prix Frontiers of Knowledge pour avoir jeté les bases de l’intelligence artificielle moderne | BBVA

prix Frontiers of Knowledge pour avoir jeté les bases de l'intelligence artificielle moderne | BBVA Dans une interview peu de temps après avoir entendu le prix, Pearl a résumé ce qu'il considérait comme sa contribution essentielle à l'IA moderne : « Pour la première fois, nous pouvons comprendre ce que signifie la « compréhension », pour la première fois, nous disposons d'un modèle informatique de compréhension ». Pearl définit une telle compréhension comme « être capable de répondre à des questions de trois niveaux importants : la prédiction ; l'effet des actions ; et une explication , pourquoi les choses se sont passées comme elles se sont passées et ce qui se serait passé si les choses ne s'étaient pas passées comme elles l'ont fait. Ces trois niveaux de sophistication sont ce que la langue capture maintenant et c'est ce que nous entendons par une compréhension. - buxmi

Dans une interview peu de temps après avoir entendu le prix, Pearl a résumé ce qu’il considérait comme sa contribution essentielle à l’IA moderne : « Pour la première fois, nous pouvons comprendre ce que signifie la « compréhension », pour la première fois, nous disposons d’un modèle informatique de compréhension ». Pearl définit une telle compréhension comme « être capable de répondre à des questions de trois niveaux importants : la prédiction [ce qui se passera dans telle ou telle circonstance] ; l’effet des actions ; et une explication , pourquoi les choses se sont passées comme elles se sont passées et ce qui se serait passé si les choses ne s’étaient pas passées comme elles l’ont fait. Ces trois niveaux de sophistication sont ce que la langue capture maintenant et c’est ce que nous entendons par une compréhension.

La candidature de Pearl a été soutenue par 11 éminents chercheurs en Europe et aux États-Unis . Parmi eux se trouve le lauréat du prix Nobel d’économie Daniel Kahneman , qui dit de son candidat : ​​« Au cours de ma longue carrière, j’ai connu pas mal de chercheurs qui étaient reconnus comme des géants dans leur domaine. Je ne pense pas avoir jamais rencontré quelqu’un qui ait suscité autant de respect et d’affection que Judea Pearl. Un autre des nominés, Vinton G. Cerf , vice-président et évangéliste en chef de l’Internet chez Google (États-Unis), se souvient comment il a « regardé avec admiration son travail ouvrir de nouvelles voies, souvent à l’encontre des idées reçues. Judea Pearl a poursuivi ses recherches malgré un scepticisme considérable et ses efforts ont été largement récompensés.

See also 

Une IA “moins opaque”

Les nominateurs tiennent à souligner que, par rapport à d’autres lignes d’IA et de statistiques comme l’apprentissage en profondeur ou les réseaux de neurones, la contribution de Pearl confère une transparence vitale dans des applications déterminées, telles que la prise de décision en médecine et sur des questions juridiques ou économiques .

Pedro Larrañaga , professeur d’intelligence artificielle à l’Universidad Politécnica de Madrid (UPM) a, pendant trois décennies, réalisé une étude théorique des contributions de Pearl, dans des domaines tels que la bioinformatique , les neurosciences et l’industrie . Selon lui, les idées du lauréat facilitent une IA « moins opaque » qui révèle par quel raisonnement les systèmes intelligents sont arrivés à une conclusion donnée : « Beaucoup des récentes percées en IA ont été basées sur des réseaux de neurones qui utilisent des algorithmes d’apprentissage en profondeur. Mais ces programmes sont comme des boîtes noires, où il n’est pas possible de retracer comment ils ont résolu le problème. De l’autre côté se trouvent ceux d’entre nous qui travaillent habituellement avec les réseaux bayésiens de Pearl, convaincus quel’interprétabilité doit être la pierre angulaire de l’IA .

Faire en sorte que les machines détectent avec succès les relations causales peut débloquer plusieurs applications. “Maintenant, nous avons un langage pour le faire, afin que nous puissions insérer les connaissances que nous avons sur le monde et déduire de manière cohérente comme nous le faisons en algèbre”, explique Pearls. “Nous déduisons la conclusion et la conclusion s’avère correcte si les hypothèses sont correctes. Les applications vont de la médecine personnalisée à la gestion d’une épidémie comme le COVID , en rassemblant une variété de sources d’informations provenant de diverses parties de divers pays, et en sortant avec une conclusion cohérente basée sur les preuves dont nous disposons.

See also  आर्टिफिशियल इंटेलिजेंस के बारे में 7 पुस्तकें अवश्य पढ़ें

Sur ce point, Larrañaga raconte comment son équipe a soutenu les centres de santé pendant la pandémie en appliquant les réseaux bayésiens aux décisions sur le patient à intuber et en prédisant l’évolution de la maladie : si une admission en USI serait nécessaire ou la durée de l’hospitalisation. .

Recent Posts

Categories