L’avis des experts sur l’IA Neurosymbolique
« La modélisation neuro-symbolique est l’un des champs les plus prometteurs de l’IA à l’heure actuelle »,
Brenden Lake, Professeur adjoint en psychologie et data science à l’Université de New York (NYU).
« Je ne pense pas que le deep learning nous soit encore parfaitement utile… Il y a des fissures inquiétantes dans le mur qui commencent à apparaître.»
« It’s time to reinvent artificial intelligence.» And, according to him, neuro-symbolic AI is the answer
David Cox, Directeur IBM du MIT-IBM Watson AI Lab.
“We’re betting that the next phase of incredible AI achievements are going to be delivered via hybrid AI architectures such as neural-symbolic systems”
Alexey Potapov, Professeur à l’Université de St Petersbourg – Voir l’article
Histoire de l’intelligence artificielle
L’IA symbolique puis les réseaux de neurones, des promesses aujourd’hui inaccomplies.
IA Symbolique
Obéit à des règles établies humainement pour répondre à un problème donné.
Efficace pour :
- Manipuler les symboles
- Résoudre des problèmes avec un protocole
- Répondre à des questions de logique formelle.
- Imiter le raisonnement humain.
Certains comportements humains échappent au rationalisme et à la modélisation.
Modèle figé, sans capacité d’adaptation. Inefficace quand les données réelles évoluent ou diffèrent de la règle.
- ressources humaines (rationalité)
- retail (rationalité et modèle figé)
- marketing (rationalité)
- médecine (modèle figé)
Réseaux de neurones
Découvre et applique les règles implicites contenues dans les flux de données.
Efficace pour :
- Reconnaître des patterns
- Étiqueter les objets d’une image
- Traiter des signaux complexes et des données non structurées
- Proposer des prédictions
Besoin de flux de gigadonnées, excluant les projets avec peu de data.
Incompétents en cas de « black swan events ».
Boite noire : aucun accès au raisonnement et aux clés de décision.
- le luxe, le haut de gamme (peu de data)
- la sécurité / la défense (black swan)
- médecine type réanimation (black swan)
- banque et finance / marketing (boite noire)
De l’opposition des IA à la complémentarité du neurosymbolisme
Avant l’IA neurosymbolique, il fallait arbitrer, logique vs. données, puissance vs. transparence. L’intelligence artificielle neurosymbolique vous permet d’associer la donnée avec la logique. Elle combine la puissance des réseaux de neurones ou deep learning (analyse de données non structurées et apprentissage en profondeur) avec la performance de l’IA symbolique (intégration du raisonnement, de la logique et du savoir-faire, auto-apprentissage par construction de nouveaux concepts et explicabilité).
DATA
Images, vidéos, sons, bases clients, IoT…
Analogique et numérique
Streaming ou BDD
Logique
ACSOS prise en charge de patients
Procédure technique
Règles de marketing automation
Règles de nurturing…
Savoir-faire
Modélisation de l’expertise métier
Evolution des consignes
Définition de seuils
Spécificités locales