L’intelligence artificielle est désormais partout. Ce rapport montre comment nous en sommes arrivés là.
L’intelligence artificielle devient moins chère, meilleure dans les tâches que nous lui assignons et plus répandue, mais les préoccupations concernant les préjugés, l’éthique et la surveillance réglementaire demeurent. À une époque où l’IA devient accessible à tous, le Stanford Institute for Human-Centered Artificial Intelligence a élaboré un rapport 2022 de grande envergure analysant les tenants et les aboutissants de ce domaine en pleine croissance. Voici quelques points importants.
Un nombre croissant de publications
Le nombre de publications sur le sujet à elles seules raconte une histoire : elles ont doublé au cours de la dernière décennie, passant de 162 444 en 2010 à 334 497 en 2021. Les catégories d’IA les plus populaires sur lesquelles les chercheurs et d’autres ont publié étaient la reconnaissance de formes, l’apprentissage automatique et les algorithmes.
De plus, le nombre de dépôts de brevets liés aux innovations en IA en 2021 est 30 fois supérieur aux dépôts en 2015. En 2021, la majorité des brevets déposés provenaient de Chine, mais la majorité des brevets effectivement délivrés provenaient des États-Unis.
Le nombre d’utilisateurs participant aux bibliothèques de logiciels d’IA open source sur GitHub a également augmenté de 2015 à 2021. Ces bibliothèques hébergent des collections de codes informatiques utilisés pour les applications et les produits. L’un appelé TensorFlow reste le plus populaire, suivi d’OpenCV, Keras et PyTorch (que Meta AI utilise).
Des ordinateurs qui analysent les images et comprennent la parole
Plus précisément, parmi les différentes tâches que l’IA peut effectuer, l’année dernière, la communauté de recherche s’est concentrée sur l’application de l’IA à la vision par ordinateur, un sous-domaine qui enseigne aux machines à comprendre les images et les vidéos afin de bien classer les images, reconnaître les objets, cartographier la position et le mouvement des articulations du corps humain et la détection des visages (avec et sans masque).
[Related: MIT scientists taught robots how to sabotage each other]
Pour la classification des images, la base de données la plus populaire utilisée pour former des modèles d’IA s’appelle ImageNet. Certains chercheurs pré-entraînent leurs modèles sur des ensembles de données supplémentaires avant de les exposer à ImageNet. Mais les modèles font toujours des erreurs, identifiant en moyenne 1 image sur 10. Le modèle qui fonctionne le mieux est celui de l’équipe Google Brain. En plus d’identifier des images et des visages, l’IA peut également générer de fausses images qui sont presque impossibles à distinguer des vraies, et pour lutter contre cela, les chercheurs ont travaillé sur des algorithmes de détection de deepfake basés sur des ensembles de données comme FaceForensics++.
[Related: This new AI tool from Google could change the way we search online]
Le traitement du langage naturel, un sous-domaine activement exploré depuis les années 1950, progresse lentement dans la compréhension de la langue anglaise, la synthèse, la déduction de résultats raisonnables, l’identification du contexte émotionnel, la reconnaissance et la transcription de la parole et la traduction. Pour la compréhension de base de la lecture, l’IA peut être plus performante que les humains, mais lorsque les tâches linguistiques deviennent plus compliquées, comme lorsque l’interprétation d’indices contextuels est nécessaire, les humains ont toujours un avantage. D’un autre côté, les éthiciens de l’IA craignent que les biais puissent affecter les grands modèles de langage qui s’appuient sur un mélange de données de formation.
Big tech et IA
Des entreprises technologiques comme Amazon, Netflix, Spotify et YouTube ont amélioré l’IA utilisée dans les systèmes de recommandation. Il en va de même pour le rôle de l’IA dans l’apprentissage par renforcement, ce qui lui a permis de réagir et de bien performer dans des jeux virtuels tels que les échecs et le Go. L’apprentissage par renforcement peut également être utilisé pour enseigner aux véhicules autonomes des tâches telles que le changement de voie ou aider les modèles de données à prédire les événements futurs.
Alors que l’IA semble être devenue meilleure pour faire ce que nous voulons qu’elle fasse, le coût de sa formation a également diminué, chutant de plus de 60% depuis 2018. Pendant ce temps, un système qui aurait pris 6 minutes pour se former en 2018 serait maintenant ne prend qu’un peu plus de 13 secondes. En tenant compte des coûts de matériel, en 2021, un système de classification d’images prendrait moins de 5 $ pour se former, alors que ce coût aurait été de plus de 1 000 $ en 2017.
Plus d’emplois et d’étudiants
Plus d’applications d’IA dans tous les secteurs signifient plus de demande d’éducation et d’emplois en IA. Aux États-Unis en 2021, la Californie, le Texas, New York et la Virginie avaient la plus forte demande de professions liées à l’IA. Au cours de la dernière décennie, les spécialités les plus populaires parmi les doctorants en informatique étaient l’intelligence artificielle et l’apprentissage automatique.
L’investissement privé dans l’IA est à un niveau record, totalisant 93,5 milliards de dollars en 2021 (le double du montant de 2020). Selon le rapport, les entreprises d’IA qui étaient compétentes dans la gestion, le traitement et le cloud des données ont obtenu le plus de financement en 2021, suivies des entreprises dédiées aux technologies médicales, de santé et financières (fintech en abrégé).
Comment le gouvernement l’utilise-t-il et le réglemente-t-il ?
Au cours de l’exercice 2021, les agences gouvernementales américaines ont dépensé 1,53 milliard de dollars en recherche et développement sur l’IA à des fins autres que la défense, soit 2,7 fois le montant dépensé au cours de l’exercice 2018. À des fins de défense, le ministère de la Défense a alloué 9,26 milliards de dollars à 500 projets de recherche et de développement sur l’IA. programmes de développement en 2021, soit environ 6 % de plus que ce qu’il a dépensé l’année précédente. Les deux principales utilisations de l’IA étaient les technologies de prototypage et les programmes de lutte contre les armes de destruction massive.
Enfin, le rapport a examiné les réglementations mondiales, fédérales et étatiques liées à l’IA (en recherchant des mots clés tels que l’intelligence artificielle, l’apprentissage automatique, le véhicule autonome ou le biais algorithmique). Le rapport a examiné 25 pays à travers le monde et a constaté qu’ils avaient collectivement adopté 55 projets de loi liés à l’IA de 2016 à 2021. L’année dernière, l’Espagne, le Royaume-Uni et les États-Unis avaient chacun trois projets de loi liés à l’IA qui sont devenus loi.