L’intelligence artificielle est en train de transformer les soins de santé. Les entreprises spécialisées dans l’IA utilisent des algorithmes de Machine Learning, Computer Vision et le NLP dans leurs technologies de santé pour tout comprendre de la chimie des médicaments aux marqueurs génétiques. Ces mêmes entreprises proposent des consultations en ligne grâce à l’analyse prédictive et intègrent les résultats des tests et les données des capteurs pour fournir aux médecins des informations en temps réel sur l’état des patients.

Les domaines les plus intéressants pour l’IA dans les soins de santé sont la Computer Vision et le NLP. Il est  impressionnant de se rendre compte des applications actuelles réelles de la Computer Vision et du NLP dans les soins de santé. A l’avenir on estime que la Computer Vision et le NLP joueront un rôle de plus en plus important pour aider les médecins, les patients et les chercheurs à découvrir et à combattre les maladies. Dans cet article, nous vous présentons les principales applications actuelles de la Computer Vision et du traitement automatique du langage naturel dans le domaine de la santé et ce que vous pouvez attendre dans un avenir proche.

L’IA dans les soins de santé : Un mariage réussi

L’IA est douée pour identifier des modèles, faire des prédictions et analyser des situations complexes. Les soins de santé sont peut-être la combinaison ultime de ces trois disciplines. Des algorithmes d’IA bien mis en œuvre peuvent littéralement sauver des vies lorsqu’ils aident un médecin à remarquer une anomalie, à signaler une erreur, à améliorer l’administration de médicaments ou à former des experts médicaux. Le NLP et la Computer Vision sont à la pointe de l’IA et présentent le plus grand potentiel pour les soins de santé.

Le NLP aide les ordinateurs à interpréter le langage humain et à y répondre. Outre l’observation visuelle, la description des symptômes par le patient est l’un des principaux éléments sur lesquels s’appuie un médecin pour établir un diagnostic ou réduire les possibilités. Si les algorithmes du NLP peuvent aider à répondre aux questions de sélection initiale, les médecins peuvent passer moins de temps à trier et à demander des informations générales. Au lieu de cela, ils peuvent prescrire des tests et examiner des problèmes spécifiques.

Les soins de santé s’appuient également fortement sur divers types d’images et de scans pour tout, du diagnostic à la découverte de nouveaux médicaments, et c’est là que la Computer Vision dans les soins de santé prend tout son sens. Souvent, ces images sont granuleuses, difficiles à distinguer ou nécessitent la reconnaissance de motifs très petits et spécifiques. Les ordinateurs peuvent aider et souvent dépasser les capacités humaines dans ces types de tâches d’analyse d’images. Grâce à la Computer Vision dans les soins de santé, cette technologie d’intelligence artificielle peut aider les médecins et les chercheurs à obtenir des résultats plus rapides et plus précis à partir de tests, de scans et de dépistages.

Exemples de Computer Vision et de traitement automatique des langues dans le secteur de la santé

Le dépistage du cancer

La Computer Vision s’est révélée très prometteuse dans l’identification des cellules cancéreuses et des tumeurs à partir d’images et de résultats de biopsies.

Jusqu’à présent, les plus grandes percées ont été réalisées dans le domaine de la dermatologie, où un ordinateur peut analyser une image de la peau d’une personne de manière beaucoup plus rapide et approfondie qu’un dermatologue effectuant un examen en personne. Récemment, des algorithmes de Computer Vision se sont révélés plus efficaces que les médecins pour identifier d’éventuelles tumeurs cancéreuses de la peau.

Des percées similaires ont été réalisées dans le domaine du dépistage du cancer du sein. La Computer Vision peut être appliquée aux images de mammographie pour identifier avec précision les tumeurs du sein. De plus, les images de tomodensitométrie pulmonaire traitées par des algorithmes de Computer Vision se sont révélées prometteuses pour identifier le cancer du poumon.

Du test au traitement, plus rapidement

Une autre application prometteuse de la Computer Vision et du NLP dans le domaine des soins de santé est le diagnostic à distance et l’accélération des résultats des tests. Si les patients peuvent être examinés et testés plus rapidement, la médecine préventive est plus efficace pour atténuer les conséquences des maladies.

Babylon Health est une startup britannique qui travaille dans le domaine du diagnostic rapide. Elle a développé une application et des algorithmes NLP pour aider un chatbot à vous poser les mêmes questions qu’un médecin vous poserait lors d’un examen en personne. L’application ne pose pas de diagnostic officiel, mais utilise le traitement de la parole et du langage pour faire ressortir les symptômes, puis transmet les informations de votre profil à un médecin. Le médecin utilise les informations traitées par l’application pour établir un diagnostic rapide et peut même discuter avec le patient par appel vidéo dans l’application.

