Vous pourriez devenir un maître de l'IA avant de le savoir. Voici comment.

Jay Daniel Wright

À première vue, Scot Barton pourrait ne pas sembler être un pionnier de l'IA. Il ne construit pas de voitures autonomes ou n'enseigne pas aux ordinateurs à battre les humains aux jeux informatiques. Mais dans le cadre de son rôle chez Farmers Insurance, il ouvre la voie à la technologie.

Barton dirige une équipe qui analyse les données pour répondre aux questions sur le comportement des clients et la conception des différentes politiques. Son groupe utilise maintenant toutes sortes de techniques d'apprentissage automatique de pointe, des réseaux de neurones profonds aux arbres de décision. Mais Barton n'a pas embauché une armée de sorciers de l'IA pour rendre cela possible. Son équipe utilise une plateforme appelée Robot de données , qui automatise un grand nombre de tâches difficiles liées à l'application de telles techniques.

Le travail de la compagnie d'assurance avec DataRobot laisse entrevoir comment l'intelligence artificielle pourrait devoir évoluer dans les prochaines années si elle veut réaliser son énorme potentiel. Au-delà de démonstrations spectaculaires comme le logiciel de jeu AlphaGo de DeepMind, l'IA a le pouvoir de révolutionner des industries entières et de rendre toutes sortes d'entreprises plus efficaces et productives. Ceci, à son tour, pourrait aider à rajeunir l'économie en augmentant la productivité globale. Mais pour que cela se produise, la technologie devra devenir beaucoup plus facile à utiliser.

Histoire connexe

Histoire connexe L'Occident ne devrait pas craindre la révolution de l'intelligence artificielle en Chine. Il devrait le copier.

Le problème est que de nombreuses étapes impliquées dans l'utilisation des techniques d'IA existantes nécessitent actuellement une expertise importante. Et ce n'est pas aussi simple que de créer une interface plus conviviale, car les ingénieurs doivent souvent faire preuve de jugement et de savoir-faire lors de l'élaboration et de la modification de leur code.

Mais les chercheurs et les entreprises en IA tentent maintenant de résoudre ce problème en tournant essentiellement la technologie sur elle-même, en utilisant l'apprentissage automatique pour automatiser les aspects les plus délicats du développement d'algorithmes d'IA. Certains experts construisent même l'équivalent de systèmes d'exploitation alimentés par l'IA conçus pour rendre les applications de la technologie aussi accessibles que Microsoft Excel l'est aujourd'hui.

DataRobot est un pas dans cette direction. Vous alimentez en données brutes, et la plateforme les nettoie et les reformate automatiquement. Ensuite, il exécute des dizaines d'algorithmes différents à la fois, en classant leurs performances. Barton a d'abord essayé d'utiliser la plate-forme en saisissant un tas de données d'assurance pour voir si elle pouvait prédire une valeur en dollars spécifique. Comparé à une approche statistique standard, construite à la main, le modèle sélectionné avait un taux d'erreur inférieur de 20 %. Prêt à l'emploi, d'une simple pression sur un bouton ; c'est assez impressionnant, dit-il.

Écart de compétences en IA

La réalité de l'application de l'IA a été mise à nu dans un rapport publié par la société de conseil McKinsey en juin de cette année. Ce rapport conclut que l'intelligence artificielle, en particulier l'apprentissage automatique, pourrait remanier de grandes industries, notamment la fabrication, la finance et les soins de santé, ajoutant potentiellement jusqu'à 126 milliards de dollars à l'économie américaine d'ici 2025. Mais le rapport contient une mise en garde importante : une pénurie critique de talents. .

Il y a certainement une grande pression pour former autant de personnes que possible à l'utilisation de l'IA (voir Andrew Ng's Next Trick: Training a Million AI Experts ). Mais cela prendra du temps, et tout le monde ne peut pas devenir un maître de l'IA. La meilleure façon de maximiser l'impact de toute technologie est de la rendre aussi accessible que possible. Ce n'est qu'alors que l'IA commencera à s'infiltrer dans les bureaux et les lieux de travail ordinaires. DataRobot est déjà utilisé dans certains de ces paramètres.

