30 avril 2019

Article

Technologies de l'information

À la découverte du deep learning et du machine learning : entrevue avec Nicolas Garneau

« Avant l’humain analysait des données et programmait un ordinateur ou un logiciel. Désormais, l’ordinateur va apprendre de lui-même à partir des données et l’humain va pouvoir prendre des décisions grâce à lui. » Nicolas Garneau nous éclaire sur le machine learning (ou apprentissage automatique) et le deep learning et nous donne son point de vue sur le futur de l'intelligence artificielle.

Peux-tu me parler de ton parcours?

« J’ai une maîtrise en intelligence artificielle de l’Université Laval durant laquelle j’ai effectué de nombreux stages. Je suis en train de faire un doctorat en intelligence artificielle et plus précisément une thèse sur le traitement automatique de la langue naturelle. Lorsque l’on pense à Google Traduction ou Siri, la modélisation de la langue consiste en la génération automatique de contenu textuel en utilisant la méthode du deep learning, les réseaux de neurones profonds. En parallèle, je suis chargé de cours d’apprentissage par réseaux de neurones profonds et je donne également des formations au Centre de recherche de l’Université Laval tant aux entreprises privées qu’au grand public. Je suis aussi AI Scientist chez Vooban où j’ai la chance de chapeauter le développement d’applications au sein de l’équipe d’intelligence artificielle. »

Peux-tu m’expliquer simplement ce qu’est le deep learning?

« Le deep learning ou l’apprentissage par réseaux de neurones profonds utilise des architectures de neurones comme dans le cerveau humain. Pour faire simple, il s’agit d’une fonction mathématique complexe, soit une manière efficace pour modéliser un ensemble de données. En d’autres termes, on a un problème d’apprentissage automatique, avec un algorithme d’apprentissage ou une fonction mathématique pour reconnaître des objets afin de prendre des décisions. Voici un exemple classique de deep learning. On veut identifier sur une image, si c’est un chien ou un loup. Pour cela, il nous faut une base de données, soit un ensemble d’images de chiens et de loups et un algorithme qui va nous permettre de déterminer si cet ensemble de pixels représente un chien ou un loup. Le deep learning permet de classer, d'identifier, générer des images ou du contenu, prédire une valeur numérique. »

 

Source : http://fortune.com/ai-artificial-intelligence-deep-machine-learning/

Depuis quand parle-t-on de cet ensemble de méthodes d’apprentissage automatique?

« Cela fait de nombreuses années que l’intelligence artificielle existe, on a commencé à en parler dans les années 1950. Dans les années 1990, 2000, on avait beaucoup d’attentes vis-à-vis de l’IA mais à cause de contraintes computationnelles et de la complexité des données, on n’arrivait pas à avoir les résultats escomptés. Yann Lecoeur est l’un des pères du deep learning, il a désigné l’un des premiers réseaux de neurones, mais il a rencontré de gros problèmes computationnels. L’humain n’arrivait pas à faire apprendre à une machine. »

Quelles sont les autres méthodes d’apprentissage automatique?

« Le deep learning est l’une des méthodes de machine learning. Ce dernier est composé de plusieurs algorithmes. On peut les diviser en 2 gros problèmes : des algorithmes supervisés, ceux-ci font une prédiction et s’ils se trompent on va mettre à jour notre fonction mathématique et des algorithmes non supervisés (clustering), on rassemble des données qui se ressemblent, représentatives de sous-ensembles. Il y a des méthodes plus interprétables comme les arbres de décisions ou les cas plus proches voisins. Avec un arbre de décisions, on va apprendre à l’algorithme certaines règles comme des vrais ou faux et on va créer une séquence de décisions, ainsi on obtiendra une prédiction. Les cas plus proches voisins sont vraiment intuitifs. Dans une base de données, si k = 5, je vais rechercher les 5 exemples les plus proches de k, je vais identifier des indices de similarités et je vais pouvoir prendre une décision basée sur ces 5 cas. Je vous donne un exemple concret : un patient vient consulter son médecin, en fonction de ses symptômes et à l’aide d’une base de données, on cherche des cas similaires et on est capable de poser un diagnostic. »

Quelles peuvent être les applications concrètes en entreprise?

« Je vais reprendre un exemple du domaine de la santé, on peut détecter un cancer de la peau à partir d’images. On prend une photo de la peau ou du morceau de peau et avec un algorithme, on compare cette photo avec celles de la banque de données composée de tumeurs bénignes ou malignes, on va pouvoir dresser un diagnostic. »

Cela s’adresse uniquement aux grandes entreprises ou les PME peuvent en bénéficier? Dans tous les secteurs?