Une autre société, Medopad, s’est penchée sur des questions similaires, mais en mettant l’accent sur les fournisseurs. Ses applications intelligentes fournissent aux médecins des informations supplémentaires pendant le processus de diagnostic. Récemment, Babylon Health et Medopad se sont associées à la société chinoise Tencent pour utiliser et améliorer ses algorithmes d’apprentissage automatique, ainsi que d’autres applications de Computer Vision de Tencent, qui peuvent identifier les symptômes à partir des photos des utilisateurs. La principale promesse de la Computer Vision est le triage, qui permet d’éliminer facilement les cas évidents non symptomatiques afin que les médecins puissent se concentrer sur l’examen des images et, en fin de compte, sur l’examen des patients qui présentent des symptômes.

Vers une recherche accélérée

La recherche est une autre application très prometteuse de la Computer Vision dans le domaine des soins de santé. En utilisant des scans anonymes d’anciens patients, les chercheurs, les fabricants de matériel médical et les sociétés pharmaceutiques peuvent identifier des tendances et économiser du temps et de l’argent dans les phases d’essais cliniques de la recherche. La Computer Vision promet d’accélérer l’identification des tendances dans les images des patients, en établissant des liens qui prendraient du temps, voire seraient impossibles, à découvrir par des chercheurs humains.

L’identification de schémas dans les blessures et la progression des maladies est essentielle pour découvrir des solutions et apprendre à prévenir les maladies en premier lieu. À cet égard, Benevolent AI est une entreprise qui mène la charge dans un nouveau monde de recherche médicale alimenté par l’IA. Ses algorithmes de NLP analysent les articles de recherche du monde entier et établissent des liens entre les articles communs pour les chercheurs, avec une portée et une profondeur qui n’étaient pas envisageables avant l’IA. L’étape suivante consiste à appliquer cette philosophie de liaison aux images de recherche, aux molécules de médicaments et à d’autres modèles visuels afin d’accélérer et de contextualiser encore davantage la recherche dans le domaine des soins de santé.

Simulation chirurgicale

La simulation chirurgicale et la technologie d’assistance chirurgicale se situent à l’intersection de la Computer Vision et de la réalité augmentée. Ce domaine en plein essor aide les chirurgiens à s’entraîner et à prendre des décisions lors d’interventions chirurgicales complexes, y compris les opérations laparoscopiques pour lesquelles les chirurgiens ne peuvent compter que sur les images de la caméra.

Touch Surgery est une entreprise qui ouvre la voie dans ce domaine. Son application mobile permet à n’importe qui dans le monde d’apprendre et de se préparer à la chirurgie en se basant sur les meilleures pratiques de pointe, grâce à plus de 100 simulations chirurgicales dans quatorze spécialités. 

À mesure que la Computer Vision améliore sa capacité de reconnaissance, les chirurgiens pourraient être en mesure d’utiliser la réalité augmentée lors d’interventions chirurgicales réelles. Ils pourraient recevoir des conseils, des avertissements et des mises à jour en temps réel sur la base de ce que l’algorithme de Computer Vision voit dans la salle d’opération.

L’avenir de la Computer Vision et du NLP dans les soins de santé

La Computer Vision et le NLP dans le domaine de la santé présentent clairement un grand potentiel pour améliorer la qualité et le niveau des soins de santé dans le monde. Les médecins s’appuient sur des images, des scans, une vision personnelle, les réponses du patient et la recherche médicale pour établir leurs diagnostics. Avec l’aide de la Computer Vision et de la PNL, ces diagnostics peuvent être plus rapides et plus complets, ce qui permet d’offrir des soins de santé plus rapides et de meilleure qualité à tous.

Malheureusement, malgré les nombreuses percées et évolutions technologiques dans le domaine des soins de santé, il faudra probablement attendre encore une dizaine d’années avant que la majorité des applications de l’IA dans le domaine des soins de santé ne se généralisent en raison du mode de fonctionnement du secteur. D’ici là, nous parlerons des derniers développements de la Computer Vision et du NLP dans les soins de santé.

Merci pour votre lecture ! Vous pouvez nous suivre sur Facebook, LinkedIn et Twitter pour être notifié lorsqu’un nouvel article est publié !

Si toute fois l’intelligence artificielle est un domaine qui vous passionne DATAROCKSTARS propose le Bootcamp Data Full Stack, formation durant laquelle les notions de NLP et Computer vision seront abordées !

L’article Computer Vision et NLP au service de la santé est apparu en premier sur DATAROCKSTARS.

L’intelligence artificielle peut améliorer l’intelligence humaine. Les systèmes d’Intelligence artificielle, s’ils sont utilisés, peuvent être très bénéfiques en matière de cybersécurité. Les systèmes d’IA peuvent être entraînés à générer des alertes pour les menaces, à identifier de nouveaux types de logiciels malveillants et à protéger les données sensibles, ce qui pourrait être très utile contre les cyberattaques.

Selon une étude, une entreprise de taille moyenne reçoit des alertes pour plus de 200 000 cyber-événements chaque jour. Une équipe d’experts en sécurité dans une petite entreprise ne peut pas faire face à ce volume de menaces. Certaines de ces menaces passeront donc naturellement inaperçues et causeront de graves dommages à l’entreprise et aux données.

