Les machines peuvent-elles vraiment apprendre ? Cela doit-il nous inquiéter ?

Les scénarios de science-fiction aiment imaginer des machines devenant si intelligentes qu’elles décident de s’affranchir de la tutelle des humains si imparfaits, pour les asservir ou les éliminer. Avec la croissance de l’intelligence artificielle et du machine learning, qu’est-ce ce que l’avenir nous réserve ?

Lorsque vous achetez des produits sur Amazon et que les publicités apparaissant lors de vos recherches sur le web vous présentent des articles susceptibles de vous intéresser, c’est le résultat du machine learning (apprentissage automatique). Les programmes d’analyse recherchent des schémas et des relations, et développent ce que l’on peut appeler des théories, pour identifier de probables futurs achats. En machine learning, les algorithmes apprennent directement des données et ajustent les analyses et activités futures en fonction des informations analysées. En programmation traditionnelle, les mêmes instructions sont exécutées à chaque fois, sans être affectées par l’expérience. Le programme n’apprend rien. En substance, une machine capable d’apprendre crée (ou modifie, pour être exact) sa propre programmation.

L’intelligence artificielle (IA) implique que l’ordinateur peut exécuter des tâches d’une manière qui émule le fonctionnement du cerveau humain. Le machine learning s’apparente en quelque sorte à l’intelligence artificielle, à ceci près qu’il n’implique pas de capacités de raisonnement, juste la capacité d’adapter son comportement en fonction de l’expérience. Le machine learning est très utile et performant dans de nombreuses applications qui n’ont peu ou pas de rapport avec des qualités humaines comme les émotions, les opinions ou la morale. Il est donc inutile de craindre que votre nouvelle machine à commande numérique par calculateur (CNC) s’allie avec votre système de gestion des processus industriels (MES) pour renverser le chef d’atelier et prendre le contrôle de l’usine !

Le machine learning (apprentissage automatique) trace effectivement sa route jusque dans l’usine et sera sans tarder un rouage des systèmes de gestion – les systèmes ERP (progiciel de gestion intégré) et de gestion de la chaîne d’approvisionnement. Le machine learning est essentiel pour recueillir des renseignements utiles et tirer des bénéfices commerciaux de la croissance rapide du volume de données produites par l’Internet industriel des objets (IIoT) qui submergent les logiciels et les décideurs humains chargés de les exploiter.

Au mieux, les systèmes existants réussissent à entasser (une partie de) ce torrent de données dans les modèles statiques (programmes) actuels et peut-être à exécuter ces instructions plus rapidement ou plus efficacement grâce à une entrée plus efficace des données. Ils peuvent aussi afficher les résultats des analyses sous une forme résumée et colorée pour plus de lisibilité.

Le machine learning permettrait aux systèmes d’analyser en profondeur des données détaillées à la recherche de schémas et de rapports de cause à effet, et de réagir à ce qu’il « apprend » en affinant ses algorithmes, en prenant de meilleures décisions et en faisant de meilleures recommandations. Tout ceci se produit en temps réel de sorte à ce que les systèmes puissent rapidement identifier les déviations et corriger les situations indésirables avant que des pièces non conformes partent en production ou que des délais soient dépassés.

Le machine learning continuera à rendre les programmes et l’automatisation plus intelligente, plus rapide et plus efficace, ce qui est particulièrement important dans le monde du Big Data où le volume des informations et leur vitesse de circulation dépassent les capacités des programmes traditionnels. Mais vous n’avez pas à vous inquiéter d’une prise de pouvoir imminente par les machines… enfin, pas encore.