Applications de l'intelligence artificielle

L'IA pour le bien est un mouvement dans lequel les institutions emploient l'IA pour s'attaquer à certains des plus grands défis économiques et sociaux du monde. Par exemple, l'Université de Californie du Sud a lancé le Centre d'intelligence artificielle dans la société, dans le but d'utiliser l'IA pour résoudre des problèmes socialement pertinents tels que le sans-abrisme. À Stanford, des chercheurs utilisent l'intelligence artificielle pour analyser les images satellitaires afin d'identifier les zones où les niveaux de pauvreté sont les plus élevés[1].

La Division des opérations aériennes américaine (AOD) utilise l'IA pour les systèmes experts basés sur des règles. L'AOD utilise l'intelligence artificielle comme un opérateur de substitution pour les simulateurs de combat et d'entraînement, les aides à la gestion de mission, les systèmes de soutien à la prise de décision tactique et le post-traitement des données du simulateur en résumés symboliques[2].

L'utilisation de l'intelligence artificielle dans les simulateurs s'avère très utile pour l'AOD. Les simulateurs d'avions utilisent l'intelligence artificielle pour traiter les données provenant des vols simulés. À part le vol simulé, il y a aussi une simulation de guerre aérienne. Les ordinateurs sont capables de trouver les meilleurs scénarios de réussite dans ces situations. Les ordinateurs peuvent également créer des stratégies basées sur l'emplacement, la taille, la vitesse et la force des forces et contre-forces. Les pilotes peuvent recevoir de l'aide en l'air pendant le combat par ordinateur. Les programmes intelligents artificiels peuvent trier les informations et fournir au pilote les meilleures manœuvres possibles, sans oublier de se débarrasser de certaines manœuvres qui seraient impossibles à réaliser pour un être humain. Plusieurs aéronefs sont nécessaires pour obtenir de bonnes approximations de certains calculs afin que les pilotes simulés par ordinateur soient utilisés pour recueillir des données[3]. Ces pilotes simulés par ordinateur sont également utilisés pour former les futurs contrôleurs de la circulation aérienne.

Le système utilisé par l'AOD pour mesurer la performance était le système interactif de diagnostic et d'isolation des défauts, ou IFDIS. Il s'agit d'un système expert basé sur des règles, rassemblant des informations provenant des documents du TF-30 et les conseils d'experts des mécaniciens travaillant sur le TF-30. Ce système a été conçu pour être utilisé pour le développement du TF-30 pour le RAAF F-111C. Le système de performance a également été utilisé pour remplacer les travailleurs spécialisés. Le système a permis aux travailleurs réguliers de communiquer avec le système et d'éviter les erreurs, les erreurs de calcul ou d'avoir à parler à l'un des travailleurs spécialisés.

L'AOD utilise également l'intelligence artificielle dans un logiciel de reconnaissance vocale. Les contrôleurs de la circulation aérienne donnent des instructions aux pilotes artificiels et l'AOD veut que les pilotes répondent aux ATC avec des réponses simples. Les programmes qui intègrent le logiciel de la parole doivent être formés, ce qui signifie qu'ils utilisent des réseaux de neurones. Le programme utilisé, le Verbex 7000, est un programme qui commence à prendre de l'âge et pourrait être amélioré. Les améliorations sont impératives car les ATC utilisent un dialogue très spécifique et le logiciel doit être capable de communiquer correctement et rapidement à chaque fois.

L'AIDA, conception assistée par intelligence artificielle, est utilisée pour aider les concepteurs dans le processus de création de conceptions conceptuelles d'aéronefs. Ce programme permet aux concepteurs de se concentrer davantage sur le design lui-même et moins sur le processus de conception. Le logiciel permet également à l'utilisateur de se concentrer moins sur les outils logiciels. L'AIDA utilise des systèmes basés sur des règles pour calculer ses données. Ceci est un diagramme de l'arrangement des modules AIDA. Bien que simple, le programme s'avère efficace.

En 2003, le Dryden Flight Research Center de la NASA et de nombreuses autres entreprises ont créé un logiciel qui pourrait permettre à un aéronef endommagé de poursuivre son vol jusqu'à ce qu'une zone d'atterrissage sûre puisse être atteinte[4]. Le logiciel compense tous les composants endommagés en s'appuyant sur les composants non endommagés. Le réseau de neurones utilisé dans le logiciel s'est avéré efficace et a marqué un triomphe pour l'intelligence artificielle.