L’IA peut traiter un grand nombre de données

De nombreuses activités se déroulent sur le réseau d’une entreprise. Une entreprise de taille moyenne a elle-même un trafic énorme. Cela signifie qu’un grand nombre de données sont transférées quotidiennement entre les clients et l’entreprise. Ces données doivent être protégées contre les personnes et les logiciels malveillants. Les systèmes d’IA peuvent traiter une grande quantité de données par rapport aux humains, car les systèmes informatiques sont plus efficaces et rapides que les humains.

L’Intelligence artificielle apprend davantage au fil du temps

La technologie de l’Intelligence Artificielle utilise ses capacités pour améliorer la cybersécurité du réseau au fil du temps. Elle utilise l’apprentissage automatique et l’apprentissage profond pour apprendre le comportement d’un réseau d’entreprise au fil du temps. Elle reconnaît les modèles sur le réseau et travaille dessus.

Les schémas que les systèmes artificiels apprennent au fil du temps peuvent contribuer à améliorer la sécurité à l’avenir. Les menaces présentant des traits similaires à ceux enregistrés sont bloquées suffisamment tôt. Le fait que l’IA continue d’apprendre fait qu’il est difficile pour les pirates de battre son intelligence.

Une meilleure sécurité

Les menaces auxquelles les systèmes sont confrontés évoluent de temps en temps. Les pirates changent leurs méthodes tous les jours. Il est donc difficile de prévenir les tâches de sécurité dans une entreprise. Vous pouvez être confronté à des attaques dont le potentiel est similaire, mais vous devez d’abord savoir à quoi vous attendre. Les menaces plus importantes qui peuvent faire de la sécurité un défi sont l’erreur humaine et la négligence. La solution ici est de déployer l’IA sur votre réseau pour détecter tous les types d’attaques et vous aider à les hiérarchiser et à les prévenir.

Intelligence artificielle et cybersécurité pour identifie les menaces inconnues

Un être humain peut ne pas être en mesure d’identifier toutes les menaces auxquelles une entreprise est confrontée. Chaque année, les pirates informatiques lancent des centaines de millions d’attaques aux motivations diverses. Les menaces inconnues peuvent causer des dommages massifs à un réseau. Le pire, c’est l’impact qu’elles peuvent avoir avant que vous ne les ayez détectées, identifiées et prévenues.

Alors que les attaquants essaient de nouveaux moyens, de l’ingénierie sociale aux attaques de logiciels malveillants, il est nécessaire d’utiliser des solutions modernes pour les prévenir. L’Intelligence Artificielle s’est avérée être l’une des meilleures technologies pour cartographier et arrêter les menaces inconnues et joue ainsi un rôle dans la cybersécurité .

Efficacité des contrôles

Il est important de comprendre l’impact des différents outils et processus de sécurité que vous avez employés pour maintenir une posture de sécurité solide. L’IA peut aider à comprendre les points forts et les lacunes de votre programme.

Prédiction des risques

Exposition aux menaces et efficacité des contrôles, les systèmes basés sur l’IA peuvent prédire comment et où vous êtes le plus susceptible d’être attaqué en utilisant l’apprentissage automatique, la vision par ordinateur et l’apprentissage profond, afin que vous puissiez planifier l’allocation des ressources et des outils vers les zones de faiblesse. Les idées prescriptives dérivées de l’analyse de l’IA peuvent vous aider à configurer et à améliorer les contrôles et les processus pour améliorer le plus efficacement possible les cyber-sécurités de votre organisation.

En conclusion

Garder vos données et votre réseau sécurisés n’est pas facile dans l’environnement commercial actuel. Vous pouvez faire un pas décisif vers plus de sécurité en adoptant l’IA pour renforcer votre sécurité. L’utilisation de l’IA pour la sécurité des entreprises présente de nombreux avantages et nous pouvons dire que très bientôt, l’intelligence artificielle fera partie intégrante de la cybersécurité des entreprises.

Pour en savoir plus sur l’IA et la sécurité des entreprises rejoignez la formation Data Science & IA. Cette formation d’acculturation vous donnera toutes les acquis en matière d’intelligence artificielle et de RGPD.

Merci pour votre lecture ! Si vous souhaitez lire nos prochains articles autour de la Data Science, vous pouvez nous suivre sur Facebook, LinkedIn et Twitter pour être notifié lorsqu’un nouvel article est publié !

L’article Utilisation de l’Intelligence Artificielle dans la cybersécurité est apparu en premier sur DATAROCKSTARS.

Au Togo, à Ganavé, les données du GPS sont utilisées par le gouvernement pour fournir les aides sociales. Les bénéficiaires sont ainsi ciblés grâce à l’intelligence artificielle.

