State of AI : L'intelligence artificielle a besoin de plus de personnel et de meilleures données

L'intelligence artificielle (IA) est prometteuse, et elle est de plus en plus prête pour les entreprises du monde réel. Mais il y a une pénurie de talents, un manque de diversité dans ce domaine et des inquiétudes quant au traitement des données qui alimentent des algorithmes de plus en plus sophistiqués.

Ce sont là quelques-unes des observations de Nathan Benaich et Ian Hogarth, deux investisseurs de premier plan dans le domaine de l'intelligence artificielle, qui ont publié leur quatrième rapport annuel "State of AI", très dense, qui passe en revue les développements intervenus dans ce domaine au cours de l'année écoulée.

Bien que le rapport se concentre sur l'IA universitaire et les avancées spécifiques en médecine et dans d'autres domaines, des développements importants ont été soulevés pour ceux qui cherchent à tirer parti de l'IA et du machine learning pour progresser dans la création d'entreprises intelligentes. « Les efforts insuffisants d'alignement de l'intelligence artificielle de la part d'organisations clés qui font progresser le domaine général de l'IA, ainsi que les préoccupations concernant les ensembles de données utilisés pour former les modèles d'IA et la partialité des repères d'évaluation des modèles, soulèvent des questions importantes sur la meilleure façon de suivre les progrès des systèmes d'IA dont les capacités progressent rapidement », affirment Nathan Benaich et Ian Hogarth.

Voici quelques développements notables de l'IA au cours de l'année écoulée :

L'emploi dans l'IA

L'expertise en IA devient une préoccupation croissante, ainsi qu'un champ d'opportunités. « Les chercheurs en informatique, les développeurs de logiciels, les mathématiciens, les statisticiens et les data scientists ont vu une évolution de leur emploi bien supérieure à celle de la population active générale », indiquent Nathan Benaich et Ian Hogarth. « L'informatique et l'ingénierie ont été les diplômes de premier cycle qui ont connu la plus forte croissance entre 2015 et 2018, représentant 10,2 % de tous les diplômes de quatre ans décernés en 2018. Leur nombre a augmenté de 34 % et 25 %, respectivement, au cours de cette période, tandis que le nombre des autres diplômes décernés a augmenté de 4,5 % en moyenne. »

A l'échelle mondiale, le Brésil et l'Inde sont en tête de la croissance de l'emploi dans l'IA, embauchant plus de trois fois plus de talents en IA aujourd'hui qu'en 2017, égalant ou dépassant la croissance de l'embauche du Canada et des Etats-Unis, ajoutent-ils.

Les données sur la diversité au sein des organisations américaines diffèrent radicalement entre les équipes techniques et non techniques, affirment par ailleurs les auteurs. Il est intéressant de noter qu'au niveau mondial, « près de 30 % des articles de recherche scientifique de l'Inde comprennent des autrices, contre une moyenne de 15 % aux Etats-Unis et au Royaume-Uni, et bien plus de 4 % en Chine », ajoutent-ils.

Coup de projecteur sur les données

Les investisseurs en capital-risque soulignent les préoccupations liées à la gestion du big data dans le monde de l'IA. « Une sélection minutieuse des données permet de gagner du temps et de l'argent en atténuant les difficultés du big data. Travailler avec des ensembles de données massifs est lourd et coûteux. Une sélection minutieuse des exemples atténue les inconvénients du big data en concentrant les ressources sur les exemples les plus précieux, mais les méthodes classiques deviennent souvent irréalisables à l'échelle. Des approches récentes s'attaquent à ces coûts de calcul, permettant la sélection de données sur des ensembles de données modernes. »

Nathan Benaich et Ian Hogarth soulignent la nécessité d'améliorer la qualité des données, en particulier dans les situations en temps réel, comme la détection ou la prévision d'événements mettant en danger la vie des personnes. Ils citent par exemple la menace des « cascades de données », définies par les chercheurs de Google comme des « événements composés provoquant des effets négatifs en aval des problèmes de données ». Ces chercheurs avertissent « que les pratiques actuelles sous-estiment la qualité des données et entraînent des cascades de données », pointant du doigt des facteurs tels que « le manque de reconnaissance du travail sur les données dans l'IA, le manque de formation adéquate, la difficulté d'accès aux données spécialisées pour la région/population étudiée ». Il est donc nécessaire de « développer des métriques pour évaluer la qualité des données, de meilleures incitations à l'excellence des données, une meilleure éducation aux données, de meilleures pratiques pour la détection précoce des cascades de données et un meilleur accès aux données ».

Les investisseurs prédisent également que l'année à venir pourrait voir le lancement d'une société de recherche axée sur l'intelligence artificielle générale, « formée avec un soutien important et une feuille de route axée sur un secteur vertical », qui pourrait potentiellement impliquer des outils de développement ou une application des sciences de la vie.

Source : ZDNet.com