Le système de gestion intégrée de la santé des véhicules, également utilisé par la NASA, à bord d'un aéronef doit traiter et interpréter les données provenant des différents capteurs de l'aéronef. Le système doit être capable de déterminer l'intégrité structurelle de l'avion. Le système doit également mettre en œuvre des protocoles en cas de dommages subis par le véhicule[5].

Haitham Baomar et Peter Bentley dirigent une équipe du University College de Londres pour développer un système de pilote automatique intelligent (IAS) basé sur l'intelligence artificielle conçu pour enseigner à un système de pilotage automatique de se comporter comme un pilote expérimenté confronté à une situation d'urgence comme le temps sévère, la turbulence ou la défaillance du système. L'éducation du pilote automatique repose sur le concept d'apprentissage automatique supervisé « qui traite le jeune pilote automatique comme un apprenti humain allant dans une école de pilotage ». Le pilote automatique enregistre les actions du pilote humain générant des modèles d'apprentissage à l'aide de réseaux neuronaux artificiels. Le pilote automatique est alors entièrement contrôlé et observé par le pilote lors de l'exécution de l'exercice d'entraînement.

Le système de pilote automatique intelligent associe les principes de l'apprentissage par démonstration et du clonage comportemental, dans lesquels le pilote automatique observe les actions de bas niveau requises pour manœuvrer l'avion et la stratégie de haut niveau utilisée pour appliquer ces actions[6]. La mise en œuvre de ce système utilise trois phases ; collecte de données pilotes, formation et contrôle autonome. L'objectif de Baomar et Bentley est de créer un pilote automatique plus autonome pour aider les pilotes à répondre aux situations d'urgence.

Les chercheurs en IA ont créé de nombreux outils pour résoudre les problèmes les plus difficiles en informatique. Beaucoup de leurs inventions ont été adoptées par l'informatique grand public et ne sont plus considérées comme faisant partie de l'IA (voir effet IA). Selon Russell & Norvig en 2003, tous les éléments suivants ont été initialement développés dans les laboratoires d'IA : le partage du temps, les interprètes interactifs, les interfaces utilisateur graphiques et la souris d'ordinateur, les environnements de développement rapide, les listes des structures de données, la gestion automatique du stockage, la programmation symbolique, la programmation fonctionnelle, la programmation dynamique et programmation orientée objet[7].

L'IA peut être utilisée pour potentiellement déterminer le développeur de binaires anonymes.

L'IA peut être utilisée pour créer une autre IA. Par exemple, vers novembre 2017, le projet AutoML de Google visant à développer de nouvelles topologies de réseaux neuronaux a créé NASNet, un système optimisé pour ImageNet et COCO. Selon Google, les performances de NASNet ont dépassé toutes les performances d'ImageNet précédemment publiées[8]. AutoML peut effectuer des prédictions et rationalise automatiquement l'ensemble du processus d'apprentissage automatique depuis le chargement des données, la modélisation et la sélection de modèles. Il a parcouru de nombreux modèles d'apprentissage automatique et a automatiquement sélectionné le meilleur modèle en fonction des valeurs d'erreur les plus faibles : déviance résiduelle moyenne, erreur quadratique moyenne (RMSE), erreur quadratique moyenne (MSE), erreur absolue moyenne (MAE), racine moyenne quadratique erreur logarithmique (RMSLE) [9]

Certaines entreprises créent des robots pour enseigner des sujets aux enfants, allant de la biologie à l'informatique, bien que ces outils ne soient pas encore répandus. Il y a également eu une augmentation des systèmes de tutorat intelligents (STI) dans l'enseignement supérieur. Par exemple, un STI appelé SHERLOCK enseigne aux techniciens de l'armée de l'air américaine à diagnostiquer les problèmes de systèmes électriques dans les aéronefs. Un autre exemple est la Defense Advanced Research Projects Agency (DARPA) américaine également, qui a utilisé l'IA pour développer un tuteur numérique afin de former ses recrues de la marine en compétences techniques en un temps plus court. Les universités ont tardé à adopter les technologies de l'IA en raison d'un manque de financement ou d'un scepticisme quant à l'efficacité de ces outils, mais dans les années à venir, davantage de salles de classe utiliseront des technologies telles que les STI pour compléter les enseignants[10]