C’est grâce aux images satellites de ce petit village où les toits sont en chaume et en tôle, les sols et les routes en terre-battue, que cette zone défavorisée a été rendue éligible à un programme d’aides sociales inédit en Afrique. 

Son nom ? Novissi, “solidarité” en éwé, l’une des langues nationales de ce petit pays du golfe de Guinée. 

Au Togo, le virus a frappé de plein fouet la population. Pas tant par sa létalité (216 décès au 21 septembre) que par les restrictions qu’il a imposées. “Le Covid a tout bloqué, résume Ekoe Degbe, représentant du canton. Les frontières ont été fermées, l’accès à la capitale interdit, nos paysans et nos commerçants ne pouvaient plus aller vendre aux citadins. La faim a commencé à arriver.”

Les autorités réagissent dès avril 2020 en mettant en place un programme d’aide à destination des travailleurs informels de la capitale, Lomé. Le principe est simple : les petits vendeurs et artisans s’inscrivent par téléphone avec leur carte d’électeur, sur laquelle figure leur profession. Les hommes sélectionnés reçoivent mensuellement 10 500 francs CFA (16 euros) pendant cinq mois, 12 250 francs CFA pour les femmes (18,50 euros), soit un tiers du smic local. Les bénéficiaires reçoivent l’argent sur un compte lié à leur opérateur de téléphonie mobile et peuvent le récupérer en cash dans un point-retrait à proximité, un système très répandu en Afrique. 

Près de 820 000 personnes (un habitant sur dix) ont bénéficié de cette aide pour un montant total de 20,3 millions d’euros, financé par l’Etat togolais, avec le soutien de l’Agence française de développement. 

Mais pour réussir à toucher les gens dans le reste du pays, il a fallu innover. C’est l’économiste franco-américaine Esther Duflo, Prix Nobel d’économie, qui souffle la bonne idée aux autorités togolaises : consulter des chercheurs de l’université de Californie à Berkeley spécialisés dans l’intelligence artificielle. Ces derniers ont mis au point un algorithme croisant des données satellitaires et téléphoniques pour cibler au mieux les citoyens dans le besoin.

Le premier filtre permet, grâce à l’observation d’images spatiales, d’identifier les habitats les plus précaires en détectant l’état des routes, la qualité des toitures ou la fréquence des plantations. Le village de Ganavé Anamé est choisi avec quelques autres. Mais le nombre d’allocataires est encore trop vaste. Un second filtre est alors appliqué, en collaboration avec les opérateurs de téléphonie mobile. Les données des habitants présélectionnés sont passées au crible : fréquence et durée des appels, montant du crédit disponible sur le téléphone. “Un usager qui appelle peu et reçoit peu d’argent de ses proches sur son mobile sera jugé vulnérable”, explique Floriane Acouetey, représentante au Togo de GiveDirectly, une organisation caritative américaine à laquelle s’est associé le gouvernement pour mettre en oeuvre Novissi.

L’algorithme mouline alors l’ensemble des données pour établir une carte précise de la pauvreté, maison par maison. “Dans les campagnes, il était difficile de distinguer les habitants les plus nécessiteux, explique Cina Lawson, ministre des Postes et de l’Economie numérique. Il nous fallait un outil pour les géolocaliser rapidement et à distance, car les restrictions sanitaires nous empêchaient d’aller sur place.” 

A la distribution de nourriture, le gouvernement préfère le transfert d’argent, sur les conseils, là encore, d’Esther Duflo. Les paniers alimentaires ? Des nids à corruption et une logistique infernale, alerte-t-elle. 140 000 Togolais ont été sélectionnés grâce à ce système.

Parmi eux, Gbedekpe Ekoue. La femme de 45 ans avait laissé son téléphone à la maison au moment où le bip du message indiquant le versement a retenti. “Quand je suis rentrée à la maison, mes enfants sont venus m’annoncer la nouvelle, j’étais d’abord été surprise, puis j’ai ri de joie”, se souvient-elle, enveloppée dans un large pagne aux motifs bariolés. Dans sa cour, elle plonge et tourne à la force de ses bras une grande cuillère en bois dans une marmite remplie de bouillie de maïs, posée sur un feu de bois. “Ça m’a permis d’acheter du maïs, et même suffisamment pour aller en vendre au marché du village”, se réjouit la mère de huit enfants.

Si les femmes reçoivent un peu plus que les hommes, c’est parce qu’elles se préoccupent davantage du foyer, explique le représentant du canton de Ganavé, Ekoe Degbe : “Les maris pensent moins aux enfants, et certains iront même dépenser leur argent dans la boisson”, souligne-t-il. 

Jusqu’à présent, l’aide reçue semble toutefois avoir été utilisée à bon escient. “Les ménages bénéficiaires n’ont pas les moyens de gaspiller ces sous, et ils savent que les versements ont une durée limitée”, pointe Floriane Acouetey, de GiveDirectly. “A part la nourriture, les familles utilisent cet argent pour les frais de scolarité, ou le font fructifier en achetant plus de semences pour la prochaine récolte.” 

