Systèmes d’apprentissage automatique et d’inférence

H = l’hôte   C = Chris Blackburn

Bienvenue dans Connected World, un podcast destiné aux ingénieurs qui souhaitent en savoir plus sur les tendances influençant le monde connecté et les technologies qui font de l'impossible d'aujourd'hui une merveille de demain.

H : Bonjour et bienvenue dans CONNECTED World, un podcast de TE Connectivity. Je suis Tyler Kern, votre animateur. Nous avons beaucoup entendu parler des technologies émergentes, comme l’intelligence artificielle. Mais qu’est-ce que l’IA exactement ? Quel impact cela a-t-il sur nos vies actuelles ? À quoi cela servira-t-il dans l’avenir ? Chris Blackburn me rejoint dans le podcast d'aujourd’hui. Il est technologue au sein de l’équipe d’architecture système de TE Connectivity. Chris, merci beaucoup de vous joindre à moi. 

C : Merci, Tyler, merci de me recevoir. 

H : Avec plaisir. Chris, commençons par le commencement. Comment définiriez-vous l’intelligence artificielle et ce qu’elle permet de faire ?

C : L’IA est partout autour de nous, dans le monde. Je pense que la plupart d’entre nous sont familiers avec certains objets à la maison, comme l’assistance vocale, notamment Alexa et Siri. Et bien sûr, sur les réseaux sociaux, nous recevons constamment du contenu qui est organisé pour nous. On nous montre des produits sur lesquels nous avons cliqué ou que nous avons déjà regardés dans le passé. L’IA est complètement intégrée dans ces domaines. Mais ce que c'est vraiment, c’est un moyen pour les machines d’apprendre par elles-mêmes et de générer des données par elles-mêmes, et donc d’apprendre nos comportements et de nous fournir les données que nous voulons. Et encore une fois, il y a tellement d’applications différentes, il se passe beaucoup de choses vraiment cool. 

H : Vous avez mentionné ce genre d’appareils domestiques intelligents. On ne pourrait pas cuisiner sans Google Home dans la cuisine, n'est-ce pas ? C'est vrai, l’IA est partout autour de nous. C’est un excellent point. J’ai ensuite une question en deux parties. Quelles ont été certaines des principales utilisations de l’IA ? Et quelles sont les applications émergentes dont vous avez entendu parler ?

C : Certains de ces principaux cas d’utilisation s'intègrent vraiment dans le domaine du marketing, pour s’assurer que les produits qui nous intéressent atteignent les consommateurs. Donc, si j’achète un certain produit sur Amazon, vous savez qu’Amazon connaît mon historique d’achat et peut me suggérer de futurs produits. Par exemple, vous pouvez voir ce qu'ont acheté d’autres clients lorsque vous achetez certains produits. Je pense donc que de ce point de vue, les moteurs de recommandation sont vraiment l’un des principaux cas d’utilisation. Mais l’un des changements que nous constatons, et l'un des aspects intéressants, c'est ce que j’appelle les environnements distants et difficiles, même certaines applications qui nécessitent une confidentialité extrême des données. Je parle de certains domaines, comme l’exploration pétrolière et gazière, l’exploitation minière et l’extraction des ressources naturelles, et des secteurs cruciaux comme l’agriculture, la production alimentaire, l’accès à l’eau et le contrôle des eaux usées.

H : C'est très intéressant. J’ai entendu des choses sur l’IA dans le passé et je suis curieux de savoir si elles sont vraies ou fausses. J’ai entendu dire que l’IA ne sera efficace qu'à condition de lui donner des données efficaces. C’est vrai ? Pouvez-vous nous expliquer comment l’IA se construit et comment elle fonctionne ?

C : Oui, tout à fait. Lorsque nous alimentons un réseau neuronal avec des données, on appelle ça le machine learning ou machine training, et c'est vrai que les données sont la base de notre travail pour former ces modèles. Si vous travaillez avec un petit ensemble de données ou un ensemble de données de mauvaise qualité, vos modèles ne fonctionneront pas si bien que ça. Mais ce qui est intéressant, c'est que nous entraînons ce modèle, puis nous le déployons dans des cas d’utilisation réels. C’est ce qu'on appelle l’inférence. Une fois ce modèle formé, on lui fournit de nouvelles données et d’après les données qu'on avait, il déduit ce qu'on attendait. Le plus fascinant à propos de l’IA, c'est que le cycle n’est pas à sens unique. C’est un cycle qui se répète. Comme l’IA fait des déductions à partir de nouvelles données, je construis et compile constamment mon ensemble de données. Donc, plus nous utilisons des fonctionnalités comme celle-ci, plus je demande de choses à Alexa par exemple, et plus elle devient intelligente. C’est l'essence même du machine learning.

H : C'est très intéressant. Ainsi, à mesure que votre échantillon grandit et qu’il recueille toujours plus de données, il devient plus intelligent et fournit peut-être de meilleures recommandations, ou il émet de meilleures conclusions basées sur le fait que vous lui donnez plus de données et qu’il est capable de les utiliser pour prendre des décisions plus intelligentes.