Les avancées dans le traitement du langage naturel, combinées à l'apprentissage automatique, ont également permis le classement automatique des tâches ainsi qu'une compréhension des besoins d'apprentissage individuels des étudiants. Cela a conduit à une explosion de la popularité des MOOC, ou Massive Open Online Courses, qui permet aux étudiants du monde entier de suivre des cours en ligne. Les ensembles de données collectés à partir de ces systèmes d'apprentissage en ligne à grande échelle ont également permis l'analyse de l'apprentissage, qui sera utilisée pour améliorer la qualité de l'apprentissage à grande échelle. Des exemples en sont la prédiction des élèves qui risquent d'échouer et l'analyse de l'engagement des élèves[11].

Les robots sont devenus courants dans de nombreuses industries et on leur attribue souvent des emplois considérés comme dangereux pour les humains. Les robots se sont révélés efficaces dans des tâches très répétitives qui peuvent conduire à des erreurs ou à des accidents en raison d'un manque de concentration et d'autres emplois que les humains peuvent trouver dégradants.

En 2014, la Chine, le Japon, les États-Unis, la République de Corée et l'Allemagne représentaient ensemble 70 % du volume total des ventes de robots. Dans l'industrie automobile, secteur particulièrement automatisé, le Japon possède la plus forte densité de robots industriels au monde : 1 414 pour 10 000 salariés[20].

Radiographie d'une main, avec calcul automatique de l'âge osseux par un logiciel informatique.

Les réseaux de neurones artificiels sont utilisés comme systèmes de soutien à la décision clinique pour le diagnostic médical, comme dans la technologie Concept Processing dans le logiciel EMR.

D'autres tâches en médecine qui peuvent potentiellement être réalisées par intelligence artificielle et qui commencent à être développées comprennent :

• interprétation assistée par ordinateur d'images médicales. De tels systèmes aident à numériser des images numériques, par exemple de la tomodensitométrie, pour des apparences typiques et pour mettre en évidence des coupes ostentatoires, telles que des maladies possibles. Une application typique est la détection d'une tumeur ;
• analyse du son du cœur[21]
• robots compagnons pour les soins aux personnes âgées[22] ;
• dossiers médicaux d'extraction pour fournir des informations plus utiles ;
• concevoir des plans de traitement ;
• aider à des tâches répétitives, y compris la gestion des médicaments ;
• fournir des consultations ;
• création de médicaments[23]
• utiliser des avatars à la place des patients pour la formation clinique[24] ;
• prédire la probabilité de décès par des interventions chirurgicales ;
• prévoir la progression du VIH.

En 2016, on comptait plus de 90 startups d'IA dans l'industrie de la santé travaillant dans ces domaines[25].

La première solution d'IDx, IDx-DR, est le premier système de diagnostic autonome basé sur l'IA autorisé à la commercialisation par la Food and Drug Administration.

Une autre application de l'IA est dans la gestion des ressources humaines (RH) et le domaine du recrutement. L'IA est utilisée de trois façons par les professionnels des ressources humaines et du recrutement. L'IA est utilisée pour filtrer les CV et classer les candidats en fonction de leur niveau de qualification. L'IA est également utilisée pour prédire le succès des candidats dans des rôles donnés grâce à des plates-formes de recherche d'emploi. Et maintenant, l'IA déploie des robots de discussion qui peuvent automatiser les tâches de communication répétitives.

De 2016 à 2017, la société de biens de consommation Unilever a utilisé l'intelligence artificielle pour filtrer tous les employés de niveau d'entrée. L'IA d'Unilever a utilisé des jeux exploitant les neurosciences, des entretiens enregistrés et des analyses faciales et de la parole pour prédire le succès de l'embauche. Unilever s'est associé à Pymetrics et HireVue pour mettre au point cette IA et a augmenté leurs demandeurs de 15 000 à 30 000 en une seule année. Le recrutement avec l'IA a également permis à Unilever d'obtenir la « formation la plus diversifiée à ce jour ». En outre, le temps d'embauche a été réduit de quatre mois à quatre semaines, permettant d'économiser plus de 50 000 heures de recrutement.