« Je pense à une start-up dans l’aquaculture à Québec. Sa problématique était de pouvoir compter les micro-organismes (œufs de poissons ou micro-crevettes) et calculer leur taille à l’intérieur d’un seau. Cela est impossible à faire à l’œil nu car les micro-organismes sont minuscules et bougent constamment. On va prendre des photos du contenu du seau et l’algorithme va pouvoir calculer la taille et la quantité des micro-organismes.
Dans un tout autre domaine, pensons également à Labplas, une entreprise manufacturière de 85 employés située à Sainte-Julie. Ils ont présentement un important problème de main d’œuvre qui freine leur croissance. Pour contrer ce problème, Vooban entraîne actuellement des algorithmes d’IA qui permettront de diminuer le nombre d’opérateurs requis par ligne de production en plus de leur permettre d’améliorer leur contrôle de qualité.
En fait, toutes les entreprises peuvent utiliser l’intelligence artificielle car elles ont besoin d’améliorer leurs processus, elles veulent des recommandations, des pistes d’amélioration basées sur l’analyse de leurs données. Toutefois, pour cela, elles doivent posséder un certain nombre de données pour que l’algorithme ait assez d’informations pour apprendre et ainsi améliorer des processus. Il est certain que les grandes entreprises ont souvent une importante quantité de données. Avec l’ajout d’un petit modèle ou d’un algorithme d’IA, cela va nous permettre d’améliorer ou faciliter des processus, nous fournir des insights et suggérer des décisions. »

Pourquoi Montréal ou le Québec est la nouvelle plaque tournante de l’intelligence artificielle?

« Au Québec, nous avons de nombreuses formations en IA, ainsi nos diplômés en intelligence artificielle sont très compétents et convoités. D’ailleurs, nous avons la plus importante concentration de chercheurs en IA au monde, avec 1 milliard de dollars investis dans la recherche universitaire et plus de 20 professeurs de renommée mondiale. Le gouvernement canadien a fait des investissements publics majeurs et Montréal a été choisi comme le siège de SCALE IA, une supergrappe d’innovation en IA unique au Canada. De nombreux leaders mondiaux (comme Google, Facebook, Microsoft) ont aussi choisi Montréal pour développer leur expertise dans ce domaine, en partie car la main d’œuvre spécialisée est moins coûteuse comparée à la Silicon Valley. Montréal n’attire pas seulement les gros joueurs de l’industrie, c’est également l’un des meilleurs incubateurs et accélérateurs en IA au monde pour les startups. »

Est-ce que l’intelligence artificielle ne risque pas de dépasser l’intelligence humaine? Et est-ce que les robots ne vont pas remplacer les employés? (Exemple : jeu de go, le réceptionniste de l’hôtel Monville et le barman au XVI XVI sont des robots etc.)

« Honnêtement, je ne pense pas qu’on en soit rendu là. Au contraire, l’intelligence artificielle va aider certaines personnes à faire leur travail et créer des emplois. On peut apparenter cela à la révolution industrielle, le travail à la chaîne, pénible et répétitif.
Un robot est capable d’être beaucoup plus constant que l’être humain et il sera aussi plus impartial, il va prendre des décisions par rapport aux données et n’a pas de biais puisqu’il n’a pas d’émotions ou de sentiments. »

Quels sont les usages malveillants ou dérives possibles? (Deepfakes, incrustation d’un visage sur un autre corps)

« Je pense au discours de Barack Obama monté de toute pièce, il y aura toujours des usages malicieux qui vont découler de nouvelles avancées technologiques. Il n’y a pas de moyen de contrer cela sauf par l’éducation et la prévention. Il est donc important de sensibiliser les gens sur les fausses nouvelles en leur faisant comprendre comment l’IA fonctionne et les dérives possibles. »

Peux-tu m’expliquer le machine learning? Quelle est la différence entre intelligence artificielle, machine learning et deep learning?

« On peut le traduire par l’apprentissage automatique, il regroupe plusieurs types d’algorithmes en fonction du type de problème à résoudre. Le machine learning, c’est l’apprentissage supervisé ou non supervisé. Pour qu’une machine apprenne, on a besoin de données et d’un algorithme qui apprenne à partir de ces données.
L’intelligence artificielle est une évolution des systèmes experts. Avant, l’humain analysait des données et programmait un ordinateur ou un logiciel. Désormais, l’ordinateur va apprendre de lui-même à partir des données et l’humain va pouvoir prendre des décisions grâce à lui. Le deep learning est une fonction mathématique qui est une famille d’algorithmes. »

Quels sont les métiers qui vont disparaître ou évoluer drastiquement avec la démocratisation de l’intelligence artificielle?

« Tous les métiers qui sont très répétitifs et méthodiques seront concernés, surtout ceux qui ne nécessitent pas de réflexion, car l’ordinateur a seulement besoin de données pour compléter ses tâches. Toutefois, pas de panique, un robot n’est pas capable de créativité, il ne peut pas faire preuve d’humour ou d’intelligence émotionnelle notamment, alors tous les métiers dans lesquels il y a de l’interaction humaine ne pourront pas être remplacés par des robots. Je terminerai en précisant que la qualité des données est cruciale pour que l’IA puisse être performante. »

Vous souhaitez en savoir plus sur ce sujet? Découvrez la formation "Introduction au Machine Learning et au Deep Learning (IA102)".

AI Scientist chez Vooban et candidat au Doctorat en Informatique à l'Université Laval, Nicolas Garneau cumule plusieurs années d'expérience en développement logiciel et analyse de données. Il se spécialise en traitement automatique de la langue naturelle en utilisant des méthodes d'apprentissage par réseaux de neurones profonds et chapeaute le développement d'applications au sein de l'équipe d'intelligence artificielle chez Vooban.