Compte rendu de l'AI Summit à San Francisco

Compte rendu de l’AI Summit à San Francisco

Comme souvent lorsque l’on parle d’IA, les chercheurs et les entreprises de la baie de San Francisco s’agitent. J’y étais fin janvier pour l’AI summit organisé par RE•WORK. L’évènement était inspirant, beaucoup de speakers intéressants avec un show à l’américaine parfaitement bien exécuté.
Il y avait 3 salles de conférences différentes réparties suivant 3 thèmes, Deep learning, AI assistants et Applied AI. Je me suis concentré sur le deep learning essentiellement. Beaucoup de sujets étaient à l’honneur et les grandes entreprises de la Silicon Valley étaient représentées. Facebook, Google, PlayStation Sony, Uber, Netflix et d’autres sont venus nous parler de leurs derniers travaux.

Compte rendu de l'AI Summit à San Francisco

J’attendais la présentation d’Open AI avec impatience, malheureusement le talk ne m’a pas vraiment convaincu, aussi bien sur le fond que sur la forme. C’est dommage pour une organisation de ce calibre ! Heureusement il y’avait des dizaines d’autres talk, j’ai donc facilement trouvé quoi me mettre sous la dent 😊

L’explicabilité des IA pourrait être une des tendances de l’année 2020

Les résultats fournis par les systèmes de machine learning et deep learning sont de plus en plus impressionnant. Malgré ça il est difficile d’avoir une réponse satisfaisante à la question : pourquoi tel système nous fournit tel résultat ? Et c’est très embêtant car dans beaucoup d’industries l’explicabilité des IA est un aspect primordial, l’opérateur doit avoir une bonne compréhension du déroulement de son algorithme.

Beaucoup de chercheurs et certaines entreprises ont donc décidés (à juste titre) que les IA devaient nous expliquer pourquoi elles font ce qu’elles font !

L’explicabilité des IA est un grand domaine que je ne pensais pas aussi développé. J’ai rencontré à San Francisco des personnes qui travaillent sur ces questions et beaucoup en parlent comme étant une des grandes problématiques pour les années à venir concernant l’IA. En réalité, la conception d’IA explicables est fondamentale d’un point de vue business d’une part, mais aussi d’un point de vue éthique.

En médecine par exemple, il faut avoir un certains nombres de preuves pour pouvoir diagnostiquer la maladie d’une personne avant de pouvoir prendre des décisions. Actuellement, les IA peuvent prédire si un patient a une maladie ou pas, ça marche très bien mais il est difficile de dire pourquoi on obtient tel diagnostic dans beaucoup de situations. Un problème se pose alors, doit-on faire confiance aveuglement aux IA, seulement parce que leur «pourcentage d’erreurs» est faible ? Car rien que 0.01% d’erreurs sur 1 000 000 de patients ça fait quand même 100 erreurs potentielles…

L’IA pour la médecine. Encore !

Je pensais avoir fait le tour de la question mais j’avais raté pas mal de choses intéressantes. Concernant ce sujet, Orianna DeMasi post-doctorante à l’université de Californie, est venue nous parler d’une IA entrainée pour prévenir des risques de suicides chez des personnes vulnérables psychologiquement. Plusieurs métriques sont prises en compte dans le calcul du risque de suicide chez une personne. On doit prendre en considération des évènements récents potentiellement choquants, l’activité sur les réseaux sociaux de la personnes, des anomalies dans son comportement sur internet ou encore des recherches sur Google suspectes.

En plus de cela, Orianna DeMasi et son équipe travaillent sur un interface de dialogue, qui permettrai aux assistants de s’entrainer à faire face à des personnes qui auraient des tendances suicidaires. Il est important de pouvoir offrir une assistance adéquate et personnalisée à chaque personne concernée, et il semblerait que l’IA puisse nous aider.

Daphne Koller est venu nous parler de ce sujet, elle est CEO chez Insitro une entreprise Californienne qui travaille sur la recherche de traitements médicaux. Elle a présenté une méthode data driven pour la découverte de nouveaux traitements. Le monde de la recherche pharmaceutique représente des centaines de millions d’euros, il pourrait donc avoir un impact sérieux sur l’IA pour la médecine. Daphne Koller est convaincu que l’IA, au-delà de son utilité pour le diagnostic et le traitement des patients, peut contribuer à l’effort de recherche dans le domaine de la médecine en améliorant notre compréhension des maladies.

