Loading...

Le monde change rapidement et nous ne pouvons plus suivre.

Pourquoi donc ? Les progrès récents de la technologie, en particulier dans les domaines de l’intelligence artificielle (y compris le domaine de l’apprentissage automatique) ont fait des progrès significatifs pour faire pencher la balance en faveur des machines.

Ce que je veux dire par là, c’est que les machines sont maintenant capablese penser mieux que nous, résoudre les problèmes avec lesquels nous avons du mal, le tout sans avoir besoin de devenir émotif et distrait. Ce sont des caricatures ultra focalisées de nous-mêmes, construites pour décoder la réalité d’une manière que nous n’étions pas censés faire.

Mais ce n’est pas tout. Nous entrons maintenant dans le domaine de la méconnaissance des limites de ces machines, ce qui a été représenté à plusieurs reprises dans diverses expériences par des scientifiques / chercheurs. Grâce à de simples problèmes de victoire à des jeux informatiques à des matchs GO complexes, les algorithmes d’apprentissage automatique ont devancé les humains dans tous les aspects. Cela ne s’arrête pas là, cependant. Maintenant, ils peuvent être créés à volonté pour résoudre les problèmes du monde. Les vrais problèmes comme la pauvreté, les déséquilibres économiques, la pénurie d’eau peuvent tous être résolus par les machines en temps voulu.

Ils n’ont aucun préjugé, ils résolvent simplement des problèmes.

Si vous êtes nouveau dans l’apprentissage automatique, j’ai récemment suivi un cours d’Andrew Ng sur Coursera. Vérifiez-le.

Cela m’a aidé à comprendre la façon dont l’apprentissage automatique a été pensé et développé, et aussi pourquoi il ouvre des possibilités dans tous les domaines de la société humaine.

Alors, revenons à l’essentiel. L’apprentissage automatique est le concept d’un algorithme informatique (essentiellement un cerveau informatique créé par nous) qui peut apprendre sans qu’on lui dise d’apprendre quelque chose de spécifiquement. Ainsi, une fois qu’une tâche est donnée, on ne lui dit pas comment l’accomplir. Il prend automatiquement les entrées et selon qu’un humain le supervise ou non, il est capable d’afficher une sortie en fonction de sa compréhension. Si la tâche n’est pas terminée, il essaie simplement encore et encore et encore jusqu’à ce qu’elle réussisse. Une fois qu’il réussit, il essaie toujours de trouver des moyens de résoudre le problème plus efficacement. Par conséquent, vous pouvez obtenir la solution la plus optimale pour un problème qui peut être contextualisé dans un monde virtuel.

Il existe deux types d’algorithmes d’apprentissage automatique («Algo») basés sur le niveau d’implication d’un humain lors du processus de résolution de problèmes:

Loading...

(1) Supervisé: En cela, un humain affiche la solution au problème qui a été donnée à Algo, lui permettant de mesurer sa précision, puis d’apprendre en conséquence à chaque fois qu’il échoue, en optimisant son approche afin de se rapprocher de plus en plus du résultat requis.

EXEMPLE: Prenons une vente aux enchères d’articles haut de gamme. L’année dernière, 100 articles ont été vendus à divers montants. Une montre vintage a été vendue pour 4,2 millions de dollars l’année dernière. Je veux connaître le prix estimé d’une montre vintage vendue cette année. L’Algo parcourra les données passées pour les montres vintage et trouvera les corrélations entre différents points de données comme l’année de production, la marque, la renommée, l’ancien propriétaire, etc. et proposera un prix. De cette façon, l’estimation pourra être mesurée une fois que l’enchère aura lieu, et nous saurons à quel point l’Algo est précis en lui donnant plus d’informations et lui permettant d’optimiser son approche pour l’année prochaine.

(2) Non supervisé: aucune instruction préalable n’est donnée. Aucune sortie souhaitée n’est donnée. Les données sont transmises à l’Algo et des corrélations entre les données seront trouvées. Il trouvera aussi des trucs bizarres. Fondamentalement, il faudra une énorme pile de données, les séparer en fonction de ses propres paramètres et trouver des relations et des modèles entre les différentes catégories qu’il a sélectionnées.

EXEMPLES: Une énorme pile de données météorologiques montrant le temps passé pour la ville de Brampton, au Canada, est transmise à Algo. Algo comprend alors que la température n’a cessé d’augmenter au cours des 50 dernières années et nous dit qu’il y aura une augmentation de la température dans un avenir prévisible.

Algo reçoit des données boursières et les reportages enregistrés en ligne depuis 2000. Il commencera à trouver des corrélations entre les reportages et le marché boursier. Les achats / ventes d’actions axés sur les médias sont toujours un moyen pour les gens de gagner de l’argent / de perdre de l’argent en quantités énormes. Il y a déjà beaucoup d’Algo qui existent comme ça, faisant des milliers de transactions par seconde, essentiellement des machines à faire de l’argent pour la plupart des grandes banques du monde.

À quoi peut servir le Machine Learning?

Il existe un nombre illimité de façons d’utiliser l’apprentissage automatique pour influencer le monde réel, en analysant des réserves virtuelles de données. Récemment, j’ai regardé une vidéo du Youtuber, Coffeezilla (il fait un excellent travail pour exposer les escrocs sur Internet et les tenir responsables de ce qu’ils prétendent) expliquant comment sa chaîne a été supprimée par un Youtube Algo qui avait décidé que sa vidéo était contraire aux directives de Youtube . Cela a essentiellement emporté son gagne-pain et sa principale source de subsistance. Normalement, ce genre de décision est entre les mains des employeurs, des juges et du gouvernement. À partir de cet exemple de base, vous pouvez voir pourquoi les intellectuels paniquent à cause de l’influence que les robots auront à l’avenir.

Dans le cas de Coffeezilla, heureusement, l’Algo avait tort et sa chaîne a été rétablie. Cependant, le contrôle humain pourrait diminuer à l’avenir et les machines seront considérées comme ayant raison, prononçant des condamnations à mort pour les criminels, en supprimant les scores de crédit social (comme on peut le voir en Chine). Si les Algos comme celui-ci deviennent de plus en plus puissants, influençant notre façon de vivre, l’avenir ne peut que devenir plus sombre. Je crois que ces Algos doivent être surveillés par d’autres Algos («MoralBots») pour les vérifier et s’assurer qu’ils remplissent leur part du contrat. Une fois que les Algos ont fait quelque chose de mal ou ont pris de mauvaises décisions à plusieurs reprises, les MoralBots passeront à l’action et les «signaleront». Après le signalement, les propriétaires d’Algo (espérons-le, les humains) seront informés des problèmes possibles et des moyens d’améliorer l’Algo. L’Algo sera temporairement retiré pour être réparé. Après des contrôles satisfaisants dans les simulateurs, il pourra être redéployé.

«Les contrôles et soldes pour Algos doivent être développés maintenant, avant qu’il ne soit trop tard

Loading...

Étiqueté dans :