L‘intelligence artificielle (IA) et l‘apprentissage machine (ML) dominent désormais les discussions sur les entreprises et les technologies de l‘information dans le monde entier. Des conseils d‘administration aux conférences en passant par les titres des médias, il est impossible d‘échapper à l‘effervescence, aux questions et aux bouleversements. Et pour cause : plus que tout autre développement récent, l‘IA et l‘apprentissage automatique sont des technologies transformatrices, qui définissent une ère et changent fondamentalement notre façon de vivre et de travailler.
Bien que peu de gens soient en désaccord avec l‘impact potentiel de l‘IA et de la ML, beaucoup se grattent la tête sur la façon d‘appliquer ces technologies dans leurs propres organisations et sur la façon de commencer. Ces questions et préoccupations étaient certainement présentes dans l‘esprit de tous lors de la IP Expo Europe 2018L‘événement technologique européen numéro un pour les entreprises, qui a eu lieu la semaine dernière à Londres, s‘est penché sur ces questions et préoccupations. À maintes reprises, que ce soit lors d‘une séance de questions et réponses post-keynote ou à l‘occasion d‘une conversation dans la salle d‘exposition, le refrain " Je sais que j‘ai besoin de l‘IA et de la ML, mais par où commencer ? " revenait souvent.
Greg Benson, Chief Scientist de SnapLogic, était présent à la conférence et a entrepris de répondre à cette question clé, parmi d‘autres, dans sa présentation, "Ta mentalité de l‘IA : Bridging Industry and Academic Perspectives." Greg, qui est également professeur d‘informatique à l‘université de San Francisco (USF), a de l‘expérience en matière d‘intelligence artificielle, tant dans le milieu universitaire que dans l‘industrie.
Dans son exposé, Greg a présenté quelques-uns des défis les plus courants qui font souvent échouer les projets de ML, et a expliqué comment les surmonter :
- Trouver les bons talents
- Accès permanent aux données pertinentes
- Préparation et automatisation des données
- Exploration de différents algorithmes avec différentes caractéristiques
- Automatisation de la formation pour des modèles actualisés
- Mettre la ML en production
Il a également évoqué l‘état d‘esprit nécessaire à l‘IA pour aider les professionnels de l‘informatique et les autres décideurs à se lancer dans l‘aventure :
- Combiner les méthodologies académiques et industrielles
- Comprendre la nature expérimentale du développement ML
- Permettre l‘accès aux données (en continu, pas seulement une fois)
- Comprendre les capacités et les limites des algorithmes de ML
- Élaborer un plan de ML et allouer des ressources de déploiement dès le départ
- Envisager des outils de science des données en libre-service
Greg a ensuite participé à latable ronde sur l‘IAaux côtés de représentants de RingCentral, de l‘Université de Cambridge, de Sophos et de MIT Technology Review. S‘appuyant sur son expérience à la fois chez SnapLogic et à l‘USF, Greg a observé comment l‘industrie et le monde universitaire abordent différemment la résolution de problèmes, et comment le fait d‘apporter le meilleur des deux perspectives peut accélérer le développement et le succès de l‘IA. Il a également demandé aux leaders de l‘industrie d‘encourager leurs insaisissables et compétents scientifiques des données à enseigner dans les universités locales afin d‘assurer le transfert de connaissances à notre prochaine génération de leaders de l‘IA. Le partage des connaissances entre le monde universitaire et l‘industrie contribuera grandement à combler le déficit de compétences et à nous mettre sur la voie de l‘innovation continue pour les années à venir.
Greg a beaucoup de choses à dire et à ajouter à la discussion sur le ML - attendez ses articles de blog à la première personne dans les semaines à venir.