Systèmes de recommandations : Netflix toujours loin devant mais Uber Eats travaille beaucoup !


Leurs enjeux économiques et sociaux sont tellement immenses, qu’aucune conférence sur le deep learning ne se passe sans que le sujet ne soit abordé. J’ai suivi plusieurs conférences sur ce sujet et elles couvraient l’essentiel de ce qu’il faut savoir sur les systèmes de recommandations aujourd’hui. Je regrette quand même que la notion d’éthique des systèmes de recommandations ait été un peu négligée (en revanche Stuart Russel de l’université de Berkeley en a parlé longuement à AAAI à New York !).

Evidemment, lorsque l’on parle de systèmes de recommandations, Netflix est loin devant. Pour l’entreprise américaine, les systèmes de recommandations sont plus qu’un outil c’est le fondement de leur business model. Néanmoins, j’ai été surpris de voir le travail colossal entrepris par Uber Eats dans ce domaine. Il est vrai que comme je n’utilise pas cette application j’ignorais son fonctionnement. L’AI summit était l’occasion de rectifier le tir puisque j’ai rencontré Piero Molino le fondateur de la branche IA chez Uber, rien que ça !

Le système d’Uber Eats est complexe, leur algorithme doit gérer (pour chaque client) des données liées à sa relation avec les restaurants d’une part et avec les différents types de plats d’autres part. De façon classique, l’algorithme calcul un score pour chaque restaurants et pour chaque plats, correspondants à la probabilité que le client passe commande. Je ne vais pas rentrer dans les détails techniques mais Uber investit beaucoup sur son système, il en résulte un algorithme fiable et qui donne des résultats très satisfaisants.

Les robots assistants : enjeux sociaux, défi techniques


La première conférence sur ce sujet était celle de Ken Goldberg, professeur à l’université de Berkeley, chercheur en robotique, artiste, écrivain, parmi plusieurs autres fonctions ! Je n’ai pas eu l’occasion d’échanger avec lui mais le personnage est vraiment inspirant. Il nous a parlé des dernières avancées concernant la saisie d’objets par des robots.

On ne s’en rend pas vraiment compte mais cette tâche qui nous semble naturelle est difficile pour une machine. Elle implique une coordination entre les sens (essentiellement la vue et le touché) et des capacités cognitives complexes. Les progrès réalisés en machine learning et notamment en apprentissage par renforcement, ont permis de concevoir des robot grasping très robuste : regardez !

Cet aspect est important, mais il ne constitue qu’une part infime de l’effort à fournir pour construire un robot assistant. Le marché de l’assistance aux personnes en difficultés est un marché colossal et les défis sont nombreux. C’est un domaine dans lequel l’IA et la robotique peuvent être très utiles. Pour cela, il faudra repenser notre méthodologie et commencer par comprendre avec plus de précision le comportement humain.

C’était le sujet de l’intervention de Maja Mataric professeure en informatique, en neuroscience et en pédiatrie à l’université de Southern Californie (USC). Elle explique qu’une des erreurs que font les concepteurs de ce genre de robots, est qu’ils se focalisent sur l’assistance physique alors que la plupart de ces personnes ont plutôt besoin d’assistance psychologique. Elle invite à repenser notre mode de fonctionnement, mettre les robots au contact des personnes afin de concevoir de vrais assistants.

Par ailleurs, j’ai rencontré des étudiants de Hong-Kong qui ont crées une IA qui lis sur les lèvres et transforme une vidéo en texte. J’ai assisté à une conférence du directeur de l’IA chez Airbus qui traitait des avions autonomes. Et beaucoup de chercheurs de chez Facebook étaient présents, il semblerait que Facebook travail énormément sur la recherche en computer vision.

Globalement, l’évènement était très passionnant et je compte me rendre plus régulièrement aux sommets organisés par Re Work. Après cela j’étais à New York pour AAAI 20, c’est une des plus grandes conférences de chercheurs en IA, les papiers qui y sont publiés sont sélectionnés minutieusement par un jury prestigieux. Je ne ferais pas de compte rendu sur l’évènement de New York (sauf si vous insister hahaa 😊), les conférences sont très théoriques et les applications sont souvent ultra spécialisées. En tout cas ma tournée américaine était enrichissante et à chaque fois que j’échange avec des spécialistes ma vision de l’IA progresse. Ce que j’aime le plus dans l’IA, c’est les humains qui la façonnent !