IBM Paris Bluemix Meetup #12 - Ecole 42 - 9 décembre 2015

• Georges Uzbelger • Digital Transformation & Advanced Analytics Leader • Development of Academic/Research Relations

• georges.uzbelger@fr.ibm.com • LinkedIn • Tel mobile 06 84 81 67 75

Intelligence Artificielle avec Bluemix @ 42Le Machine Learning au coeur de l’intelligence artificielle

1900 1950 2011

Nous sommes entrés dans une nouvelle ère !

Cognitif - cognition (Wikipedia)

• Cognitif - Qui se rapporte à la connaissance

• Cognition - Ensemble des grandes fonctions de l’esprit liées à la connaissance (perception, langage, mémoire, raisonnement, décision, …)

• Sciences cognitives - Etude de la cognition de divers points de vue

Données

Information

Connaissance

Expertise

Interprétation

Réflexion basée sur l’expérience et le contexte

Jugement et action

Ere cognitive

• Convergence entre (NBIC) • Nanotechnologie • Biotechnologie • Informatique • Sciences cognitives

• Approche bio-inspirée • Apprentissage: machine et deep learning • Méthode de « raisonnement » de type baysien (plausibilité d’événements

futurs à partir des événements passés • Modèle d’architecture de type « neuronal » inspiré des réseaux de

neurones biologiques

Nanotechnologie Biotechnologie

Informatique Sciences cognitives

NBIC

Test de Turing

• Alan Turing: mathématicien et informaticien anglais

• Machine de Turing: modèle abstrait utilisé en informatique théorique

• Test de Turing (1950) • Construire une machine avec une IA • Confrontation conversationnelle entre un

humain et cette machine afin de déterminer si l’humain ne peut distinguer si sa conversation a lieu avec cette machine ou un autre humain

• En 2014, on pensait avoir réussi le test de Turing mais … non

Conceptualisation - Modélisation - Généralisation

• Modélisation: Idéalisation, approximation, simplification de la réalité, d’un phénomène• Le phénomène est différent de la représentation du phénomène• Généralisation à partir de la représentation

• Exemple: modéliser un comportement de fraude, du vieillissement d’un système pour de la maintenance prédictive, de l’attrition, du décrochage scolaire

Ind5Ind1 Ind11Ind9Ind3 Ind14Ind2 Ind6 Ind8Ind7 Ind4 Ind12Ind13 Ind10

Coupe

Sem

iPar

tial R

-

O.O

Classification hiérarchique - Dendrogramme

O.6

O.3

Classe 1

Classe 2

Classe …

Classe n

Variable 1

Variable 2

Variable 3

Clustering

0

0,

1-1

Premier axe ou facteur explicatif (61%)

Deu

xièm

e ax

e ou

fact

eur e

xplic

atif

(29%

)

V V

V

V

V

Analyse en composantes principales

Analyse descriptive

Analyse prédictive

Sains 100 Malades 100

Température > 37.8

Température < 37.8

Sains 7 Malades 57

Sains 93 Malades 43

DiabètePas de diabète

Sains 87 Malades 3

Sains 6 Malades 40

Malade

MaladeSain

Arbres de décisionRégression

Décisions Actions

Résultats

Analyse Descriptive

Analyse Prédictive

Optimisation

Regles méitier

Analyse Prescriptive

Analyse prescriptive

Entrée SortieAlgorithmes avec adaptation

de la prise en compte des entrées et des comportements en réponse en fonction d’objectifs à atteindre

Prise en compte des réponses pour amélioration future

Qu’est-ce que le machine learning ?

• Le machine learning est un ensemble d’outils mathématiques et d’algorithmes permettant, par un processus itératif, d’améliorer les performances de prédiction par rapport à un objectif à atteindre

• Certaines implémentations de machine learning s’inspirent du fonctionnement et de l’architecture des neurones biologiques.

Statistiques Optimisation

Algorithmique

Er

Classification Regression

Entrée SortieAlgorithmes avec adaptation

de la prise en compte des entrées et des comportements en réponse en fonction d’objectifs à atteindre

Oracle Superviseur

Ensemble de valeurs d’apprentissage

et de test

Sortie attendue

Entrée

Prise en compte des réponses pour amélioration future

Apprentissage supervisé

3 phases: Apprentissage

tests Production

Statistiques Optimisation

Algorithmique

Er

Classification Regression

Minimisation risque empirique consistance

Minimisation risque structurel

Attention au sur-apprentissage !

• En régression

• En classement

••••

•

• ••• •••

•

•

• ••• •••

•

•

• •••

• Pas assez • Bon • Trop

• Pas assez • Bon • Trop

• Rasoir d'Ockham - Principe de parcimonie • Ne pas utiliser de nouvelles hypothèses si celles utilisées suffisent.

Couche E Entrée

Couche S Sortie

Couche i cachée

Couche j cachée

Poids connexion

Réseau de neurones

Réseau de neurones artificiels: modèle très très simplifié de l’architecture de neurones biologiques !

Machine learning Exemples d’applications - Références IBM

DiagnosticMédicalDétection

de fraudes

SeriousGames

Décrochagescolaire

Optimisationtransports Maintenance

prédictive

Détectiond’attrition

Interprétationimagerie

Protectiondigitaleen ligne

Formationsadaptées

MarketingVente

Aiderecrutements

WATSON

Watson gagne au jeu Jeopardy en Février 2011

Qu’est-ce que Watson ?

• Watson créé une relation nouvelle avec les systèmes d’informations • Watson accompagne les décideurs et renforce la relations avec les clients

Watson me comprend.

Watson échange avec moi.

Watson apprend et s’améliore avec le temps

Watson m’aide à découvrir.

Watson justifie ses arguments.

Watson à des capacités encore inexploitées.

Watson est rapide et pense en temps réel.

Watson produit et évalue des hypothèses

Watson comprend le langage naturel

Watson s’adapte et apprend

Comment Watson « raisonne » ?

Merci