Jay Daniel Wright

En fin d'après-midi, le bureau de DataRobot dans le quartier financier de Boston est désert, à l'exception d'une poignée d'ingénieurs qui tournent autour d'un grand écran. La solution de l'entreprise semble certainement impressionnante lorsque Jonathan Dahlberg, l'un des consultants, me fait une démonstration. Il charge un ensemble de données publiques sur les demandes de prêt et les paiements, puis il demande au système de développer un tas de modèles pour voir s'il existe des modèles de défaut de paiement.

En quelques secondes, des dizaines d'algorithmes concurrents apparaissent à l'écran ; au sommet se trouve une technique de renforcement de gradient relativement peu sexy mais largement utilisée appelée XGBoost . Cela montre rapidement que les revenus des demandeurs sont particulièrement importants, mais la raison qu'ils invoquent pour vouloir un prêt l'est tout autant. Il s'avère que les personnes qui mentionnent le démarrage d'une entreprise dans leur candidature sont un pari particulièrement mauvais.

DataRobot peut correspondre à l'expertise ou aux compétences d'un très bon data scientist, dit Dahlberg, mais il peut offrir une perspective plus large. Une personne pourrait trop compter sur une certaine technique, et DataRobot pourrait automatiquement révéler une approche fondamentalement meilleure. Il est également toujours possible pour un utilisateur de modifier manuellement l'algorithme sous-jacent à l'aide des langages de programmation Python ou R. Sans un examen approfondi, il est difficile de savoir dans quelle mesure le système automatise certains des aspects les plus délicats de la science des données, comme le nettoyage des données et les fonctionnalités. l'ingénierie, mais il semble prendre soin d'une quantité surprenante.

Le PDG de la société, Jeremy Achin, a été inspiré pour démarrer une entreprise après avoir regardé Le réseau social , comme il l'avoue un peu penaud quand on se retrouve pour un café près du MIT. Mais il a eu l'idée de DataRobot en participant à des concours de science des données sur la plateforme de crowdsourcing Kaggle, qui a été acquise par Google plus tôt cette année. Kaggle offre des prix pour l'algorithme qui réussit le mieux à faire une prédiction spécifique à partir d'un grand ensemble de données. Cette tâche consiste généralement à développer un algorithme d'apprentissage automatique qui se nourrit des données. En tant que l'un des meilleurs premiers concurrents de Kaggle, Achin s'est rendu compte qu'il automatisait déjà de nombreuses étapes impliquées dans chaque compétition. Je pensais que si nous collections suffisamment d'ensembles de données, suffisamment de problèmes et effectuions suffisamment d'expériences, nous pourrions faire de l'apprentissage automatique sur l'apprentissage automatique. C'était l'idée originale, dit-il.

L'idée a clairement trouvé un écho auprès des investisseurs. DataRobot, lancé en 2012, a levé plus de 100 millions de dollars, dont 54 millions de dollars en mars, à peu près au même moment où Kaggle a été acquis. La société affirme avoir déjà plus de 100 clients. Achin dit que le concept est beaucoup moins populaire auprès de nombreux scientifiques des données, qui estiment que leurs compétences ne peuvent pas être automatisées ou craignent qu'elles le soient. Mais il pense que la plupart des entreprises n'auront pas d'autre choix si elles veulent utiliser l'IA. Peu m’importe le nombre de personnes qui changent leur titre en « data scientist » sur LinkedIn, dit-il. Vous ne déplacerez pas l'aiguille.

Systèmes d'auto-apprentissage

La pénurie de scientifiques des données en inspire beaucoup d'autres à travailler sur l'automatisation de l'apprentissage automatique. Un nombre croissant d'articles de recherche apparaissent sur l'utilisation de ses techniques pour automatiser de plus en plus d'aspects de l'IA.

