5 Utilisations innovantes pour l'apprentissage automatique

5 Utilisations innovantes pour l'apprentissage automatique

Bien que son horizon temporel ne puisse être prédit, l'intelligence artificielle (IA) promet d'influencer la société moderne, pour le meilleur ou pour le pire. Un sous-genre de l'IA, l'apprentissage automatique, a suscité une attention particulière de la part des experts pour son impact potentiel sur les industries les plus importantes du monde.

En raison du battage médiatique qui en résulte, des quantités massives de talents et de ressources entrent dans cet espace.

Mais qu'est-ce que l'apprentissage automatique et pourquoi devrions-nous nous en préoccuper en premier lieu ? La réponse est que, au sens large, les modèles d'apprentissage automatique sont une application de l'IA dans laquelle les algorithmes prédisent indépendamment les résultats. En d'autres termes, ces modèles peuvent traiter de grands ensembles de données, extraire des aperçus et faire des prédictions précises sans qu'il soit nécessaire de recourir à une intervention humaine.

Le développement accéléré de cette technologie a de nombreuses implications génératrices de valeur et beaucoup sont prêts à rationaliser radicalement le monde des affaires.
Voici cinq des cas d'utilisation les plus innovants pour l'apprentissage automatique. Ils entreront dans votre vie, du moins dans votre vie professionnelle, plus tôt que vous ne le pensez.

1. Utilisation généralisée des véhicules autonomes

L'adoption à grande échelle de véhicules autonomes représente un avenir beaucoup plus efficace pour le transport. Les premiers rapports indiquent que les voitures autopropulsées pourraient réduire de 90 % les accidents mortels liés à la circulation.

Bien que nous soyons probablement à quelques années de la production, l'adoption de véhicules autonomes par la société est, à ce stade, inévitable. Toutefois, le délai d'adoption de cette technologie dépend en grande partie des mesures réglementaires, qui échappent souvent au contrôle du monde de la technologie.

Les ingénieurs en logiciel qui mettent au point ces "flottes du futur" s'appuient largement sur les technologies d'apprentissage automatique pour alimenter les algorithmes qui permettent aux véhicules de fonctionner de manière autonome. Ces modèles intègrent efficacement des points de données provenant d'un certain nombre de capteurs différents pour faire fonctionner le véhicule. Ces algorithmes d'apprentissage deviennent plus intelligents avec le temps, ce qui rend la conduite plus sécuritaire.

2. Un réseau de santé plus efficace

Bien qu'il s'agisse d'une partie essentielle de l'économie, le secteur des soins de santé fonctionne toujours sur une infrastructure inefficace. L'une des principales préoccupations est de trouver des moyens de préserver les détails sensibles du patient tout en optimisant le système.

Heureusement, nous pouvons appliquer des algorithmes d'apprentissage automatique novateurs (qui fonctionnent sans humains) pour traiter de vastes ensembles de données sur les soins de santé sans enfreindre les contrats de confidentialité. De plus, nous pouvons utiliser ces modèles pour mieux analyser et comprendre les diagnostics, les facteurs de risque et les coefficients de causalité.

"L'apprentissage automatique en médecine a récemment fait les titres de l'actualité", a déclaré M. Corbett, le médecin hygiéniste chez Health Catalyst. "Google a développé un algorithme d'apprentissage automatique pour aider à identifier les tumeurs cancéreuses sur les mammographies. Stanford utilise un algorithme d'apprentissage pour identifier le cancer de la peau."

3. Systèmes intégrés de gestion du commerce de détail

Le secteur du commerce de détail international a toujours généré des ventes de plus de 20 billions de dollars par année au cours des dernières années. Ce chiffre stupéfiant s'accompagne d'une quantité énorme de données sur le comportement des consommateurs (démographie, tendances et goûts), compilées à partir d'un nombre infini de modèles et de tendances de consommation.

Toutefois, de nombreuses entreprises de vente au détail ont du mal à utiliser ces informations précieuses, car elles proviennent souvent d'entrepôts de données déconnectés. Par conséquent, il existe une occasion en or de mettre en œuvre des modèles d'apprentissage automatique qui permettent aux détaillants de mieux comprendre leurs clients et d'offrir une expérience client plus personnalisée.

En utilisant les données acquises précédemment, les modèles d'apprentissage automatique peuvent prédire à partir de quels produits recommander et quand accorder des remises. Les détaillants du commerce électronique, en particulier, peuvent combiner des modèles de comportement numériques pour optimiser l'ensemble du parcours de l'utilisateur, du premier point de contact à l'achat d'un article, en passant par le suivi.

4. Amélioration de la modération du contenu

La modération du contenu est une préoccupation majeure pour les plateformes de médias sociaux comme Facebook et Twitter, qui s'efforcent de fournir des informations précises à leurs audiences.

En réponse aux protestations du public au sujet des "fakes news", Facebook a récemment annoncé qu'il embaucherait 3 000 nouveaux employés spécialement pour s'occuper du contenu des fils d'information de la plateforme. Cette inquiétude dépasse toutefois largement le cadre des médias sociaux, en raison de la façon dont les conglomérats technologiques comme Google investissent des capitaux importants dans le développement de leurs propres équipes de surveillance du contenu pour soutenir leurs marchés en pleine croissance.

Les plates-formes émergentes d'apprentissage automatique et d'intelligence artificielle, comme Orions Systems, fournissent des systèmes propriétaires pour "développer et adapter les interactions entre les humains et l'intelligence artificielle" pour des tâches telles que la modération de contenu à l'échelle.

Ces technologies, uniques en leur genre, permettent de modérer le contenu à l'aide d'outils et de ressources novateurs (analyser, par exemple, le contexte et le contenu de chaque image vidéo) afin que les employés puissent travailler de manière plus productive. Il s'agit d'un progrès important, car il est notoirement difficile d'apprendre à utiliser la vidéo.

5. Cybersécurité avancée

On estime que le coût des dommages causés par la cybercriminalité dépassera les 6 000 milliards de dollars par année d'ici 2021. Les experts prédisent que les entreprises dépenseront plus de 1 000 milliards de dollars en services de cybersécurité entre 2017 et 2021 pour contrer cette menace croissante. De toute évidence, la cybersécurité continuera d'être une priorité majeure pour les jeunes entreprises et les grandes entreprises.

Les chercheurs mettent au point des moyens astucieux de mettre en œuvre des modèles d'apprentissage automatique pour détecter les fraudes, prévenir l'hameçonnage et se défendre contre les cyberattaques. Des systèmes de défense sont en train d'être entraînés, utilisant des données du passé, pour repérer rapidement et protéger contre les activités suspectes. Contrairement aux humains, ces algorithmes peuvent fonctionner 24 heures par jour, sept jours par semaine, sans épuisement.

Au fur et à mesure que ces modèles d'apprentissage automatique deviendront plus accessibles aux développeurs, ils commenceront à obtenir l'appui massif des consommateurs et des entreprises. Et, au fur et à mesure que cela se produira, il sera intéressant de voir quels modèles seront les meilleurs.