Mécanicien de deux-roues, Dosseh Teko a vu son atelier au toit de branches et de feuillages déserté pendant la pandémie. “L’argent ne circulait plus, donc les mototaxis non plus, se désole-t-il. L’aide de Novissi m’a permis de faire de la soudure, et j’ai commencé à acheter de l’huile de moteur en gros pour le revendre en petites quantités.”

A ses côtés, un homme se plaint. Il a reçu, lui aussi, le premier versement. Mais il attend toujours les suivants. Quelques autres habitants évoquent un problème similaire. Des soucis techniques minoritaires, assure de son côté GiveDirectly, qui projette de répliquer son modèle au Kenya. 

“Le digital, c’est notre avenir”

Un petit attroupement se forme. Des habitants se demandent pourquoi certains ont touché une aide et pas d’autres. Derrière ces questions, certains n’hésitent pas à accuser le gouvernement. Lors de la première phase du programme Novissi, l’an dernier, l’opposition togolaise a accusé le pouvoir autoritaire de Faure Gnassingbé – successeur en 2005 de son père qui fut président pendant trente-sept ans – de clientélisme. Le régime aurait cherché à favoriser ses sympathisants. Une accusation rejetée par les autorités, qui certifient également que les données utilisées par l’algorithme sont anonymisées et protégées.

“Le digital, c’est notre avenir, insiste pour sa part la ministre Cina Lawson. C’est notre clef pour développer le pays en incluant toute la population.”  Tirant un bilan positif de l’expérience Novissi-GiveDirectly, le gouvernement compte pérenniser cet outil et l’utiliser en cas d’autres crises sanitaires ou climatiques.

---

“Le mécanisme Novissi peut servir de maquette quant au développement de la protection sociale” en Afrique subsaharienne, écrivait en 2020 Mouhamadou Moustapha Ly, économiste à l’université Mohammed VI Polytechnique, au Maroc. Si “des efforts importants sont consentis par les pays africains en matière de financement des filets sociaux […], un nombre important de ménages demeurent sans couverture sociale en Afrique”, observait-il. 

A Ganavé, Nouglo Amoussou-Dabla est satisfait. Avec cette allocation, l’éleveur a agrandi son troupeau de chèvres. 

L’IA fait des miracles ! Pour en savoir plus sur l’IA et la RGDP rejoignez la formation Data Science & IA. Cette formation d’acculturation vous donnera toutes les acquis en matière d’intelligence artificielle et de RGPD.

Merci pour votre lecture ! Si vous souhaitez lire nos prochains articles autour de la Data Science, vous pouvez nous suivre sur Facebook, LinkedIn et Twitter pour être notifié lorsqu’un nouvel article est publié

Cet article a été inspiré par : Intelligence artificielle : au Togo, un algorithme contre la pauvreté 

L’article Intelligence artificielle : au Togo, un algorithme contre la pauvreté est apparu en premier sur DATAROCKSTARS.

A l’origine de l’intelligence artificielle

L’intelligence artificielle (IA) est un sujet qui questionne beaucoup et fait partie de notre quotidien. Elle est devenue si répandue que l’on a besoin de plus d’un million d’ingénieurs en IA dans le monde, que YouTube a créé une série de neuf vidéos sur l’IA et qu’Elon Musk a créé une société appelée Neuralink en réponse à ses préoccupations concernant l’IA. Le soucis est donc de combiner IA et éthique. L’intérêt pour l’IA a presque doublé au cours des cinq dernières années selon Google Trends.

Souvent les idées qui entourent l’IA sont assez mal comprises, le manque de compréhension qui l’entoure pouvant expliquer ce sujet si controversé. En fait, on pense que les controverses sont le résultat d’un manque de confiance de la part des parties en conflit. Par exemple, en ce qui concerne les controverses sur le changement climatique, il a été émis la possibilité que les personnes s’opposant au consensus scientifique sont celles ne disposant pas  de suffisamment d’informations.

Il est important que nous puissions collectivement réfléchir de manière critique à la façon dont l’IA façonnera l’avenir de l’humanité.

Qu’est-ce que l’intelligence artificielle ?

Selon Techopedia, “l’intelligence artificielle (IA) est une branche de l’informatique qui vise à doter les logiciels de la capacité d’analyser leur environnement à l’aide de règles et d’algorithmes de recherche prédéterminés, ou de modèles d’apprentissage automatique à reconnaissance de formes, puis de prendre des décisions sur la base de ces analyses”.

Pourquoi l’intelligence artificielle est-elle si populaire aujourd’hui ?

Une des raisons pour laquelle l’IA a gagné en popularité récemment est l’amélioration de la puissance des ordinateurs. Principalement, l’augmentation de la puissance des unités de traitement graphique (GPU) a permis aux organisations d’exécuter des applications massives de réseaux neuronaux à des vitesses qu’il était impossible d’atteindre il y a dix ans.

