https://www.youtube.com/watch?v=g4KBFymaoB0
je suis praticien en intelligence artificielle (IA) depuis le début des années 90 et cofondateur de nexai.net, adresse le sujet controversé des biais dans l'IA.
Le Mythe des Biais en IA
J'affirme que les discussions autour des biais en IA se concentrent de manière disproportionnée sur une petite partie de l'IA, principalement le machine learning et le deep learning.
Cette focalisation ignore la diversité et la complexité de l'ensemble des outils et méthodes en IA.
Exemples d'Intelligence Artificielle sans Biais
- AlphaGo : Un système d'IA qui a battu le champion du monde de Go, basé sur l'apprentissage par renforcement, une méthode qui permet à l'ordinateur d'apprendre et d'optimiser ses stratégies sans données d'entraînement pré-existantes et donc sans biais introduit.
- Robots expérimentaux des années 90 : Ces systèmes apprenaient et sélectionnaient les meilleures stratégies sans données d'entraînement, évitant ainsi les biais.
L'Apprentissage par Renforcement
L'apprentissage par renforcement est souligné comme une méthode d'apprentissage sans biais, car l'IA expérimente, apprend par elle-même, et trouve les meilleures solutions pour atteindre ses objectifs sans dépendre de données biaisées.
Je critique la réduction de l'IA au seul deep learning et machine learning et souligne l'importance de comprendre l'IA dans toute sa diversité.
0 Commentaires