaient pas conscients. Par exemple, lors du dépistage des symptômes du cancer, les experts humains peuvent identifier des centaines de lésions malignes à partir d'un film numérisé, tandis que l'intelligence artificielle peut en identifier des milliers.
Des chercheurs de l'Université de Nottingham ont créé un système d'intelligence artificielle qui prédit quels patients sont susceptibles de subir un accident vasculaire cérébral ou une crise cardiaque d'ici une décennie. Le système a surpassé les méthodes de prévision standard (scores entre 0,745 et 0,764
temps, contre 0,728 pour la méthode standard).
Ces avancées sont impressionnantes. Mais cela ne signifie pas que l'expertise humaine sera bientôt remplacée. Actuellement, les meilleurs résultats proviennent toujours de la collaboration entre les experts humains et l'intelligence artificielle - chacun utilisant ses capacités uniques pour résoudre des problèmes ensemble.
#2 Améliorer l'expérience client . En utilisant l'intelligence artificielle, en particulier les capacités cognitives de la technologie, les entreprises peuvent améliorer considérablement les interactions avec les clients. Cela peut être fait en : utilisant des assistants numériques et des chatbots pour parler aux clients 24h/24 et 7j/7 via les réseaux sociaux et les plateformes numériques ; ou en recommandant des produits et services personnalisés sur des sites de commerce électronique.
3. Prolonger l'innovation
L'innovation peut déclencher une réaction en chaîne. Les nouvelles technologies extraordinaires auront des retombées sur l'ensemble de l'économie, changeant tout à jamais de manière sans précédent. Lorsque l'électricité a été industrialisée pour la première fois, qui aurait pu imaginer que le monde d'aujourd'hui a une telle demande et une telle dépendance à l'électricité ? Lorsque le moteur à combustion interne est né, qui avait prévu la vitesse et l'ampleur de notre réseau de transport mondial interconnecté ?
L'IA aura un impact similaire sur la société. Ses innovations continueront à se répandre dans l'entreprise, et même dans l'ensemble de l'économie, créant de nouveaux modèles commerciaux et opportunités inimaginables. Qu'il s'agisse d'automatiser des tâches que nous pensions autrefois être indissociables de l'intelligence humaine, d'apprendre des modèles à partir d'ensembles de données massifs ou d'activer de nouvelles interfaces cognitives homme-machine, cette technologie transformera sûrement notre travail et notre vie personnelle a un impact profond et fondamental.
L'une des raisons du pouvoir révolutionnaire de l'intelligence artificielle est sa simplicité d'application. Plus précisément, les humains n'ont pas besoin de s'adapter activement à ces technologies, ni d'acquérir un nouvel ensemble de compétences pour les utiliser, ce qui les rend uniques dans l'histoire de la technologie. Nous sommes capables d'interagir avec les systèmes d'IA par le biais de supports de communication simples et naturels : la parole, le texte et même les images. En revanche, apprendre à conduire une voiture ou à utiliser un ordinateur pour la première fois nécessite beaucoup plus de compétences. Cela nous donne une leçon très importante : le point de basculement de l'application de l'IA peut arriver plus tôt qu'avec les technologies perturbatrices précédentes.
S'il est vrai que de nombreux efforts ont été faits autour de l'intelligence artificielle, la situation actuelle est que la plupart des entreprises ne se sont pas encore engagées sur la voie de l'application de l'intelligence artificielle. Et parmi ceux qui ont déjà commencé, la moitié en sont encore au stade pilote ou de preuve de concept. Alors, quels sont les facteurs qui interfèrent avec eux? Les raisons en sont variées, et il en va de même lorsque les entreprises introduisent l'analyse de données. Pour certaines entreprises, le défi consiste à recruter les bons talents, à prioriser les investissements et à résoudre les problèmes de sécurité. D'autres obstacles à surmonter sont la définition d'un modèle commercial convaincant, l'obtention d'un soutien suffisant du leadership et l'acquisition de capacités techniques plus générales.