Parmi les autres raisons, citons la disponibilité d’un stockage en Cloud peu coûteux, ainsi que l’évolution des logiciels de deep learning et leur disponibilité en open-source.

Les craintes et les inquiétudes entourant l’intelligence artificielle

L’IA étant un sujet tellement nouveau, elle a suscité non seulement de nombreuses controverses, mais aussi des spéculations, du scepticisme et des inquiétudes.

Cela nous amène à l’hypothèse la plus populaire, la singularité technologique, qui est l’idée qu’il pourrait y avoir un moment où la croissance technologique devient incontrôlable et irréversible, entraînant des changements imprévisibles dans la civilisation humaine. La singularité devrait se produire après le moment où les créations technologiques dépasseront la puissance de calcul des cerveaux humains. Ray Kurzweil, inventeur et futurologue, prédit, sur la base de la loi de Moore et de la tendance générale à la croissance exponentielle, que la singularité se produira avant le milieu du 21e siècle. Selon la loi de Moore, nous pouvons nous attendre à ce que la vitesse et les capacités de nos ordinateurs augmentent tous les deux ans et à ce que nous payions moins cher pour les acquérir.

Plus spécifique et plus pertinente que l’idée de singularité technologique est une théorie appelée Explosion de l’intelligence, un agent intelligent améliorable qui finira par entrer dans une réaction d’emballement des cycles d’auto-amélioration, aboutissant à une superintelligence puissante qui surpasse qualitativement toute intelligence humaine. La superintelligence est un agent hypothétique qui possède une intelligence dépassant de loin celle des esprits humains les plus brillants et les plus doués. Elle repose sur l’idée de l’intelligence générale artificielle (AGI), qui est l’intelligence hypothétique d’une machine capable de comprendre ou d’apprendre n’importe quelle tâche intellectuelle dont est capable un être humain.

Ce qui pourrait être plus réaliste et peut-être un problème plus immédiat, c’est la partialité des systèmes d’IA. La partialité est le préjugé en faveur ou à l’encontre d’une chose, d’une personne ou d’un groupe par rapport à un autre, généralement d’une manière considérée comme injuste. Si l’on revient à la définition de l’intelligence artificielle, elle vise à doter un logiciel de la capacité d’analyser son environnement à l’aide de règles et d’algorithmes de recherche prédéterminés ou de modèles d’apprentissage automatique à reconnaissance de formes. Ces règles, algorithmes et modèles peuvent avoir des biais sous-jacents qui proviennent des données dans lesquelles ils ont été créés ou des ingénieurs qui ont développé le système.

Cette situation est dangereuse car elle peut entraîner des violations de la vie privée, des discriminations et de graves conséquences sociales. Par exemple, l’algorithme d’apprentissage automatique d’Amazon pour le recrutement s’est avéré être biaisé contre les femmes. La raison en est que l’algorithme était basé sur le nombre de CV soumis au cours des dix dernières années, et comme la plupart des candidats étaient des hommes, il a été entraîné à favoriser les hommes par rapport aux femmes.

Outre la partialité de l’IA, il existe un certain nombre d’autres risques potentiels, notamment l’atteinte à la vie privée et les intentions malveillantes. Il y a atteinte à la vie privée lorsque des informations personnelles sont collectées sans notre consentement. La disponibilité de trop d’informations personnelles peut poser des risques sociaux. L’intention malveillante consiste à créer des systèmes d’IA pour nuire à la société. Un exemple de cela est la création d’armes militaires qui utilisent l’IA pour détecter une personne d’une race, d’une ethnie spécifique, etc.

Combiner éthique et intelligence artificielle

En réponse aux risques de l’IA, de nombreuses organisations ont lancé diverses initiatives visant à établir des principes éthiques pour l’adoption d’une IA socialement bénéfique. Luciano Floridi, professeur de philosophie et d’éthique de l’information à l’université d’Oxford, a analysé plusieurs des ensembles les plus médiatisés de principes éthiques pour l’IA et a élaboré un cadre global de cinq principes fondamentaux pour l’IA éthique, dont quatre sont couramment utilisés en bioéthique, l’étude des questions éthiques découlant des progrès de la biologie et de la médecine.

Les cinq principes de l’IA éthique sont les suivants :

• La bienfaisance

La bienfaisance consiste à promouvoir le bien-être, à avoir un effet positif sur l’humanité et à préserver la planète. La Déclaration de Montréal pour une IA responsable stipule, à propos de la bienfaisance, que “le développement de l’IA devrait en fin de compte promouvoir le bien-être de toutes les créatures sensibles”.

• Non-malfaisance

La non-malfaisance consiste à ne pas faire de mal ou à infliger le moins de mal possible pour obtenir un résultat. Ne confondez pas cela avec la bienfaisance – “faire le bien” et “ne pas faire de mal” sont deux choses différentes. La prévention des atteintes à la vie privée est particulièrement importante.

