Pourquoi l’intelligence artificielle (IA) sera la technologie de l’année 2023

Un regard sur le passé, le présent et l'avenir de l'IA

Il y a encore dix ans, presque aucune machine n’était capable de reconnaître de manière fiable la parole ou les images. Aujourd’hui, les machines ont appris à surpasser l’homme dans de nombreuses tâches. Ces derniers mois, nous avons assisté à des progrès dans les capacités de l’IA qui ont impressionné même les sceptiques. Une « décennie dorée », comme l’a qualifiée un chercheur. En 2023 et au-delà, nous verrons davantage de systèmes de ce type (notamment des systèmes d’IA générative comme ChatGPT) compléter ou remplacer nos créateurs humains dans de nombreux domaines.

Every year there is a new technological breakthrough: blockchain , 3D printing, web 3.0 and the metaverse . So what will be the technology of the year 2023?

Artificial intelligence (AI). Although I have been closely interested in this technology for 10 years, we are in the midst of a major leap forward in artificial intelligence. In recent months in particular, we’ve seen advancements in AI capabilities that have impressed even the skeptics. But first, let’s take a few steps back and look at how AI has evolved over the past decade.

2012-2014 – The beginnings of image recognition, reading and language understanding.

Some researchers say 2012 marked a milestone for deep learning. This is the year Google researchers created a large neural network of 16,000 processors with a billion connections to recognize images and videos of cats. This is an example of reinforcement learning which, along with supervised learning and probabilistic program induction, has been one of the most successful AI frameworks over the past decade. Recognizing the image of a cat may seem like a small feat. However, at that time, machines were just beginning to use deep learning for image recognition. In 2012, image recognition was still in its infancy, and tests comparing AI to human performance found AI performance to be around -40,that is, always below human performance (here, at baseline zero). Besides image recognition, a decade ago AI still performed worse than humans on other tasks such as reading comprehension and language comprehension. Although NELL (Never-Ending Language Learning), a semantic machine learning system, was invented in 2013, AI was still not able to reliably perform language processing tasks. AI’s ability to recognize speech improved dramatically with the invention of Alexa in 2014. Prior to that, Apple’s Siri allowed users to control their phones by voice. However, the ability of the AI ​​at understanding language was always inferior to that of humans. Over the next few years, AI reached a higher level of performance than humans in understanding language.This is due to improvements in speech recognition, advances in language processing and associated linguistic models in neural networks, and the organization of information. Although AI systems still struggle to write long and coherent texts, chatbots like « ChatGPT » show the immense progress made to date. This is due to improvements in speech recognition, advances in language processing and associated linguistic models in neural networks, and the organization of information. Although AI systems still struggle to write long and coherent texts, chatbots like « ChatGPT » show the immense progress made to date. This is due to improvements in speech recognition, advances in language processing and associated linguistic models in neural networks, and the organization of information.Although AI systems still struggle to write long and coherent texts, chatbots like « ChatGPT » show the immense progress made to date.

2015 – 2017 AI started to be better than human

2015 was the year everyone was empowered to create meaningful AI models. After IBM’s proprietary artificial intelligence system « Watson » rose to fame in 2011 for defeating the champion Jeopardy! Ken Jennings, several open source machine learning platforms have emerged (eg Google’s open source deep learning framework, TensorFlow). This has allowed companies and developers to work with this technology in a new way. In addition, decisive progress has been made this year in the field of face and image recognition. Indeed, the company participated in the 6th edition of the ImageNet Large Scale Visual Recognition Challenge (ImageNet is a standardized collection of millions of photos that allows training and testing visual identification programs).In 2016, Deep Reinforcement Learning – a combination of neural networks and Reinforcement Learning – caused a stir in the IA when Google’s AlphaGo beat the best Go player in the world. Additionally, the introduction of the Transformer in 2017 enhanced the use of self-supervised learning models in combination with deep neural networks. Today, these Transformer models are the mainstream approach to natural language processing (NLP), including for applications such as machine translation and Google web search.

2018 – 2019 Data security, language processing and AI in medicine

Due to the Cambridge Analytica scandal, 2018 was the year when data security reached its peak. Along the same lines, a McKinsey survey found that in 2018, risk was one of the functions in which most respondents saw value in AI. Also, language processing took a big leap forward in the development of BERT in 2018. BERT is an example of a neural network language model that learns word usage, grammar, meaning, and basic facts in different contexts. By simultaneously linking sequences of words, rather than aligning them from left to right, models like BERT can generate abstractions that are nearly indistinguishable from human-generated text. These language processing models are essential to support applications such as chatbots and have enabled immense progress over the past decade.Additionally, in 2019, researchers began developing an AI system that outperforms human radiologists in detecting lung cancer. This result was achieved using a deep learning algorithm capable of interpreting computed tomography (CAT) scans to predict the likelihood of the disease.

2020 – 2021 Rapid progress in AI due to the pandemic

In 2020, the development of AI has been pushed and accelerated due to the COVID-19 pandemic. AI has played a major role in accelerating vaccine development, which would normally have taken decades. Instead, this process was dramatically shortened because AI helped researchers analyze massive amounts of data. The growth of AI is exemplified by global business investment of $68 billion, a 40% increase between 2019 and 2020. In addition, in 2021 alone, the number of AI-related patent applications AI innovation was 30 times higher than the number of applications filed in 2015, showing the meteoric progress of AI development. Last year, the scientific community is primarily focused on the application of AI to computers.In this subfield, machines are taught to understand images and other visual materials so as to perform well in image classification, object recognition, attribution of position and motion of joints in the human body and face recognition.

Today, AI is an integral part of our lives.

Artificial intelligence (AI) has experienced rapid development over the past ten years. Until ten years ago, almost no machine was able to reliably recognize speech or images. Today, machines have learned to outperform humans in many tasks. For example, AI systems can detect fraudulent charges before you know you’ve lost your card or verify credit terms. AI recognizes patterns and evaluates options in our daily lives. What Instagram post appeals to me and keeps me on the social media platform, what price on Amazon makes me buy, and whether I wanted to leave my AirPods at home. In recent months, it’s mostly « generative AI » that exploded – systems that create new possibilities. We’ve seen advancements in AI capabilities that have impressed even the skeptics.

A generative artificial intelligence firework

Within a few months, three different image-generating AIs were released: Dall-E, Midjourney, and Stable Diffusion. You enter some text and the system generates an image in seconds. Ask « an astronaut riding a horse on Mars » and the AI ​​starts. An image of Midjourney made the cover of The Economist in June 2022, another won an award at the Colorado State Fair. It’s a sign of what’s to come in 2023.

Pour moi, les développements dans le domaine de l’IA génératrice de texte sont encore plus passionnants. La startup américaine OpenAI a déclenché un engouement mondial avec son chatbot « ChatGPT ». Ce chatbot imite le réseau neuronal d’un cerveau humain. Le bot peut mener des conversations semblables à celles des humains et donner des réponses convaincantes même aux questions et dialogues techniques les plus complexes. Il s’agit d’une étape importante pour les systèmes d’IA, car le traitement du langage s’est avéré être l’une des tâches les plus difficiles pour l’IA dans le passé.

L’utilisation croissante de l’IA dans les entreprises

Le rapport « State of AI » de cette année montre que les progrès sont également de plus en plus rapides dans l’industrie. En 2020, aucun médicament développé à l’aide d’une approche IA en premier n’était en phase d’essai clinique, et il y en avait 18. Aujourd’hui, il y en a 18. Un système d’IA de BioNTech a identifié avec succès de nombreuses variantes de Covid à haut risque plusieurs mois avant que le système de suivi de l’OMS ne les détecte.

Selon McKinsey, l’utilisation de l’IA a plus que doublé depuis 2017. L’automatisation robotique et la vision par ordinateur sont les fonctions d’IA les plus utilisées chaque année. En outre, les investissements dans l’IA ont augmenté. Aujourd’hui, 52 % des personnes interrogées déclarent que 5 % de leur budget numérique est consacré à des investissements en IA. En 2017, ce pourcentage était encore de 40 % pour les personnes interrogées.

L’utilisation de l’IA reste toutefois concentrée sur les entreprises à haut rendement en matière d’IA. Cela signifie que les entreprises qui ont été des leaders en matière d’IA continuent aujourd’hui à renforcer leur avantage concurrentiel. Ces leaders de l’IA s’engagent davantage dans « l’industrialisation de l’IA » et dans le lien entre leur stratégie d’IA et leurs pratiques commerciales de base. La raison pour laquelle ces entreprises continuent de mieux s’en sortir est qu’elles investissent davantage et dépensent plus par rapport aux retardataires de l’IA, qui attirent alors des talents (techniques) plus nombreux et plus performants.

Qu’apportera l’IA à l’avenir ?

En 2023, nous verrons davantage de systèmes de ce type, qui complètent ou remplacent les créateurs humains dans de nombreux domaines. La génération de vidéos est en cours de développement, tout comme la création de médias sur mesure. (« Siri, montre-moi un film de 90 minutes sur une PDG qui abandonne sa carrière pour faire fortune en tant qu’actrice, dans le style de Steven Spielberg »).

Cependant, malgré les énormes progrès réalisés et le fait que de plus en plus d’entreprises utilisent l’IA, il reste encore beaucoup de recherches à faire avant que nous puissions produire des systèmes d’IA totalement génériques. Au cours des prochaines années, nous verrons de nouveaux progrès dans les modèles d’apprentissage autosurveillés, l’apprentissage continu et la généralisation des tâches. Les futures applications de modèles linguistiques avec des réseaux neuronaux comme BERT pourraient par exemple permettre l’interaction humaine à travers différentes langues et différents contextes. Nous obtiendrons probablement des données de meilleure qualité pour les langues utilisées par des populations plus restreintes et il sera plus facile de détecter et d’éliminer les biais dans les systèmes d’IA. On peut donc également s’attendre à ce que les chatbots d’IA tels que « ChatGPT » ressemblent de plus en plus à des êtres humains et soient de plus en plus utilisés dans les écoles et les universités, par exemple.

Dans les années à venir, nous assisterons à une utilisation plus large de la reconnaissance faciale pour le contrôle d’accès et les mesures de sécurité. La Chine est l’un des exemples les plus marquants, où le gouvernement a presque entièrement intégré la technologie de reconnaissance faciale dans sa société. Il reste toutefois à voir si d’autres pays suivront l’exemple chinois, car cette omniprésence de l’IA dans la société soulèvera probablement des préoccupations en matière de protection des données, de surveillance et d’éthique.

Il est certain que l’utilisation et les investissements dans l’IA vont continuer à augmenter dans les années à venir. Comme le montre l’enquête McKinsey, 63 % des personnes interrogées indiquent que leurs investissements dans l’IA augmenteront au cours des prochaines années, ce qui aura un effet positif sur les revenus et les coûts. On s’attend à ce que d’ici 2025, le chiffre d’affaires mondial des applications d’entreprise dans le domaine de l’IA atteigne un niveau de 31 milliards de dollars. Toutefois, la croissance de l’IA doit être transparente et contrôlée afin de répondre aux préoccupations en matière de protection des données et d’éthique. C’est pourquoi les gouvernements et les entreprises doivent créer dès aujourd’hui des lois sur l’IA qui guideront le développement de l’IA à l’avenir.

As the "Head of Data Strategy & Data Culture" at O2 Telefónica, Britta champions data-driven business transformation. She is also the founder of "dy.no," a platform dedicated to empowering change-makers in the corporate and business sectors. Before her current role, Britta established an Artificial Intelligence department at IBM, where she spearheaded the implementation of AI programs for various corporations. She is the author of "The Disruption DNA" (2021), a book that motivates individuals to take an active role in digital transformation.

Comments are closed.