Une approche agile "essai et erreur" est très importante lors du développement d'applications d'IA. Cela dit, des pilotes doivent être menés pour chaque problème ou opportunité métier, en testant la viabilité de la solution et en évaluant les options technologiques disponibles pour l'entreprise.
Des modèles opérationnels appropriés et une approbation au niveau du conseil d'administration sont tous deux essentiels. D'après l'expérience d'Accenture, le leadership et la gouvernance sont le plus efficacement créés en créant un « hub » centralisé ou un centre d'excellence. Ce hub peut être étendu à d'autres parties de l'entreprise (marketing, gestion des risques, ressources humaines, etc.) grâce à une série d'"influenceurs".
Ce modèle en étoile peut apporter plusieurs avantages très importants au parcours IA d'une entreprise : Permet des économies d'échelle dans la sélection des technologies et des outils requis, ainsi que dans le recrutement et le développement des talents ; soutient la création et la maintenance des écosystèmes de données nécessaires de manière inter-organisationnelle ; assure la cohérence des normes, des définitions et des méthodologies, et promeut Promouvoir les meilleures pratiques dans l'ensemble de l'organisation ; fournir une méthode rigoureuse pour mesurer la valeur et hiérarchiser les opportunités ; garantir les normes de gouvernance les plus élevées pour tous les projets d'IA.
4. Portez une attention particulière aux tendances de développement
Alors que les entreprises continuent d'avancer sur la voie de l'adoption de l'IA, il est essentiel de se tenir au courant des dernières innovations et applications. Dans l'environnement de marché en évolution rapide d'aujourd'hui, la situation peut changer radicalement du jour au lendemain. Connaître les mouvements des leaders de l'IA et des premiers échelons de l'IA, et connaître la signification de ces actions, sera toujours une source inestimable d'intelligence économique. Alors, que pouvons-nous nous attendre à voir sur la route à venir ?
À court terme, l'interaction vocale restera la forme la plus importante d'IA destinée aux consommateurs. Alexa d'Amazon et Google Home continueront de rivaliser sur le terrain, s'efforçant de devenir les maîtres de la maison intelligente, et le HomePod d'Apple a récemment rejoint la mêlée. De plus, en ce qui concerne les données clients et les relations avec les clients, nous sommes susceptibles de voir des différends sur la propriété et l'accès entre les fournisseurs de plateformes et les fournisseurs de services.
Mais en réalité, la voix n'est qu'une forme de communication dans la tendance générale de l'intelligence artificielle à devenir la dernière interface utilisateur. Cela dit, l'IA devient le canal de choix pour l'interaction client, que ce soit par le biais de services de chat, de messagerie ou d'appareils domestiques intelligents. Son importance oblige les entreprises à réfléchir attentivement à la manière d'utiliser l'intelligence artificielle pour parler au nom de leurs marques. Les entreprises qui traitent cela comme un élément secondaire ou complémentaire échoueront rapidement.
L'une des implications importantes de ce changement est que les équipes d'IA ne peuvent pas être composées uniquement de talents techniques, mais doivent posséder des capacités interdisciplinaires. Microsoft, par exemple, a embauché toute une équipe, y compris des écrivains et des psychologues, pour donner à son système d'exploitation d'intelligence artificielle Cortana une personnalité unique.
Prenez des précautions et considérez les risques pertinents à l'avance
Il ne fait aucun doute que si l'intelligence artificielle offre de grandes opportunités et de grands avantages, elle comporte également des risques correspondants. En fait, l'innovation est liée à des défis. Par conséquent, avant de se lancer dans le voyage de l'intelligence artificielle, il est nécessaire d'évaluer d'abord tous les risques possibles.