Un autre développement de l'IA est le recrutement de dialogueurs. TextRecruit, un démarrage Bay Area, a ainsi développé un dialogueur de recrutement baptisé Ari, conçu pour tenir des conversations bidirectionnelles avec les candidats. Ari automatise l'affichage des offres d'emploi, les ouvertures de publicité, la sélection des candidats, la planification des entretiens et l'entretien des relations avec les candidats au fur et à mesure qu'ils avancent dans l'entonnoir de recrutement. Ari est actuellement proposé dans le cadre de la plateforme d'engagement des candidats de TextRecruit.

Certaines applications AI sont orientées vers l'analyse de contenu multimédia audiovisuel tel que des films, des programmes télévisés, des vidéos publicitaires ou des contenus générés par les utilisateurs. Les solutions impliquent souvent la vision par ordinateur, qui est un domaine d'application majeur de l'IA.

Les scénarios de cas d'utilisation typiques comprennent l'analyse d'images à l'aide de techniques de reconnaissance d'objets ou de reconnaissance faciale, ou l'analyse de vidéos pour la reconnaissance de scènes, d'objets ou de visages pertinents. La motivation pour l'utilisation de l'analyse des médias basée sur l'intelligence artificielle peut être, entre autres, la facilitation de la recherche multimédia, la création d'un ensemble de mots-clés descriptifs pour un élément multimédia, la vérification du contenu média pour un contenu particulier (comme la vérification de la pertinence du contenu pour un temps d'écoute particulier de la télévision), la reconnaissance automatique de la parole à des fins d'archivage ou à d'autres fins, et la détection de logos, produits ou visages de célébrités pour le placement de publicités pertinentes.

Les sociétés d'analyse de média travaillant avec l'IA fournissent souvent leurs services via une API REST qui permet un accès automatique à la technologie à partir de la machine et permet une lecture automatique des résultats. Par exemple, IBM, Microsoft, Amazon et la société d'IA vidéo Valossa[28] permettent d'accéder à leur technologie de reconnaissance multimédia en utilisant des API RESTful.

La société Narrative Science rend disponibles sur le marché des nouvelles et des rapports générés par ordinateur, y compris des résumés d'événements sportifs d'équipe à partir de données statistiques du jeu, en anglais. Elle crée également des rapports financiers et des analyses immobilières[37]. De même, la société Automated Insights génère des récapitulatifs et des aperçus personnalisés pour Yahoo Sports Fantasy Football[38]. La société devrait générer un milliard d'histoire en 2014, après 350 millions en 2013[39].

Echobox est une société de logiciels qui aide les éditeurs à augmenter le trafic en publiant « intelligemment » des articles sur des plateformes de médias sociaux telles que Facebook et Twitter[40]. En analysant de grandes quantités de données historiques et en temps réel, son logiciel apprend comment des publics spécifiques répondent aux articles à différents moments de la journée. Il choisit ensuite les meilleures histoires à poster et les meilleurs moments pour les poster[41].

Une autre société, Yseop, utilise l'intelligence artificielle pour transformer des données structurées en commentaires et recommandations intelligents en langage naturel. Yseop est capable de rédiger des rapports financiers, des résumés analytiques, des documents de vente ou de marketing personnalisés à une vitesse de milliers de pages par seconde et en plusieurs langues, y compris l'anglais, l'espagnol, le français et l'allemand[42].

Boomtrain's est un autre exemple d'IA conçu pour apprendre à impliquer au mieux chaque lecteur avec les articles exacts - envoyés par le bon canal au bon moment - qui seront les plus pertinents pour le lecteur. C'est comme embaucher un éditeur personnel pour chaque lecteur individuel pour organiser l'expérience de lecture parfaite.

Il y a aussi la possibilité que l'IA écrira des œuvres dans le futur. En 2016, une IA japonaise a co-écrit une histoire courte et a presque gagné un prix littéraire[43].

Un assistant en ligne automatisé fournissant un service client sur une page Web.