L'un des plus grands acteurs mondiaux de l'IA, Google, s'intéresse également à l'idée. Google a investi des sommes énormes dans le développement de puissants algorithmes d'IA et dans leur déploiement sur l'ensemble de ses services. Mais l'entreprise souhaite également ajouter plus d'IA à ses services cloud. Et aller au-delà des simples outils de classification d'images ou de textes signifiera automatiser davantage le travail impliqué dans la formation de modèles d'apprentissage automatique.

Jay Daniel Wright

L'objectif est de rendre cette technologie plus accessible, explique John Giannandrea, un ingénieur informatique écossais qui dirige les efforts de Google en matière d'IA. Donc, n'importe qui pourrait dire 'Construisez-moi un modèle prédictif' et il se déclenche et le fait.

Plus tôt cette année, la société a annoncé des progrès significatifs vers cet objectif, démontrant une manière expérimentale d'automatiser le processus de réglage des réseaux de neurones d'apprentissage en profondeur (voir AI Software Learns to Make AI Software). Ce sont peut-être les algorithmes d'apprentissage automatique les plus puissants qui existent, et ils ont considérablement amélioré l'état de l'art en matière de reconnaissance d'images et de voix. Mais ils sont aussi notoirement difficiles à concevoir. Giannandrea dit que ce travail produit maintenant des résultats très prometteurs, correspondant dans certains cas aux performances des systèmes développés à la main. Et il s'attend à ce que Google publie plus de résultats dans les mois à venir.

D'autres ont des conceptions encore plus grandioses. Eric Xing , professeur à l'Université Carnegie Mellon, par exemple, développe ce qui équivaut à un système d'exploitation construit à partir de différents composants d'apprentissage automatique. Ce système d'exploitation utilise la virtualisation et l'apprentissage automatique pour éliminer une grande partie de la complexité de la conception et de la formation de l'IA. Il comporte même une interface utilisateur graphique qui peut être utilisée pour former un modèle d'apprentissage automatique sur un ensemble de données particulier.

Xing a fait ses études en Chine et a étudié à l'UC Berkeley aux côtés d'Andrew Ng, désormais une figure bien connue dans le monde de l'IA. Il est très poli et étonnamment désinvolte lorsqu'il s'agit de vouloir réinventer la façon dont les gens utilisent les ordinateurs. Xing envisage que son système d'exploitation AI devienne aussi facile à utiliser que quelque chose comme Excel, le progiciel de tableur de Microsoft. Il s'agit d'un problème central dans l'ensemble de l'IA, dit-il. La barrière à l'entrée est tout simplement trop élevée.

Xing a créé une société, Pétuum , pour développer le système d'exploitation, et il a déjà créé une série d'outils visant à amener l'apprentissage automatique à la médecine. Les médecins veulent une interface et des dossiers médicaux, des images - chacun nécessite une approche d'apprentissage automatique différente, dit-il. Petuum se prépare également à sortir sa plateforme.

Le système d'exploitation de Petuum et d'autres outils d'automatisation de l'IA seront confrontés à des défis uniques. On craint déjà que les algorithmes d'apprentissage automatique absorbent par inadvertance les biais des données de formation, et certains modèles sont tout simplement trop opaques pour être examinés attentivement (voir The Dark Secret at the Heart of AI). Si l'IA devient beaucoup plus facile à utiliser, il est possible que ces problèmes deviennent plus répandus et plus enracinés.

Pour faire vraiment bien l'apprentissage automatique, vous avez besoin d'un doctorat et d'environ cinq ans d'expérience, dit Caruana riche , chercheur principal chez Microsoft qui fait de la science des données depuis environ 20 ans. Il y a de nombreux pièges. Votre algorithme expire-t-il au bout de six mois, et est-il interprétable ?

Caruana pense qu'il devrait être possible d'automatiser certaines des étapes qu'un scientifique des données doit suivre pour se prémunir contre de tels problèmes, ce qui ressemble à la liste de contrôle avant le vol d'un pilote. Mais il met en garde contre une trop grande confiance dans des systèmes qui promettent de tout automatiser. Je sais, dit-il, parce que je me suis cogné l'orteil en cours de route.

cacher