Alors, quelles sont les sources de risque ? Nous pensons qu'il existe quatre grandes catégories de risques à anticiper liés à la confiance, à la responsabilité, à la sécurité et au contrôle :
confiance. Comment prouver au grand public que l'intelligence artificielle est sûre ? Comment pouvons-nous éviter de mélanger par inadvertance ou intentionnellement les préjugés dès le début lors de la construction de l'IA ? La réponse est d'insister sur la transparence et la responsabilité. Toutes les décisions prises par AI doivent être susceptibles d'appel et de contestation.
responsabilité. Que se passe-t-il lorsqu'un système d'IA tourne mal, ou même enfreint la loi ? Qui en portera la responsabilité légale ? Nécessite des mises à jour en temps réel sur les modifications des exigences légales et réglementaires pertinentes.
Sécurité. Comment pouvons-nous empêcher que l'intelligence artificielle soit manipulée de manière malveillante sans autorisation ? Alors que le code open source est de plus en plus utilisé, les défis en matière de sécurité s'intensifient.
contrôler. Que se passe-t-il lorsque le processus est contrôlé par la machine ? Comment les humains peuvent-ils reprendre le contrôle dans les cas extrêmes ? Quand et comment le transfert de contrôle entre les humains et l'IA nécessite une attention particulière. Par exemple, garder le conducteur humain dans une voiture autonome, lui permettant de contrôler le véhicule de différentes manières, peut sembler un poids supplémentaire pour la sécurité, mais parce que les humains ne peuvent pas se concentrer tout le temps, en cas d'accident critique situation, on ne peut toujours pas compter sur les humains pour intervenir assez rapidement.
L'essentiel est que "l'explicabilité" garantira la confiance du public lorsque les entreprises commenceront à utiliser l'IA. En d'autres termes, il faut être prêt à expliquer comment et pourquoi l'IA prend une décision. Il s'agit d'une situation déjà familière à certaines industries réglementées. Par exemple, les établissements de services financiers sont tenus d'expliquer si leurs décisions affectent les clients.
En fait, cette tâche est plus facile à dire qu'à faire. D'un point de vue essentiel, l'apprentissage automatique est généralement une sorte de "boîte noire". Cela dit, la façon spécifique dont cela fonctionne rend difficile d'expliquer exactement comment la sortie finale est générée. Pourtant, de nombreux acteurs de l'industrie de l'IA et des scientifiques des données y réfléchissent et pourraient bientôt trouver de nouvelles façons d'expliquer plus scientifiquement les décisions en matière d'IA.
En attendant, il existe désormais des mesures pratiques que chaque entreprise peut prendre pour rendre ses systèmes d'IA plus interprétables :
1. Liste. Considérez les décisions que l'IA prend ou prendra dans cette entreprise. Lequel pourrait avoir besoin d'être expliqué, ou de créer un résultat attendu ? Sont-ils liés, même indirectement, à des domaines clés tels que l'emploi, le recrutement, les prêts, l'éducation, la santé, le logement, l'inclusion ou la sécurité ?
2. Évaluation. Considérez tous les modèles quantitatifs et qualitatifs actuellement disponibles pour expliquer les décisions d'IA. Quel est le niveau actuel de contribution aux personnes aidées par le programme de modélisation ?
3. Conception. Revisitez les principes de conception de l'intelligence artificielle. Comment peuvent-ils rendre le processus décisionnel plus centré sur l'humain et plus compréhensible ?
4. Révisez. Afficher les données. Comment pouvons-nous garantir que les systèmes d'IA utilisent des ensembles de données qui reflètent l'évolution de l'environnement de travail ?
Une influence clairvoyante et de grande envergure ne peut être ignorée
Personne n'y est immunisé, et les entreprises non plus. Les différentes actions que nous menons peuvent s'étendre au-delà des frontières d'une seule organisation. Par conséquent, étant donné le potentiel révolutionnaire et les effets d'entraînement considérables de l'IA, les implications sociétales plus larges de son utilisation ne peuvent être ignorées.