C : Tout à fait, oui. Vous savez, c’est super. Nous obtenons des modèles plus précis, mais certains défis se présentent : comment je vais stocker cette énorme quantité de données, comment je vais les transférer des centres de données périphériques et des centres de données cloud traditionnels. Simplement cette énorme quantité de données qui sont générées. Dans le passé, il y a 10 ou 15 ans, une grande partie des données qui étaient créées dans le monde étaient générées par l’homme à partir de saisies, de nos claviers ou d’enregistrements, de films, de choses comme ça. Et aujourd'hui, nous entrons dans une nouvelle ère où les données sont générées par des machines. C’est une explosion absolue des données, qui influence sans doute la façon dont nous construisons des architectures de systèmes et gérons tout cela maintenant. 

H : Absolument. Parlez-moi des efforts du côté du matériel, car il semble que des évolutions aient lieu là aussi.

C : C'est complètement vrai. Je pense que l’un des éléments clés, c'est la migration du calcul, du stockage et de ces accélérateurs d’IA vers la source des données. Donc, généralement, nous avons ces grands centres de données. Nous goupillons ce réseau et les données se déplacent vers et depuis ces centres de données et à l’intérieur de ces mêmes centres de données. Aujourd'hui, nous commençons à voir ces ressources de calcul et de stockage se rapprocher des gens et des machines qui génèrent les données. Et c’est ça la convergence de ce que nous appelons l’edge computing avec l’IdO, ou l’Internet des Objets, les points de terminaison, les appareils. La 5G a été un facteur crucial dans la transmission de ces données sur ces nouveaux réseaux. 

H : Je ne vous apprends rien en vous disant que ce podcast s’intitule Connected World. Nous avons tellement entendu parler de la 5G et de la manière dont elle va changer le monde et permettre le libre partage des données et des débits beaucoup plus rapides, etc. Mais quel est l’impact de la 5G sur le développement de l’IA et sa croissance à plus grande échelle ?

C : Nous avons évoqué ce cycle répétitif de formation des modèles, puis d’inférence et de déploiement de ces modèles. En ce qui concerne la 5G, nous disposons désormais d'une communication très rapide directement à la source de données, vers et depuis les objets. Donc, des outils comme l’assistance vocale dont nous avons parlé, ou toutes les applications sur les smartphones, de recherche et de réseaux sociaux, entre autres, nous allons obtenir plus de réponses en temps réel et plus rapides. La population ne veut plus attendre quelques secondes pour obtenir des informations. Et ces informations doivent être à la demande. La 5G est un outil clé pour rendre cette communication aussi rapide que possible. 

H : Alors, Chris, quels sont, selon vous, les défis posés aux ingénieurs par les dernières tendances en matière d'IA et de machine learning ? Sur quels éléments les ingénieurs travaillent-ils réellement et quels obstacles doivent-ils surmonter pour continuer à travailler dans le domaine de l'IA et du machine learning ? 

C : Commençons par l'énergie. L'énergie est une ressource finie. Lorsque nous examinons l’empreinte carbone d’un centre de données cloud, il n’y a qu’une quantité limitée d’énergie qui peut entrer dans ce bâtiment et être consommée. Donc, à l’heure actuelle, ces centres de données ne sont pas aussi durables que nous le souhaiterions. Il y a aujourd'hui une tendance vers des centres de données durables et l'utilisation d'énergies renouvelables dans ces derniers. Mais si l'on considère ces IA, les dispositifs spécifiques (qu'il s'agisse de GPU ou de différents ASIC) sont très gourmands et consomment beaucoup d'énergie. Nous avons donc un plafond énergétique, qui implique un plafond de livraison d'énergie. Pour les puces, assurez-vous que les GPU et les ASIC sont peu gourmands en énergie. Ce domaine est entre les mains de la communauté des ingénieurs et la question est assez difficile à résoudre. L’autre aspect, c'est l’évolutivité. J’ai mentionné tous ces différents sites finaux, centres de données périphériques, centres de données cloud, mais comment pouvons-nous faire évoluer ces systèmes à grande échelle ? Considérons des entreprises comme Microsoft, Amazon, Facebook et Google. C'est ce que nous appelons la très grande échelle. Pour faire simple, leur infrastructure est gigantesque. Lorsque je passe de l'empilement mécanique des cartes de circuits imprimés, des serveurs, des câbles, des connecteurs, comment puis-je intégrer tout cela de manière à ce que cela ait un sens ? Et la simple mise à l’échelle de ces centres et systèmes de données est un défi extrême.

H : Oui, c'est certain. Quelles sont les évolutions dans le domaine de l’IA que vous avez hâte de voir ? Les choses ne cessent d'évoluer, mais qu'est-ce qui vous passionne en ce moment ? 