L'intelligence artificielle est utilisée dans des assistants en ligne automatisés qui peuvent être vus comme des avatars sur des pages Web[44]. Il doit permettre aux entreprises de réduire leurs coûts d'exploitation et de formation[44]. Une technologie sous-jacente de tels systèmes est le traitement du langage naturel[44]. Pypestream utilise un service client automatisé pour son application mobile conçue pour rationaliser la communication avec les clients[45].

Actuellement, les grandes entreprises investissent dans l'IA pour gérer des clients difficiles à l'avenir. Le développement le plus récent de Google analyse le langage et convertit le discours en texte. La plateforme peut identifier les clients en colère à travers leur langue et répondre de manière appropriée[46].

Les entreprises ont travaillé sur différents aspects du service à la clientèle pour améliorer cet aspect de l'entreprise.

Digital Genius, une start-up spécialisée dans l'IA, recherche plus efficacement la base de données d'informations (à partir des conversations passées et des questions fréquemment posées) et fournit des instructions aux agents pour les aider à résoudre les requêtes plus efficacement.

IPSoft crée une technologie avec intelligence émotionnelle pour adapter l'interaction du client. La réponse est liée au ton du client, avec l'objectif de montrer de l'empathie. Un autre élément développé par IPSoft est la capacité à s'adapter à différents tons ou langues.

Inbenta est axé sur le développement du langage naturel. En d'autres termes, pour comprendre la signification derrière ce que quelqu'un demande et ne pas seulement regarder les mots utilisés, en utilisant le contexte et le traitement du langage naturel. Un élément de service client que Ibenta a déjà atteint est sa capacité à répondre en masse aux requêtes par e-mail.

De nombreuses entreprises de télécommunications utilisent la recherche heuristique dans la gestion de leur main-d'œuvre, par exemple BT Group a déployé une recherche heuristique dans une application d'ordonnancement qui fournit les horaires de travail de 50 000 ingénieurs et permettrait ainsi d'économiser 250 millions de dollars par an[47].

Les années 1990 ont vu certaines des premières tentatives de produire en masse des types d'intelligence artificielle de base destinés à l'éducation ou aux loisirs. Cela a grandement prospéré avec la révolution numérique, et a aidé à initier les gens, en particulier les enfants, à la gestion de différents types d'intelligence artificielle, notamment sous forme de Tamagotchis et Giga Pets, iPod Touch, Internet et le premier robot largement répandu, Furby. Un an plus tard, un type amélioré de robot domestique a été publié sous la forme d'Aibo, un chien robotique avec des caractéristiques intelligentes et l'autonomie.

Des entreprises comme Mattel ont créé un assortiment de jouets compatibles avec l'IA pour les enfants dès l'âge de trois ans. En utilisant des moteurs IA exclusifs et des outils de reconnaissance vocale, ils sont capables de comprendre les conversations, de donner des réponses intelligentes et d'apprendre rapidement[48].

L'intelligence artificielle a aussi été utilisée depuis longtemps dans la conception de joueurs artificiels pour le jeu d'échecs, mais s'est aussi popularisée dans les jeux vidéo.

Celle-ci bénéficie en effet des progrès de l'informatique, avec par exemple les cartes graphiques dédiées qui déchargent le processeur principal des tâches graphiques. Le processeur principal peut désormais être utilisé pour développer des systèmes d’IA plus perfectionnés. Par exemple, l'intelligence artificielle peut être utilisée pour « piloter » des bots (c'est-à-dire les personnages artificiels) évoluant dans les MMOGs ou les mondes virtuels, mais on peut aussi citer son utilisation dans des jeux de simulation, ou pour animer des personnages artificiels.