Cela signifie que certains problèmes importants doivent être résolus par un effort collectif. Par exemple, dans un monde axé sur l'IA, comment pouvons-nous nous assurer que les gens ont les compétences dont ils ont besoin pour progresser ? Combien d'emplois existants l'IA remplacera-t-elle et combien de nouveaux emplois créera-t-elle ? Certaines personnes ont-elles besoin de rechercher un revenu et de s'épanouir auprès de sources autres que le travail ? Quels nouveaux cadres juridiques sont nécessaires pour les décisions prises par l'IA ? Les humains seront-ils confrontés à une menace existentielle lorsque les IA deviendront plus intelligentes que leurs créateurs ?
1. Compétences
En termes de compétences, les gouvernements du monde entier encouragent l'apprentissage des cours de sciences, technologie, ingénierie et mathématiques (STEM) depuis de nombreuses années. Cette tendance doit être maintenue, voire accélérée, et de nouveaux contenus de données et d'analyse doivent être ajoutés aux écoles et aux programmes de formation. Cela ne devrait pas se limiter aux cours STEM, mais l'importance des données et de l'analyse pour les autres disciplines doit être soulignée avec la même force. En outre, l'accent mis sur l'expansion de la formation en apprentissage peut également y contribuer par exemple, au sein du gouvernement britannique.
Bien sûr, les secteurs industriels jouent également un rôle essentiel dans le perfectionnement de la main-d'uvre à l'ère de l'IA. Bien que cela nécessite des investissements considérables, le déménagement n'est pas seulement une incitation économique pour les entreprises (assurer l'offre de talents), mais aussi une obligation morale (utilisation responsable de l'IA). Plus important encore, si nos établissements d'enseignement et de formation existants ne peuvent pas suivre le rythme des changements induits par l'IA, l'engagement de l'industrie devient encore plus important.
Certains emplois qui nécessitent l'utilisation des qualités les plus intrinsèquement humaines - créativité, empathie, gentillesse, bienveillance, etc. - sont susceptibles d'être les derniers emplois à être impactés par l'IA dans tous les cas. Il est extrêmement difficile pour l'IA de reproduire ces éléments fondamentaux de l'intelligence humaine. Ainsi, même si les gens ne peuvent pas déjouer les machines, de nombreux cheminements de carrière importants et enrichissants leur seront toujours ouverts.
2. Problèmes d'emploi
Au final, l'impact net de l'IA sur l'emploi sera-t-il positif ou négatif ? La question est trop vaste pour trouver une réponse dans ce guide de style manuel. Mais les experts d'Accenture sont généralement optimistes. Si les entreprises peuvent utiliser l'IA de manière responsable et centrée sur l'humain et accorder la même attention à l'augmentation de l'intelligence humaine tout en remplaçant les emplois, nous pensons que tous les efforts auront un impact positif. L'introduction de l'IA dans cette ligne de pensée permettrait aux travailleurs humains de se concentrer sur les parties les plus intéressantes, stimulantes, créatives et interpersonnelles de leur travail, et de laisser les parties monotones, ennuyeuses et répétitives aux machines.
Beaucoup sont optimistes, arguant que l'IA sera plus créative que destructrice en termes d'opportunités d'emploi. Ces individus tirent leur raisonnement de l'histoire des révolutions technologiques précédentes, constatant que chaque révolution technologique contribue finalement à une augmentation nette de l'emploi global. Certes, ce processus de croissance tend à transcender une génération - et bien que la génération précédente de travailleurs ait pu être éliminée par l'introduction de nouvelles technologies, l'histoire montre que la prochaine génération en bénéficiera. Cet argument croit fermement que l'IA aura également un impact net positif à long terme.
Mais pour être sûr, tout le monde n'est pas aussi optimiste. Certains voient ce changement comme différent du passé. Ils soulignent que si de nombreuses révolutions technologiques précédentes ont conduit à la mécanisation du travail manuel, l'IA touche à l'automatisation de processus cognitifs plus fondamentaux. Ainsi, alors que l'automatisation mécanique ne peut remplacer qu'un ensemble spécifique de tâches (par exemple, les tracteurs remplacent les chevaux dans les travaux agricoles), l'impact de l'automatisation cognitive est si répandu qu'il peut priver les humains d'un avantage concurrentiel essentiel : leur capacité à penser. Ce point de vue est qu'à long terme, nous devrions nous préparer à un chômage généralisé.