C : Je pense que les soins de santé sont un domaine absolument génial, comme la télémédecine, les contrôles réguliers avec la population âgée. Les médecins peuvent lire les scanners ou rechercher différents cancers simplement en regardant des images. C’est une nécessité absolue pour l’homme. L’IA peut aider la population humaine à vivre plus longtemps et en meilleure santé. Tout à l'heure, j’ai dit mentionné la production alimentaire et l’accès à l’eau, entre autres. Mais bien sûr, il y a aussi un côté amusant à tout ça. Nous avons tous des filtres sur Instagram ou Snapchat. C’est le résultat direct de l’IA. La classification des images aussi par exemple. J’ai une histoire particulièrement amusante à vous raconter. Google a un sorti un produit appelé Arts et Culture. Vous pouvez prendre une photo de vous et la télécharger. Ensuite, des clusters TPU examinent cette image. Ils la font correspondre à une image dans une galerie de peintures de la Renaissance. Pour mon visage, j'ai eu une correspondance avec un portrait de Simon George de Cornouailles, qui a été peint au XVe siècle. Maintenant j'utilise cette vignette dans toute mon entreprise pour gérer la communication comme Microsoft Teams, Skype et des choses comme ça. On peut donc évidemment s’amuser un peu avec tout ça. 

H : C’est génial. Vous avez aussi une barbe comme Simon George de Cornouailles ?

C : Oui, la même barbe, à l'identique et le même chapeau.

H : Ah, et même le chapeau ! C'est parfait pour compléter le look. Puisque vous parliez des grands acteurs de l’IA, l’un des noms que vous avez mentionnés, et qui s'est démarqué pour moi, parce qu’il est différent des autres, c'est BMW. L’IA joue-t-elle et jouera-t-elle un rôle important en matière de véhicules autonomes à l’avenir ?

C : Je parle de ces grands ensembles de données complexes et vous savez que votre modèle n'est efficace qu'à condition de lui donner des données efficaces pour le former. Nvidia est totalement engagée dans la promotion des voitures sans conducteur et des véhicules autonomes. Mais bien sûr, c'est aussi le cas des constructeurs automobiles comme BMW, Toyota, à la fois des véhicules de luxe et de série. Ce que nous voyons selon moi, c’est que ces technologies des centres de données se retrouvent vraiment dans les voitures. Quand on regarde ce qu’il y a dans une voiture maintenant, c’est une variété de ces capteurs et de caméras entre autres choses. Quand je vois la quantité de données qu’un véhicule recueille, qu'une voiture sans conducteur recueille, cela représente des quantités massives. Récemment, Nvidia a publié des chiffres mentionnant 400 pétaoctets de données brutes avec 100 véhicules par an. En termes de sécurité et de perception de ces véhicules autonomes, nous voulons les soumettre à tous les scénarios possibles, accélérer dans les virages, placer un piéton sur le chemin, pour voir comment ce véhicule réagit. Plus vous mettez le véhicule dans ce genre de situations, mieux nous pouvons former et régler les modèles pour en faire des solutions sûres et fiables pour le transport. 

H : Pouvez-vous donner quelques exemples sur la façon dont cela va changer nos vies ou changer le monde tel que nous le connaissons ? Vous avez parlé des soins de santé. C’est évidemment une problématique prépondérante, tout comme la production alimentaire et ce genre de choses. Mais en quoi nos vies pourraient-elles être différentes dans dix ans grâce à la croissance future de l’IA ? 

C : J’ai mentionné certains de ces domaines clés. Nous avons parlé un peu de transport. Un autre domaine clé est la finance. Alors, où placer son argent pour la retraite et comment réajuster les allocations ? Le secteur de la fintech est en plein essor et pour prendre ces décisions en temps réel, comment gérer notre argent ? Absolument tous les domaines vont être touchés par l’IA, de la fabrication au transport, en passant par les produits pharmaceutiques. Nous envisageons même de l'utilise dans la recherche et la fabrication de médicaments. Je peux parcourir rapidement toutes les combinaisons possibles et me diriger vers ces nouvelles solutions très rapidement. Ils disent « échouez vite, échouez souvent ». Je pense que c'est ce qui se passe ici.

H : Ma dernière question est intéressée, car je pense que l’IA peut m’aider avec mon prochain draft sur Fantasy Football.

C : Oui, je pense. Ils se trompent peut-être, mais en fonction de ce que tout le monde a choisi, ou de ce que le gagnant de l’année dernière a choisi, vous copiez simplement ces choix.

H : C’est génial. Je prends toute l'aide possible ces jours-ci. Je dois sauver l'honneur avec mes amis.

C : Tout à fait. 

H : Excellent. Chris Blackburn. Il est technologue au sein de l’équipe d’architecture système de TE Connectivity. Chris, merci beaucoup de m'avoir rejoint aujourd’hui pour parler de certaines des applications de l’IA, de l'évolution future des choses, de nous avoir donné une vue d'ensemble du secteur et de tout ce qui se passe. Merci d'avoir participé.

C : Je me bien amusé.

H : Absolument. Moi aussi. J’espère que vous apprécierez cet épisode. Ce podcast s’intitule Connected World. C’est un podcast de TE Connectivity. Si vous n’êtes pas déjà abonné au podcast sur Apple ou Sportify, assurez-vous de vous abonner pour rester au courant de tout ce qui se passe dans le monde connecté avec les technologies de pointe. Bien sûr, nous reviendrons bientôt avec plus d’épisodes de ce podcast. Mais d’ici là, j'étais votre hôte pour aujourd’hui, Tyler Kern. Merci de votre écoute.