L鈥檃rriv茅e imminente d鈥檜n nouvel Institut de recherche en intelligence artificielle (IA) et la grappe industrielle annonc茅e cette semaine par Qu茅bec permettra aux acteurs de ce milieu de fa莽onner la 芦鈥塺茅volution industrielle鈥壜� annonc茅e par l鈥橧A.
En ajoutant 脿 cette grappe la strat茅gie pancanadienne en IA, qui m猫nera prochainement 脿 la cr茅ation d鈥檜n institut de recherche 脿 Montr茅al, la m茅tropole aura tous les 茅l茅ments n茅cessaires afin de consolider la place qu鈥檈lle occupe dans ce secteur 茅conomique en pleine 茅bullition, dit Doina Precup, titulaire de la Chaire de recherche du Canada en apprentissage automatique 脿 l鈥橴niversit茅 成人VR视频.
Tel qu鈥檃nnonc茅 lundi, la grappe b茅n茅ficiera d鈥檜n investissement provincial de 100 millions au cours des cinq prochaines ann茅es dans le but de stimuler la recherche et l鈥檌nnovation en IA.
芦鈥塁鈥檈st une occasion r锚v茅e de cr茅er un centre n茅vralgique autour duquel tous les acteurs en IA vont pouvoir se r茅unir et interagir, dit-elle. Ces structures vont permettre de renforcer la synergie qui s鈥檈st cr茅茅e 脿 Montr茅al.鈥壜�
Partager son expertise
Depuis plusieurs ann茅es, Montr茅al s鈥檈st en effet taill茅 une r茅putation de joueur important dans le milieu IA gr芒ce aux universitaires, start-ups et g茅ants de l鈥檌nformatique 鈥� dont Google et Microsoft 鈥� qui ont d茅cid茅 d鈥櫭﹖ablir domicile dans la m茅tropole.
Plus que jamais, les chercheurs ont toutefois besoin d鈥檜n endroit o霉 se r茅unir pour faciliter les collaborations et leur permettre de b茅n茅ficier des comp茅tences de leurs coll猫gues.
芦鈥塏ous avons vraiment diff茅rentes perspectives et nous avons besoin des comp茅tences et des outils de chacun pour r茅soudre diff茅rents probl猫mes. Il sera important de cr茅er un environnement o霉 nous allons pouvoir en profiter et interagir au quotidien鈥壜�, se r茅jouit Mme聽Precup, qui si茅gera au comit茅 d鈥檕rientation de la grappe industrielle 脿 titre d鈥檕bservatrice.
Une nouvelle 芦鈥塺茅volution industrielle鈥壜� et des d茅fis 茅thiques
Le concept de l鈥橧A demeure, pour le commun des mortels, une id茅e abstraite et rel猫ve presque de la science-fiction. Cette technologie commence pourtant 脿 s鈥檌mmiscer dans notre quotidien. On a qu鈥櫭� penser aux syst猫mes de reconnaissance vocale de plus en plus sophistiqu茅s dont sont aujourd鈥檋ui dot茅s nos t茅l茅phones. Gr芒ce aux progr猫s rapides de l鈥橧A, la tendance ira en s鈥檃cc茅l茅rant et de nombreux secteurs, notamment la m茅decine, seront chambard茅s.
芦鈥塁鈥檈st vraiment le d茅but d鈥檜ne nouvelle r茅volution industrielle et 莽a va profond茅ment bouleverser la soci茅t茅, notamment le march茅 du travail. C鈥檈st s没r qu鈥檕n va voir des emplois dispara卯tre, mais d鈥檃utres seront cr茅茅s鈥壜�, explique Doina Precup.
M锚me si elle se dit convaincue que l鈥橧A aura surtout des bienfaits pour la soci茅t茅, les chercheurs se doivent d鈥櫭猼re proactifs afin d鈥櫭﹙iter d鈥櫭﹙entuels d茅rapages. Ce n鈥檈st pas que l鈥橧A soit fonci猫rement mauvaise, mais plut么t que 芦鈥塴es donn茅es avec lesquelles on programme le syst猫me peuvent poser probl猫me.鈥壜�
芦鈥塁鈥檈st un peu comme lorsqu鈥檕n 茅l猫ve un enfant, il va imiter ce qu鈥檌l entend 脿 la maison, explique-t-elle. On se rend donc compte que si l鈥檕n veut utiliser l鈥橧A afin de faire des pr茅dictions sur la criminalit茅 ou 茅tablir des primes d鈥檃ssurance, il va falloir que les syst猫mes informatiques re莽oivent des donn茅es objectives et d茅pourvues des pr茅jug茅s que l鈥檕n retrouve dans la soci茅t茅.鈥壜�
L鈥檌nstitut sera donc聽l鈥檕ccasion de r茅fl茅chir 脿 ces questions et une partie de son mandat sera 芦鈥塪鈥櫭﹖udier les mani猫res que l鈥檕n peut mitiger les impacts sociaux de l鈥橧A 脿 court et moyen terme鈥壜� en int茅grant des sociologues, des 茅thiciens, des 茅conomistes et des juristes 脿 l鈥櫭﹒uipe de recherche.
Intelligence artificielle en bref
Les scientifiques esp猫rent arriver 脿 doter les ordinateurs 芦鈥塪鈥檌ntelligence鈥壜� en utilisant un concept appel茅 l鈥檃pprentissage automatique (machine learning). Il existe aujourd鈥檋ui plusieurs formes d鈥檃pprentissage automatique, notamment l鈥檃pprentissage profond (deep learning) et l鈥檃pprentissage par renforcement (reinforcement learning).
Apprentissage profond (deep learning)
L鈥橴niversit茅 de Montr茅al a plusieurs sp茅cialistes en apprentissage profond. Ces syst猫mes sont dot茅s d鈥檜n 芦鈥塩erveau鈥壜� compos茅 d鈥檜n grand nombre d鈥檜nit茅s de calculs qui, ensemble, imitent de mani猫re simplifi茅e les neurones d鈥檜n cerveau humain. Les interactions entre ces 芦鈥塶eurones鈥壜� permettent au syst猫me d鈥檃pprendre progressivement 脿 partir diff茅rentes donn茅es, comme des textes ou des images, qui lui ont 茅t茅 pr茅alablement fournies. Les chercheurs pourraient par exemple pr茅senter une s茅rie d鈥檌mages d鈥檜ne tasse afin que le syst猫me soit lui-m锚me capable d鈥檌dentifier cet objet par la suite.
Apprentissage par renforcement (reinforcement learning)
L鈥檃pprentissage par renforcement, une sp茅cialit茅 脿 成人VR视频, est une cat茅gorie d鈥檃pprentissage automatique o霉 l鈥檃ppareil apprend gr芒ce 脿 l鈥檌nteraction avec son environnement, par essai et erreur, un peu comme le ferait un animal ou un enfant. Les chercheurs tentent ainsi de faire en sorte que la machine soit capable de raisonner afin de prendre une d茅cision. Par exemple, une 茅quipe de recherche compos茅e de chercheurs de l鈥橴niversit茅 成人VR视频 a en faisant appel 脿 l鈥檃pprentissage par renforcement. 聽
