Top 10 des choses que l’Intelligence Artificielle fait mieux que les humains

Ces dernières années, l’Intelligence Artificielle a connu d’extraordinaires évolutions. Actuellement, la technologie atteint des performances pour le moins surprenantes. Mais est-elle capable d’égaliser l’intelligence humaine ?

Dans certains domaines comme les jeux complexes, il faut reconnaître que l’IA tient le règne. Les humains n’arrivent pas encore à la battre, notamment lors des concours de Jeopardy, Go, ou Poker. C’est sans doute parce qu’elle est capable de trouver des stratégies gagnantes en un rien de temps. Voulez-vous en savoir plus ? Découvrez alors les 10 choses que l’IA réalise mieux que les humains.

Jouer à Jeopardy !

Watson, l’ordinateur d’IBM, a gagné au jeu télévisé Jeopardy contre les champions humains en 2011. D’après TechRepublic, la machine a obtenu la somme de 77 147 $ tandis que Brad Rutter et Ken Jennings, qui se sont fait battre, ont eu l’un, 21 600 $ et l’autre, 24 000 $.

Selon Steve Lohr dans NewYork Times, cette nouvelle démontre la force de l’IA et ses grandes possibilités d’évolution.

Jouer au Go

Lors d’un jeu de plateau Go auquel participaient un robot et des humains, la machine a encore remporté la victoire. Ce joueur artificiel de Google DeepMind doté d’IA s’appelle AlphaGO.

Il n’a laissé aucune chance à Joon Ian Wong et Nikhil Sonnad. Ces derniers ont rapporté que la machine avait trouvé une nouvelle manière d’aborder ce jeu complexe qui passionne les Chinois depuis des millénaires.

Jouer aux jeux vidéo

Dans les jeux télévisés comme dans les jeux vidéo, le DeepMind de Google ne cesse d’impressionner. Elizabeth Lopatto a annoncé dans The Verge qu’il peut également appendre aux humains à jouer aux jeux Atari. Sur une liste de 49 jeux, cette machine a remporté la victoire avec les 43 tandis que les humains avec seulement 29.

L’on se demande alors comment l’IA arrive à réaliser de tels exploits. La réponse est simple ! C’est parce que la machine est dotée d’une logique implacable qui la rend capable d’élaborer des stratégies menant à la victoire. Mais les évolutions du transhumanisme pourraient bientôt permettre à l’humain de battre à nouveau l’IA grâce aux interfaces cerveau-machine (ICM) !

Jouer au poker

L’IA a récemment vaincu les joueurs humains au poker. Quatre des meilleurs joueurs mondiaux se sont fait battre par Libratus, un système d’IA conçu par des chercheurs en informatique de l’Université Carnegie Mellon en Pennsylvanie.

« Libratus s’appuyait sur trois systèmes différents qui fonctionnaient ensemble, un rappel que l’IA moderne n’est pas pilotée par une technologie, mais par plusieurs. »

Wired

Jouer avec les blocs de construction

ComputerWorld a rapporté que le potentiel de l’intelligence artificielle pouvait aller au-delà des victoires aux jeux. En effet, elle peut aussi enseigner l’art des jouets traditionnels, à savoir les blocs de construction. En 2016, Facebook a réalisé une étude dont le résultat a montré que l’IA est apte à apprendre la physique intuitive des blocs de bois. Celle-ci désigne un jouet qui permet aux nouveau-nés de développer leurs capacités motrices et d’apprendre davantage sur le comportement physique du monde.

Grâce à un moteur de jeu 3D, les chercheurs ont pu fabriquer de petites tours de blocs de bois dont la stabilité a été randomisée, les rendant soit pliables soit debout.

Transcrire l’audio

Outre le fait de participer à des jeux, l’IA est aussi capable de réaliser des tâches comme transcrire un audio. D’après le rapport de ComputerWorld, les chercheurs de Microsoft « ont peaufiné un système de reconnaissance vocale automatisé basé sur l’IA afin qu’il fonctionne aussi bien ou mieux que les gens ».

Pour évaluer l’efficacité de ce transcripteur automatique, l’Institut national des normes et de la technologie a effectué un test. Il s’agit en fait d’une compétition entre le système d’IA et le transcripteur humain de Microsoft pour voir lequel est le plus efficace. Le résultat a montré que les deux sujets avaient eu un taux d’erreur de 5,9 %. Toutefois, quand le test a été refait, le robot a commis moins d’erreurs que le sujet humain. Le premier avait eu un taux d’erreur de 11,1 % tandis que le second 11,3 %.

Lire sur les lèvres

Le potentiel de l’IA va grandissant. Dernièrement, elle a de même appris à lire sur les lèvres. C’est grâce au travail des chercheurs de l’Université d’Oxford. Ils ont développé un système d’IA de lecture labiale plus précis que les humains, rapporte Quartz.

Ce système, perfectionné grâce au financement d’Alphabet’s DeepMind, désigne LipNet. Contrairement à son prédécesseur encore limité de 20 % à 60 % de ce qu’une personne dit, ce lecteur labial peut faire correspondre avec une précision de 93,4 % le texte au mouvement de la bouche du locuteur dans une vidéo.

Reportages

En journalisme, l’IA aide aussi beaucoup dans la rédaction et le reportage de nouvelles. Grâce à elle, on gagne en vitesse dans la transformation des données structurées en mots.

« L’IA est particulièrement rapide pour transformer des données structurées en mots, comme l’a constaté un journaliste du Financial Times face à une IA appelée Emma de la start-up californienne Stealth. »

ComputerWorld

À titre d’exemple, ce système d’IA a réalisé des centaines de rapports sur les Jeux olympiques de Rio pour le compte de Washington Times.

Diagnostiquer les maladies

La médecine utilise aussi de plus en plus l’IA pour diagnostiquer les maladies avec précision. Selon le rapport de Simon Parkin dans la revue technologique du MIT, l’IA de Babylone aide à vérifier les symptômes d’un patient à partir d’une base de données.

Avec Watson de l’IBM connu précédemment dans le jeu de Jeopardy, traiter des millions de données médicales est possible afin d’élaborer des plans de traitement relatifs aux maladies.

Dépasser l’intuition humaine

De nos jours, les ordinateurs évoluent vite au point de battre presque l’intuition humaine dans la cherche de modèles importants.

Selon le Washington Post, un algorithme inventé par Max Kanter dans le laboratoire d’informatique et d’IA du MIT arrive à identifier des modèles dans un ensemble de données. Il peut par exemple prévoir lorsqu’un étudiant risque d’abandonner son cours en ligne ou donner la raison pour laquelle une personne peut devenir un client fidèle.