Avec des points de vue aussi divers, il est peu probable que des solutions au problème de l'emploi se concrétisent rapidement. Le débat pertinent se poursuivra pendant un certain temps. Dans le même temps, les gouvernements et les industries ont la responsabilité de faire tout leur possible pour garantir une approche responsable et centrée sur l'humain de l'utilisation de l'IA.
3. Questions juridiques
Sans aucun doute, à mesure que l'IA continue de se développer dans les entreprises, l'industrie et au-delà, le cadre juridique et réglementaire devra être mis à jour en conséquence. L'un des premiers et des plus pressants domaines peut être les lois relatives aux voitures autonomes. Les domaines du droit qui devraient être pris en considération comprennent les dommages corporels, la négligence et la responsabilité délictuelle, pour n'en nommer que quelques-uns. Par exemple, si une voiture autonome tombe en panne sans conducteur, qui en sera tenu responsable ? Est-ce le constructeur automobile, le fournisseur de logiciels ou l'occupant de la voiture ?
Quelles sont donc les conséquences juridiques du travail de conception d'IA ? Lorsqu'une voiture autonome est confrontée à une situation extrêmement urgente (par exemple, choisir entre sauver un occupant et un piéton devant), la conception de l'IA doit utiliser un cadre mental clair pour décider du choix à faire. Cela nous amènera au cur de certaines des questions juridiques et éthiques les plus difficiles.
Les lois qui maintiennent l'ordre de la concurrence doivent également être ajustées. Les algorithmes de tarification sont largement utilisés par les détaillants en ligne pour permettre des ajustements de prix plus rapides et plus précis. Amazon modifierait les prix de certains articles plusieurs fois par heure, ce qui équivaut à des millions de révisions de prix unitaires par jour. Toutes les décisions prises par l'IA sur des marchés ouverts doivent être transparentes et bien fondées.
4. Problèmes de survie
Personne ne sait avec certitude si l'intelligence artificielle dépassera le niveau d'intelligence humain moyen, et encore moins ce qui se passera si c'est le cas. Même parmi les experts qui pensent que l'AGI est effectivement possible, il existe un désaccord considérable sur le moment exact où cela se produira. Nous pouvons conclure avec confiance que, malgré le potentiel indéniablement incroyable de l'IA, l'AGI est encore loin. Cela ne signifie pas pour autant que nous soyons désormais totalement immunisés contre ses conséquences et ses implications. Par conséquent, la création d'institutions universitaires parrainées par l'industrie (telles que le Future of Humanity Institute de l'Université d'Oxford) pour examiner et analyser cette question sera d'un grand avantage pour le développement de l'IA.
La sagesse pense, Avec le développement explosif de la technologie de l'intelligence artificielle, les startups de l'intelligence artificielle ont poussé comme des champignons après une pluie de printemps, et cette tendance continue d'abaisser les barrières à l'entrée dans tous les domaines de la vie. Un groupe de nouvelles entreprises s'appuyant sur l'intelligence artificielle ont envahi le marché les unes après les autres, modifiant le paysage concurrentiel inhérent aux entreprises établies. Ces nouveaux arrivants sont plus agiles et libérés des systèmes technologiques hérités, des canaux de distribution et de la nécessité de transformer les effectifs. Par conséquent, il est devenu une tendance générale pour les entreprises traditionnelles d'adopter l'IA et de se transformer activement en intelligence artificielle. Par conséquent, comme mentionné dans le rapport, dans cette vague d'IA, afin d'éviter d'être éliminées, les entreprises doivent suivre le rythme, clarifier leur propre positionnement et utiliser la technologie de l'IA de manière raisonnable.
