★ Les grandes données, moteur de l'intelligence artificielle... mais pas dans le futur ?

Les 10 et 11 avril 2018, Mark Zuckerberg, le fondateur et directeur général de Facebook, a témoigné pendant deux jours devant le Congrès américain (Cecilia Kang et al., "Témoignage de Mark Zuckerberg : Le deuxième jour, les interrogatoires sont plus sévères“, Le New York Times, 11 avril 2018).

L'interrogation fait suite au scandale impliquant Facebook et Cambridge Analyticaune société de conseil en analyse de données, sur l'utilisation abusive de données privées partagées, sans le consentement de leurs propriétaires, par le réseau social avec la société de conseil. Cambridge Analytica a ensuite utilisé les données, notamment pour établir des profils psychologiques (par exemple BBC News, “Le scandale Facebook a touché 87 millions d'utilisateurs4 avril 2018 ; Brian X. Chen, "J'ai téléchargé les informations que Facebook a sur moi. Beurk.” Le New York Times11 avril 2018). Ici, les données privées, allant des contacts aux voyages ou aux habitudes alimentaires, en passant par les croyances estimées, de jusqu'à 87 millions d'utilisateurs ont été partagées et utilisées. Compte tenu de la quantité de données concernées, nous avons affaire à ce que l'on appelle les "Big Data", dont l'existence et l'utilisation effraient et fascinent les gens, d'autant plus lorsque les Big Data sont associées à l'intelligence artificielle (IA).

Dans cet article, nous allons nous pencher plus en détail sur ces "Big Data", en nous concentrant sur leur rôle en tant que moteur et force cruciale derrière le développement exponentiel actuel de l'IA, ou plus exactement derrière l'expansion du Deep Learning (DL), un sous-domaine de l'IA. Auparavant, nous avons identifié les "Big Data" comme l'un des six moteurs qui non seulement agissent comme des forces derrière l'expansion de l'IA mais aussi, en tant que tels, deviennent des enjeux dans la compétition de l'IA entre les acteurs dans la course à la puissance de l'IA (Hélène Lavoix, "Intelligence artificielle - forces, moteurs et enjeux". The Red Team Analysis Society26 mars 2018).

Nous allons d'abord expliquer pourquoi les Big Data sont un moteur pour un sous-domaine de l'apprentissage approfondi. Apprentissage supervisé. Nous nous plongerons ensuite dans les caractéristiques de ces Big Data, nécessaires à l'IA pour mieux comprendre notre moteur. Cela nous permettra notamment de commencer à envisager les impacts et les enjeux du nouveau monde émergent de l'IA, et de montrer comment un moteur - les Big Data - peut également devenir un enjeu et avec quelles conséquences géopolitiques potentielles. En attendant, deux nouveaux moteurs de l'IA sont identifiés, à savoir l'imagination et ce monde de l'IA très émergent que nous cherchons à mieux comprendre. Nous nous tournerons enfin vers ce qui pourrait bien être la nouvelle frontière de l'IA, le Reinforcement Learning, qui n'a pas besoin de Big Data. Les Big Data pourraient alors n'être qu'un moteur temporaire.

Conclusion

Ainsi, les Big Data ne sont qu'un moteur pour le développement et l'expansion d'un sous-domaine de l'IA, DL dans l'approche SL. Au contraire, Big Data n'est pas un moteur pour ce qui pourrait bien être le développement le plus récent et le plus avancé de l'IA, l'approche par RL, mis à part la nécessité de préformer les agents de l'IA, notamment lorsque de grands ensembles de données ne sont pas étiquetés. En ce qui concerne RL, nous devrons donc nous concentrer sur d'autres moteurs, notamment l'architecture et les algorithmes, comme nous l'avons déjà identifié, mais aussi, très probablement, la capacité des humains à comprendre et à décrire un problème en termes d'ensembles de règles, ce qui pourrait nous amener à identifier de nouveaux moteurs et donc des forces pour l'expansion de l'IA ainsi que la puissance de l'IA, au-delà des nouveaux moteurs identifiés ici, comme l'imagination ou l'émergence même du monde de l'IA.

Image en vedette par xreschPixabay, domaine public - Cultivés.