mardi 3 octobre 2017

Retour sur l'AI Summit de San Francisco - Voyage dans le futur proche

A l'issue de la première journée de la conférence, on a une sensation de  disruption émergente, à tel point que l'on se demande si l'on est pas en train de vivre une sorte d'avènement des robots "The Raise of the Robots".
Mais tout d'abord quelques chiffres sur cette conférence qui se tient au cœur de la région la plus innovante au monde, la Silicon Valley dans la région de San Francisco
c'est aussi une opportunité de rencontrer les acteurs majeurs du secteur dont beaucoup ont des bureaux en Californie
La conférence aborde également le sujet de la collaboration Humain - Robot et donc comment tirer partie de l'ensemble de l'écosystème à la fois software, hardware et plate forme pour faire de l'IA un atout majeur dans la production de valeur au travers notamment de gain de productivité encore jamais atteint.
On apprend d'entrée que l'IA nous emène dans un changement de paradigme total, qui va considérablement impacter notre métier et également le business sous jacent. Il faut donc tout d'abord explorer ce nouveau domaine et voir comment les entreprises peuvent en recueillir les bénéfices. Pour cela, une bonne approche va consister à se former sur le sujet au travers de lecture telles que
Au passage, on ne bypasser la réference de Francois Chollet sur le Deep Learning, dont la première partie est gratuite chez Manning en ligne

Et également par le biais de formation, de nombreuses possibilités existent avec Plurasight, mais aussi Microsoft qui produit gratuitement des formations et livres blancs sur la création d'agent conversationnels , le Machine/Deep Learning, l'utilisation du NLP etc. On notera également un ecosystème de ressources de training plus ou moins techno agnostique :
Plusieurs facteurs seront donc à prendre en considération pour démarrer avec de l'IA en entreprise
1 Le Leadership : La première question est qui porte l'IA dans l'entreprise, Le role de CDO (Chief Digital Officer) est il présent, qui gère les projets et la stratégie autour de l'intelligence artificielle?
2 La sélection des projets, avec par exemple pour une compagnie financière, l'utilisation du Machine Learning avec de l'analyse predictive et des simulations vont être un véritable challenge de scoping pour passer d'un Lab à la production
3 Pour finir, les compétences et les équipes qui seront en charge de ces implémentations, à savoir ai-je les compétences necessaires en interne?
Les entreprises devront se réorganiser quelque peu si elle veulent réaliser avec succès et efficacité leur transformation digitale basée sur de l'intelligence artificielle.
Pour ce qui concerne le driver, 70% des personnes interrogées considèrent que l'IA a le potentiel de faire que les humains pourront ce concentrer d'avantage sur du travail à forte valeur ajoutée. C'est l'essence de la promesse du RPA et également de tous les assistants conversationnels sensés nous faire gagner beaucoup de temps sur des taches  répétitives pour lesquelles nous sommes peu efficaces.
Coté Microsoft, David Smith (VP Microsoft AI & Research) argumente sur le fait que l'IA va permettre d'amplifier l'ingeniosité de l'être humain, voire de l'augmenter ce qui est tout à fait aligné avec la vision globale de Microsoft : "Permettre à toute personne et toute organisation sur la planète d'accomplir d'avantage"
David présentera l'ensemble de la plate forme Cognitive Microsoft ainsi que des démonstrations époustouflantes rendues possibles grace au capacité de Machine Learning et Deep Learning de Microsoft, comme la démo ci dessous
Chez Daisy, on est persuadé que l'IA va disrupter le monde de la grande distribution, avec l'arrivée d'Amazon et Ali Baba, les grands acteurs français vont devoir réagir rapidement au prix de se faire uberiser par ces nouveaux mutants. Daisy est un produit permettant d'utiliser l'IA pour d'optimiser la prise de décision concernant les promotions des magasins par exemple, basé sur du  Machine/Deep Learning, est déjà utilisé chez Lidl, Amazon, Wallmart etc.




Parmi les exposants du salon, on va retrouver des solutions entreprises complètes baties sur de l'IA avec DryIce par exemple de pnl. De telle solution nous font réaliser que la majeure partie des entreprises n'en sont encore qu'à l'age de Pierre, et on pourrait reprendre une illustration bien connue dans le monde de l'Agile, le manque de réactivité pour pivoter rapidement vers plus de productivité et de modernisation. Il faudra veiller à ne pas reproduire les erreurs du passé
En revanche pour le Machine / Deep learning le problème critique est le challenge créé par la qualité relative  et la structure des données, La réconciliation et l'harmonisation de données disparates à travers de multiples LOB en silo pose de réels problèmes de consistence et pertinence.Nous avons besoin de techniques de gestion effective de la données permettant de s'assurer que la donnée utilisée est à la fois comprise par l'humain et par la machine aux travers des algorithmes de MLpar exemple
La donnée est clé. La solution à ce problème dans le domaine de la finance par exemple résiderait dans l'utilisation d'ontologies au travers de la mise en place d'un standard commun de données gratuit et open source. Les ontologies permettent une harmonisation des données et l'alignememnt nécessaire pour une consolidation de données disparates basées sur un sens commun.
Les ontologies peuvent être utilisées pour transformer un contenu non structuré en une forme structurée pour du Machine Learning par exemple.
 Les recherches de l'université de Mannheim en Allemagne démontrent de plus que les ontologies peuvent aider le Machine learning à effectuer de la validation de données à minima 50 fois plus vite qu'en mode standard. 
En conclusion, pas de Machine Learning / Deep Learning performant/relevant sans ontologie
 Le Machine /Deep Learning c'est également le retour des mathématiques et statistiques avancées, ce qui va profondément changer notre métier dans les années à venir, qui vont voir considérablement augmenter les profils type Data Scientistes qui seuls aujourd'hui savent comprendre les notions d'algorithme du gradient stochastique ou la rétropropagation du gradient
Aujourd'hui, Les utilisateurs s'attendent à pouvoir communiquer avec leurs appareils, sites web en langage naturel. Les systèmes modernes doivent être conversationnels, humain et intelligent. Les récentes implémentations par google avec Google Home et Amazon Echo… en sont les meilleurs exemples

Face à cet enjeu, nous devons être capable de batir des agents conversationnels performant et conforme aux attentes des utilisateurs dans des temps de mise sur le marché courts à l'aide d'outils proposant des interfaces graphiques de conception, avec par exemple le Conversation Designer de Microsoft avec également  des capacités de déploiment multi canaux.
L'éthique en matière d'IA constitue un sujet clé, on entend parler par exemple pour les voitures autonomes d'éthique déontique ou éthique conséquensialiste qui sont par exmple deux modèles de prise de décision relarivement opposé en termes de résultats, le premier basé sur le droit commun soit le code de la route pour une voiture, le deuxième sur l'évaluation des conséquenses d'une décision sur par exemple l'espérance de vie humaine. Face à une situation critique, le véhicule ne prendra pas la même décision en fonction de son code éthique. Ce sujet a été abordé dans de multiples sessions de la conférence, ci dessous un exemple.


En conclusion de cet article : L'IA est là, les ressouces pour la développer également au travers de plate formes SAAS, Hardware avec notamment les GPUs (NVidia en tête), l'arrivée prochaine des calculateurs quantiques, des Frameworks de développements pour l'essentiel proposés par Microsoft, Amazon et Google. Il n'y a plus de raison de ne pas avancer sur ce sujet, que ce soit au travers de projets de productivité internes (RH, Finance, Recrutement etc…) ou bien encore d'applications métiers innovantes
Pour conclure ce premier article sur cette conférence voici le message délivré par Amazon: