Transcription
Transcription : Tendances du changement provoqué par la technologie : Obstacles et possibilités liés à l'IA
[00:00:00 Le texte suivant apparaît à l'écran : « Tendances du changement provoqué par la technologie ».]
[00:00:06 Chris Howard apparaît en fondu.]
Chris Howard : Bonjour, je suis Chris Howard. Je suis le responsable de la recherche chez Gartner. Merci de prendre le temps d'écouter les conseils que nous donnons sur l'IA et les sujets connexes. J'espère que vous trouverez le tout intéressant.
[00:00:17 Le texte suivant apparaît à l'écran : « Obstacles et possibilités liés à l'IA »]
Quels sont donc les obstacles à la mise en œuvre? Nous avons parlé de la précision. Cela exclut toute partialité. Il y a un biais dans ces modèles qui est amplifié, et c'est le fait qu'il y a un biais dans les données de formation, que beaucoup de données de formation masquent certains profils raciaux, démographiques, économiques, d'âge. Ainsi, comme les modèles de la fondation ont été formés dans Internet, ils sont aussi biaisés que l'Internet, dans cette mesure. Nous nous sommes donc dit qu'il fallait régler ce problème en plaçant un humain dans le processus. Un humain vérifie donc ce résultat et le modifie, et ainsi de suite, mais les humains ont aussi des biais. Il s'agit donc d'un équilibre délicat entre des réponses précises, le filtrage des biais, la remise en question et la formation. Certaines techniques sont utilisées à cette fin, pour remettre en question les résultats de ces systèmes. La technique de l'IA constitutionnelle consiste à faire parler deux systèmes l'un à l'autre. Ainsi, on génère un résultat. L'autre le vérifie et le fait générer à nouveau jusqu'à ce qu'il soit conforme à une politique, à un règlement ou à une éthique, n'est-ce pas? Voilà donc quelques exemples de ce qui se passe. Les données, nous en avons déjà parlé. Les données sont généralement en désordre partout. Il va falloir investir pour y parvenir, pour le mettre dans une position où; il pourra jouer plus efficacement.
Le marché, c'est-à-dire les vendeurs. Tout le monde vient vers vous avec un message d'IA en ce moment, tout le monde, qu'il l'ait ou non, n'est-ce pas? En réalité, très peu de fournisseurs ont été en mesure de résoudre les problèmes décrits dans la diapositive, et le marché est chaotique. Les prix sont très variables. D'autre part, certains des grands fournisseurs avec lesquels vous avez peut-être déjà travaillé, comme SAP, Workday ou Salesforce, intègrent cette capacité. La question qui se pose alors est de savoir ce qu'il me reste à construire par moi-même. Dois-je attendre le marché ? C'est donc une source d'hésitation. De plus, pour eux aussi, les choses vont vite. L'une des choses que je fais, c'est que j'ai des relations avec tous les grands fournisseurs, comme Microsoft et IBM, dans leur équipe de direction, et ma perception est qu'ils ont environ deux semaines d'avance sur le reste du marché lorsqu'il s'agit de trouver des solutions et de les mettre en œuvre, de comprendre comment elles fonctionnent et de les mettre à l'échelle, et ainsi de suite. Tout le monde est en train de comprendre cela en même temps.
Et puis, il y a la sécurité et le risque. La sécurité et le risque, c'est en partie parce qu'il existe différentes techniques à utiliser pour sécuriser l'environnement de l'IA. Il existe des techniques, de mauvaises techniques comme l'empoisonnement de modèle, où; un mauvais acteur peut injecter de mauvaises données qui sont ensuite amplifiées dans le modèle lui-même. Ils peuvent faire de l'ingénierie inverse et comprendre comment vous avez procédé. Il s'agit simplement d'un autre type de surface d'attaque. Le risque est lié en grande partie à la fuite de propriété intellectuelle, mais aussi à l'utilisation dérivée des principes d'utilisation équitable et du matériel protégé par le droit d'auteur, car il y en a beaucoup dans le matériel de la fondation, du matériel protégé par le droit d'auteur, et il y a beaucoup de pression pour que cela soit retiré. Ce n'est pas une mince affaire. Ainsi, alors qu'en Europe, une entreprise a le droit d'être oubliée dans Google, ce n'est pas si trivial ici en raison de la manière dont les données sont calculées, et le calcul de ces modèles coûte des centaines de millions de dollars, ce qui est une autre chose que je n'ai pas mentionnée ici, mais qui est vraiment, vraiment importante, c'est que les dommages environnementaux créés par la construction de ces modèles de fondation sont vraiment importants.
Je veux dire que c'est extrêmement nocif pour l'environnement, la quantité de calcul nécessaire pour construire et faire fonctionner ces choses, la quantité d'énergie. Si tous… et donc, la projection est que si tous ceux qui disent qu'ils vont construire l'un de ces modèles le font, nous serons à court d'énergie d'ici 2030 dans le monde entier. Nous n'aurons plus d'électricité. En fait, l'université de Penn State était en train de construire un modèle géant à des fins de soins de santé et, alors qu'elle était sur le point de le mettre en service et de le tester, elle s'est aperçue qu'il provoquait la chute du réseau électrique de Philadelphie. Ils ont pu constater la perte d'énergie sur le réseau. S'ils l'avaient allumée, ce qu'ils n'ont finalement pas été autorisés à faire, le réseau se serait effondré, n'est-ce pas? Cela a donc entraîné une série d'innovations visant à améliorer le calcul, le silicium, les techniques d'énergie de rechange, les modèles plus petits, etc.
[00:04:30 Une diapositive apparaît à l'écran :
« Tendances clés affectant ce marché
- Les modèles vont s'amincir
- Intégration principale des modèles OSS GenAI
- Croissance des modèles propres à un domaine
- Les centres de modèles permettent la collaboration des développeurs
- Émergence des modèles multimodaux
- Intensification des réglementations
- Banalisation potentielle des modèles
- Émergence des agents autonomes »]
D'accord, il faut juste souligner que cela conduit à des modèles plus petits qui devront être intégrés les uns aux autres et qui deviennent plus spécifiques à des industries ou à des domaines spécifiques ou à des types de questions spécifiques, ce qui les rend plus précis.
Je vais vous donner quelques exemples, puis nous passerons aux questions. La plupart du temps, le fonctionnement actuel est basé sur l'utilisation d'une invite pour aller à l'encontre de vos propres données. J'ai travaillé avec l'Agence d'inspection des aliments, et c'est une machine à élaborer des politiques, des tonnes de politiques sur ce qui peut entrer et sortir de la frontière et ce genre de choses. Ainsi, leurs données politiques seraient en partie les miennes. Ensuite, vous exécutez une invite à partir de ces données, vous les interrogez, puis vous les ramenez et créez une réponse semblable à celle d'un humain, en utilisant un modèle de base pour ce faire, mais les données proviennent de l'ACIA. Très bien, ce qui se passe, c'est que vous allez commencer à utiliser plusieurs modèles de fondations sur le fond. Ces modèles sont donc de plus en plus nombreux sur le marché. Certains sont grands, d'autres sont petits. Certains sont plus efficaces que d'autres. Et puis, au lieu d'utiliser une partie de vos données, vous voulez utiliser toutes vos données. Et puis, il y a ces modèles de domaine qui commencent à apparaître.
Dans ce cas, il s'agit d'un exemple de soins de santé. Il existe donc des modèles moléculaires que les entreprises pharmaceutiques utilisent pour créer de nouveaux médicaments, ainsi que des modèles médicaux. Il y a eu une publication, j'ai vu une note à ce sujet aujourd'hui. Je pense qu'il s'agit d'un modèle Google, mais il est propre au langage médical qui est relativement obscur et ne figure pas dans l'original. Ensuite, des systèmes tels qu'Epic intègrent ces capacités. Vous disposez donc de tous ces modèles, et vous souhaitez créer vous-même un modèle pour certaines de vos données. C'est là que nous allons très vite, ce qui signifie que vous allez devoir intégrer tous ces éléments. Il s'agit donc davantage d'une question d'intégration. Je voudrais que vous réfléchissiez à ce qui est suffisamment important pour faire partie des données rouges, ou aux modèles qui commencent à émerger et qui, selon vous, pourraient être utiles à votre position au sein du gouvernement. D'accord, mais cela va plus loin que le texte. Comme je l'ai dit, je vais vous donner quelques exemples, des pièces imprimées en 3D, des plans d'usine ou même des plans de bureau. Vous pouvez l'utiliser pour la conception de réseaux électriques, dont nous avons parlé. Pensez donc à ce qui n'est pas du texte dans votre environnement et qui pourrait être utilisé. Je vais vous donner un exemple.
[00:06:36 Une diapositive apparaît à l'écran :
« Cloisons bioniques! Airbus utilise l'IA générative pour améliorer le processus de conception de prototypes
-Objectif : Airbus souhaitait concevoir des composants pour les plans qui seraient beaucoup plus légers, permettant de consommer moins de carburant et de réduire l'empreinte carbone
- Solution : L'équipe chargée de la mise en œuvre a cartographié numériquement les milliers d'options créées dans le cadre du processus de conception générative en fonction des paramètres de poids, de contrainte et de résistance afin de décider des prototypes à réaliser. L'équipe a décidé d'utiliser cette technologie pour concevoir la cloison séparant l'habitacle de l'office de l'Airbus A320
- Résultats : Le prototype redessiné de la cloison réduit le poids de l'avion. Il est encore assez solide pour ancrer deux strapontins pour les agents de bord, avec une ouverture permettant de faire entrer et sortir des objets larges de la cabine. En supposant que pour chaque 1 kg (2,2 lb), la consommation de kérosène est réduite de 106 kg (233,2 lb) par an, ce qui contribue à diminuer l'empreinte carbone des voyages aériens. Chaque cloison est plus légère d'environ 30 kg (66 lb) que la cloison standard. Pour un avion A320 typique, cela se traduit par :
-166 tonnes d'émissions de CO2 réduites par an et par avion
-3 180 kg de carburant économisés par partition et par an
-95 % de matières premières en moins
-Le potentiel de mise à l'échelle est énorme puisque des milliers d'A320 sont en commande et que les compagnies aériennes ont la possibilité de réduire les émissions de CO2 de centaines de milliers de tonnes par an]
Airbus en est un bon exemple. En fait, j'étais à bord d'un A320 qui venait ici hier. Ils ont donc voulu voir s'ils pouvaient l'appliquer à la conception des pièces de l'intérieur d'un A320. Plus précisément, ils se sont intéressés à la paroi qui sépare la cabine des passagers de l'office située à l'avant. Et bien sûr, dans la conception d'un avion, tout doit être solide et léger. Plus il est fort, plus il est léger, plus il est bon. Ils ont donc utilisé un mécanisme d'optimisation faisant appel à l'IA générative. Ils ont pris tous leurs schémas et les ont introduits dans ce modèle, ce qui leur a permis de les recombiner, un peu à la manière des Lego, n'est-ce pas? Ils ont ainsi pu réduire le poids de cette paroi d'environ 30 kilogrammes, ce qui leur a permis d'économiser 166 tonnes de CO2, soit 3 200 k de carburant par partition et par an. À l'échelle de la flotte, c'est énorme.
Mais ce que je trouve vraiment intéressant dans cette affaire, outre les résultats, c'est ce qu'ils ont utilisé d'autre. Ils n'ont donc pas seulement utilisé leurs propres schémas. Ils ont utilisé des modèles de croissance de myxomycètes, organismes unicellulaires extrêmement efficaces pour relier des points entre eux avec force, et extrêmement optimisés de cette manière, mais ils ont également intégré des schémas d'os de mammifères. Ainsi, les os des mammifères sont très solides là où; ils doivent l'être, mais légers dans le cas contraire. Les schémas, les myxomycètes et les os de mammifères les ont donc conduits à une toute nouvelle conception qu'ils ont pu introduire dans une imprimante 3D pour imprimer un objet de 30 kilogrammes plus léger que l'original. L'IA générative vous donne donc la possibilité de prendre ces choses qui sont en quelque sorte marginalement liées les unes aux autres, de les fusionner et de vous donner ce qu'ils appellent leur partition bionique. Voilà ce que c'est. Vous pouvez l'utiliser pour créer des aménagements de bureau. Il est donc impossible de les lire. Je n'ai pas l'intention que vous les lisiez, mais vous pouvez opter pour des choses différentes. Si vous souhaitez que les travailleurs soient interconnectés, voici comment réaménager l'espace, ou si vous voulez que les gens se calment, qu'ils soient peu distraits visuellement, voici comment vous pourriez le faire dans le même espace. Il s'agit donc d'utiliser vos plans et vos paramètres. Quelle est l'utilisation de l'espace?
[00:08:49 Une diapositive apparaît à l'écran :
« L'IA générative qui change la donne Cas d'utilisation : Réduction du risque opérationnel, prédiction des événements
- Gestion des actifs
- Protection cyber-physique
- Détection environnementale
- Réalité mixte + IA composite.
-Télématique maritime
- Santé/sécurité des employés
- Prévision d'arrivée »]
Imaginons un port comme celui de Rotterdam. Il s'agit donc de la capacité d'obtenir des données de partout, c.-à-d. des navires eux-mêmes, du port, des grues qui pompent les données. Il est intéressant de noter qu'aux États-Unis, l'objectif est de retirer les grues fabriquées en Chine parce qu'elles communiquent apparemment avec le pays d'origine. Ils les remplacent donc par des grues fabriquées aux États-Unis ou ailleurs qu'en Chine. Après tout, c'est une année électorale. Mais il y a aussi les travailleurs sur le terrain qui utilisent la réalité mixte et les données provenant de tous ces systèmes qui leur parlent. Essentiellement, ce que vous avez fait ici, c'est construire un jumeau numérique du port, mais pensez à tous les acteurs impliqués, et si vous êtes une agence gouvernementale, quelles sont les données dont vous disposez et qui pourraient être utilisées pour rendre le port plus efficace?
[00:09:31 Une diapositive montre une image de la Swedbank Arena]
Un autre exemple amusant. Il s'agit donc de la Swedbank Arena, qui a depuis été rebaptisée Friends Arena. C'est à Stockholm que je me suis rendu récemment. Il s'agit d'un rendu de ce stade relativement récent, mais lors de sa construction, des concepteurs de jeux ont été associés à l'élaboration d'une simulation d'évacuation du stade. Ainsi, vous pouvez donner à ces personnages de véritables comportements humains, comme éviter les objets, interagir les uns avec les autres, etc. Ils sont ainsi en mesure de simuler l'évacuation d'un véritable stade. Apparemment, ils le font aussi pour simuler la mi-temps, pour se rendre aux toilettes et aux stands de nourriture (rires), mais ce que j'ai appris en montrant cet exemple à d'autres, c'est que dans les grandes usines où; il y a des changements d'équipe, c'est quelque chose qu'ils doivent en fait modéliser en raison de la complexité du changement d'équipe des personnes qui entrent et qui sortent, mais c'est une combinaison intéressante d'entreprises. L'entreprise de construction s'occupe donc de la conception et travaille avec des développeurs de jeux qui créent ces humains synthétiques. Dans ce cas, une compagnie d'assurance est également impliquée, car si l'on peut repérer le risque, là où; se trouve le cercle rouge, on peut l'atténuer avant même d'avoir construit l'objet. Vous l'atténuez donc, et il s'avère que les personnages de jeux sont une forme d'IA générative. Ils sont générés, on leur donne certains paramètres avec lesquels ils peuvent interagir. Ils peuvent interagir les uns avec les autres dans un environnement.
L'un des premiers exemples dont je me souvienne se trouve dans le Seigneur des anneaux. Les images de synthèse du Seigneur des Anneaux ont utilisé des procédés très similaires, comme en témoignent les séquences de combat où; les personnages se précipitent les uns vers les autres et s'affrontent. Les instructions données étaient de courir dans l'espace vide à pleine puissance. Telle était la consigne donnée au personnage. Et si vous observez attentivement, vous verrez certains d'entre eux quitter le terrain en courant parce que leur orientation initiale n'était pas vers la bataille, mais dans une autre direction. Donc, quand on les voit, ils décollent (rires), n'est-ce pas? Il s'agit donc de quelque chose de beaucoup plus sophistiqué que cela. Il s'avère qu'elle est également plus précise que la dynamique des fluides, car cette dernière est beaucoup trop rationnelle. Il se comporte exactement comme il se doit. Ce n'est pas le cas des humains, n'est-ce pas? C'est pourquoi, sur l'A320, on a dit que la sortie pouvait se trouver derrière vous, parce que l'esprit pense que c'est celle par laquelle je suis passé, n'est-ce pas? Ce projet a donc permis de tester ce genre de choses. Il s'avère que l'on peut également former ces avatars grâce à l'économie comportementale. Vous pouvez donc observer leur comportement dans des situations transactionnelles, et pas seulement physiques. Il y a beaucoup de pouvoir là-dedans.
Voilà, c'est en quelque sorte un tour d'horizon, où; nous en sommes, où; nous allons, et où; vont certaines des organisations les plus progressistes qui s'engagent sur la voie de l'IA à part entière. En résumé, les dépenses sont intenses. Au cours des prochaines années, la plupart des chefs d'entreprise ou des dirigeants ont l'intention de la mettre en œuvre. Vous mettrez en œuvre un mélange de cas d'utilisation quotidiens et de cas d'utilisation qui changent la donne. L'avenir immédiat est multimodal, c'est-à-dire des images, du texte, d'autres types de choses, et multimodèle, c'est-à-dire que plusieurs modèles travaillent ensemble, et cela provoque une accélération dans des domaines connexes. Ce que cela a fait, une autre conversation pour nous à un moment donné, c'est que cela a rapproché l'informatique quantique de nous probablement six ans plus tard qu'il y a trois ans, ce qui est… vous pensiez que c'était perturbateur (rires), cela le sera encore plus.
Merci de votre attention. Encore une fois, j'espère que vous avez trouvé cela utile et intéressant pour le travail que vous faites au Canada.
[00:12:47 Le logo de l'EFPC apparaît à l'écran.]
[00:12:54 Le logo du gouvernement du Canada apparaît à l'écran.]