Dans le domaine du jeu vidéo, l’IA caractérise toute prise de décision d’un personnage (ou d’un groupe) géré par le jeu, et contraint par l’intérêt ludique : une « meilleure » IA ne donne pas forcément un jeu plus jouable[49], l’objectif est de donner l’illusion d’un comportement intelligent[49]. L'éventail de sujets (recherche de chemin, animation procédurale, planifications stratégiques…) sont réalisables par des techniques classiques issues de l'IA symbolique (automates, script, systèmes multi-agents…), fortement dépendante de l’expertise humaine[50]. Cette approche est préférée par rapport aux techniques d'intelligence artificielle plus académiques (réseaux de neurones, algorithmes génétiques), car mieux contrôlée[51]. Ces approches partagent toutes les mêmes contraintes de ressources restreintes, que ce soit en mémoire, en temps de développement, ou en temps de calcul, même si globalement ces ressources augmentent plus les projets sont récents[51]. Jusqu'à la fin des années 1990, l’IA dans les jeux vidéo (plus particulièrement dans les jeux de stratégie en temps réel) a été délaissée par rapport au rendu visuel et sonore. L’« évolution vers des univers toujours plus réalistes, leur peuplement par des personnages […] aux comportements crédibles devient une problématique importante »[50]. Pour éviter ce contraste, et coupler dans le même temps au délestage d’une grosse partie de l’aspect graphique des processeurs vers les cartes graphiques[52], on constate à cette période une augmentation des ressources investies dans l’IA (temps de développement, ressource processeur)[52]. Certains jeux sont précurseurs (Creatures, Black and White) car l’IA y constitue l’élément central ludique. Partant d’une approche à base de règles rigides (du type : « si le joueur a telle position, alors j'exécute telle action »), les jeux utilisent alors des IA plus flexibles, diversifiant les techniques mises en œuvre[49]. Aujourd'hui la plupart des jeux vidéo utilisent des solutions ad hoc, il existe néanmoins des solutions middleware et également des solutions matérielles[53].

Avec les jeux en réseau, le besoin d’IA a tout d’abord été négligé[52], mais, particulièrement avec l’apparition des jeux massivement multijoueur, et la présence d’un nombre très important de joueurs humains se confrontant à des personnages non joueur, ces derniers ont un besoin très important de pouvoir s'adapter à des situations qui ne peuvent être prévues. Actuellement ces types de jeux intéressent particulièrement des chercheurs en IA, y trouvant un environnement adéquat pour y éprouver différentes architectures adaptatives[50].

Des contrôleurs logiques flous ont été développés pour les boîtes de vitesses automatiques dans les automobiles. Par exemple, l'Audi TT 2006, Volkswagen Touareg et VW Caravell disposent de la transmission DSP qui utilise la logique floue. Un certain nombre de variantes de Škoda (Škoda Fabia) incluent également un contrôleur Fuzzy Logic.

Les voitures d'aujourd'hui ont maintenant des fonctions d'aide à la conduite basées sur l'IA telles que le stationnement automatique et les commandes de croisière avancées. L'intelligence artificielle a été utilisée pour optimiser les applications de gestion du trafic, ce qui réduit les temps d'attente, la consommation d'énergie et les émissions jusqu'à 25 %. À l'avenir, des voitures entièrement autonomes seront développées. L'IA dans les transports devrait fournir un transport sûr, efficace et fiable tout en minimisant l'impact sur l'environnement et les communautés. Le principal défi pour développer cette IA est le fait que les systèmes de transport sont intrinsèquement des systèmes complexes impliquant un très grand nombre de composants et de parties différentes, chacun ayant des objectifs différents et souvent contradictoires[54].

Les techniques d'interprétation et de production de texte issues de l'intelligence artificielle permettent la mise an point de robots conversationnels toujours plus performants, évoqués plus haut.

Plusieurs projets cherchent à « réactiver » des personnes décédées, ou du moins à simuler leur présence, en leur permettant de converser avec leurs proches en piochant leurs tournures de phrases, leurs opinions, leurs souvenirs, dans une base de données constituée de leur vivant[55].

Divers outils d'intelligence artificielle sont également largement déployés dans les domaines de la sécurité intérieure, de la reconnaissance vocale et textuelle, de l'exploration de données et du filtrage du courrier indésirable par courrier électronique. Des applications sont également développées pour la reconnaissance gestuelle (compréhension de la langue des signes par les machines), la reconnaissance vocale individuelle, la reconnaissance vocale globale (provenant de diverses personnes dans une pièce bruyante), la reconnaissance faciale pour l'interprétation des émotions et les signaux non verbaux. D'autres applications sont la navigation par robot, l'évitement d'obstacles et la reconnaissance d'objets.

• Notice dans un dictionnaire ou une encyclopédie généraliste :

  • Britannica
• Applications de l'IA, sur aitopics.org