• Autonomie

En mettant en œuvre des systèmes d’IA, nous, les humains, abandonnons volontairement une partie de notre pouvoir de décision. Toutefois, le principe d’autonomie implique de trouver un équilibre entre le pouvoir de décision que nous conservons pour nous-mêmes et celui que nous déléguons aux agents artificiels. La Déclaration de Montréal stipule que “le développement de l’IA devrait promouvoir l’autonomie de tous les êtres humains”.

• Justice

La justice signifie préserver la solidarité et éviter l’injustice – c’est la solution aux préjugés dans l’IA. La Déclaration de Montréal définit spécifiquement ce principe comme suit : “le développement de l’IA devrait promouvoir la justice et chercher à éliminer tous les types de discrimination”.

• Explicabilité

Le dernier principe est celui de l’explicabilité, qui renvoie à la nécessité de comprendre et de rendre compte des processus décisionnels de l’IA. Nous devons promouvoir la transparence et l’interprétabilité en matière d’IA et tenir les gens responsables de leurs actions.

Si le cadre ci-dessus fournit une vue d’ensemble cohérente et suffisamment complète des principes éthiques centraux de l’IA (Floridi et al., 2018), il peut alors servir d’architecture au sein de laquelle les lois, les règles, les normes techniques et les meilleures pratiques sont élaborées pour des secteurs, des industries et des juridictions spécifiques.

Le débat doit dans tous les cas être permanent et attirer l’attention de tous afin d’en connaître au moins les cinq principes, en particulier ceux qui travaillent avec des modèles de Machine Learning et des systèmes d’IA.
Il faudra donc continuer de se poser des questions telles que :

Comment pouvons-nous éliminer tous les biais nuisibles de l’IA ? Qu’est-ce qui est considéré comme de la bienfaisance ? Quelles sont les limites de ce qui est bon ou mauvais ? Comment pouvons-nous tenir les gens responsables de leurs actions ? Ces principes sont-ils applicables ? Si non, qu’est-ce qui l’est ? Dans l’affirmative, comment pouvons-nous les faire respecter ?

Pour en savoir plus sur l’IA et la RGPD rejoignez la formation Data Science & IA. Cette formation d’acculturation vous donnera toutes les acquis en matière d’intelligence artificielle et de RGPD.

Merci pour votre lecture ! Si vous souhaitez lire nos prochains articles autour de la Data Science, vous pouvez nous suivre sur Facebook, LinkedIn et Twitter pour être notifié lorsqu’un nouvel article est publié

Cet article a été inspiré par : Une introduction à l’Intelligence Artificielle éthique

L’article Une introduction à l’intelligence artificielle éthique est apparu en premier sur DATAROCKSTARS.

La Data Science peut aussi œuvrer pour notre monde, pour nos interactions sociales.

Dans l’enchevêtrement de codes et l’élan incessant de la technologie, il est souvent trop facile de perdre de vue l’objectif principal de notre travail.

Bien que nous ayons tous des motivations différentes, je crois que nous sommes unis par le désir d’influencer par notre travail et de contribuer de manière significative d’une façon ou d’une autre. Alors que nous continuons à apprendre et à progresser dans nos carrières, nous cherchons également à comprendre comment être en mesure d’utiliser nos compétences pour penser de manière créative et critique afin de résoudre des problèmes de la vie réelle.

La science des données, en tant que domaine, a tendance à être obscurcie par de nombreux mots à la mode (“IA”, “apprentissage profond”, “Big data”) qui se rapportent à ce que nous pouvons faire, sans que l’on sache vraiment pourquoi nous le ferions en premier lieu. Il s’agit d’un domaine en pleine expansion, avec un potentiel énorme, mais je pense qu’il est important de changer le discours. Oui, l’apprentissage automatique, mais pourquoi ? Oui, le big data, mais pour quoi faire ?

La Data Science permet de résoudre des problèmes concrets

Comment pouvons-nous tirer parti de la science des données et de ses outils polyvalents pour résoudre des problèmes concrets ? Quelles sont les implications pour le “bien” social ? Les technologies progressent et se développent, les données deviennent plus prolifiques et utiles. Comment pouvons-nous, en tant que scientifiques des données bénéficiant de cet élan, aider le reste du monde à rattraper son retard ?

Comme il semble que ce sujet de conversation soit actuellement limité sur le web, voici un aperçu de quelques pistes de contribution disponibles. L’aspirant bienfaiteur de la science des données doit certainement faire preuve de plus d’initiative afin de trouver les voies de contribution appropriées, mais ce n’est pas impossible.

Se porter volontaire auprès d’un programme ou d’une organisation de science des données à vocation sociale

Il existe des bourses en science des données à vocation sociale, généralement en collaboration avec des organismes à but non lucratif et des administrations locales. Il s’agit notamment de la bourse Data Science for Social Good Fellowship de l’université de Chicago et du Thorn Innovation Lab. Ces bourses permettent de se faire une idée plus précise de la myriade de problèmes qui peuvent être résolus par l’application de données et d’outils analytiques.

DataKind est une organisation de science des données qui se concentre uniquement sur le bien social et offre diverses possibilités de bénévolat, que ce soit par le biais du mentorat ou de l’utilisation de vos compétences en science des données pour aider à résoudre un problème social dans l’un de leurs projets DataCorps. DataKind se coordonne également avec de nombreuses organisations à but non lucratif et organise des concours et des hackathons dans le même esprit.

Contribuez via des concours

Kaggle, le principal site de concours de science des données, accueille une myriade de concours destinés à tester vos compétences en la matière. Certains de ces concours portent sur des problèmes sociaux.

Une compétition sur la prédiction de la pauvreté au Costa Rica (Kaggle.com)

Plateforme de concours plus récente, axée sur la société, DrivenData s’associe à diverses organisations. Ces organisations sont généralement à but non lucratif et se concentrent sur des problèmes sociaux difficiles ayant un impact sur le monde réel.

Quelques-une des compétitions disponibles sur Drivendata.org

Les développeurs et les scientifiques des données sont en mesure d’apporter des solutions pour aider à résoudre ces problèmes. Leurs solutions seront utilisées par les organisations partenaires afin qu’elles puissent mener plus efficacement leurs missions sociales.

D’autres concours et hackathons de science des données, orientés vers le “ bien “, sont également organisés occasionnellement par d’autres organisations.

Envisagez des solutions aux problèmes du monde réel que vous rencontrez.

Bien qu’utiles pour cadrer et présenter les problèmes, les concours ne sont pas complètement nécessaires à la résolution des problèmes. Un data scientist plein de ressources peut identifier et travailler à résoudre des problèmes de bien social par lui-même, avec les données dont il dispose. La Gap Minder Foundation est une excellente source de données qui fournit des statistiques permettant de comprendre les tendances mondiales. Plutôt que d’obscurcir les statistiques par des émotions ou des drames, Gap Minder met l’accent sur l’objectivité pour promouvoir une véritable compréhension de notre monde, afin que nous puissions mieux travailler pour le rendre meilleur.

Sample de données produites par la Fondation Gap Minder, démontrant la relation entre l’espérance de vie et le niveau d’émission CO2 du pays.

Data for Democracy est une communauté composée d’e-volontaires qui conçoivent et apportent leurs propres solutions aux problèmes. Tout le monde peut contribuer, tout est dirigé par la communauté, et les solutions soumises ont le potentiel de mener des interventions efficaces sur un ensemble de questions diverses.

Soyez réfléchi dans votre travail professionnel

Les postes en science des données existent et continuent d’émerger dans tous les secteurs, du privé au public en passant par le secteur à but non lucratif. Il existe de nombreuses possibilités d’avoir un impact social significatif dans vos activités professionnelles. Dans le secteur privé, il y a certainement des entreprises qui développent des solutions innovantes à des problèmes sociétaux plus importants. Par exemple, les soins de santé et d’autres domaines à caractère scientifique (voir le changement climatique) continuent d’évoluer rapidement, avec une croissance qui est essentiellement alimentée par celle des données et des technologies. L’apprentissage profond et d’autres outils analytiques peuvent contribuer à améliorer des choses telles que les diagnostics de santé ou les solutions à la pollution atmosphérique, ce qui aurait des répercussions importantes sur la santé de la population.

Le travail en science des données est également disponible pour les organisations qui sont orientées vers le service du bien public. Les gouvernements commencent à reconnaître l’importance des données pour comprendre leurs citoyens, en particulier leur utilisation pour mettre en œuvre des interventions et des politiques efficaces et fondées sur des preuves.

De même, les organisations à but non lucratif continuent d’avoir besoin de scientifiques des données pour les aider à accomplir leurs missions. Ces organisations offrent de grandes opportunités pour une carrière en science des données épanouissante et progressive.

Conclusions

En tant que Data Scientist, nous avons les compétences nécessaires pour faire des choses qui comptent. Nous disposons des ressources, aussi désordonnées et incompréhensibles qu’elles puissent paraître, pour faire véritablement la différence. Peu importe où nos chemins nous mènent, je crois qu’il est intégral que nous nous efforcions de devenir des citoyens et des scientifiques des données réfléchis, afin de toujours considérer l’impact de notre travail sur la société.

Vous souhaitez en savoir plus sur la Data Science et le Data for Good, n’hésitez pas à vous intéresser à notre formation d’acculturation Data Science & IA.

Vous cherchez une nouvelle opportunité dans le domaine du Big Data ? Cliquez ici pour accéder à notre nouvelle plateforme d’emploi boostée à l’IA.

Merci pour votre lecture ! Si vous souhaitez lire nos prochains articles autour de la Data Science, vous pouvez nous suivre sur Facebook, LinkedIn et Twitter pour être notifié lorsqu’un nouvel article est publié !

L’article Qu’est ce que le Data for Good ? est apparu en premier sur DATAROCKSTARS.