Découvrez toutes les sessions à la demande du Sommet sur la sécurité intelligente ici.
Dès 2021, 91,5 % des entreprises déclarent investir en permanence dans l’intelligence artificielle (IA). Alors que les organisations envisagent leur prochaine grande solution d’IA, il y a deux éléments clés qui doivent être gardés à l’esprit tout au long de cette recherche : une interface utilisateur (UI) solide et des résultats sans biais.
La mauvaise conception de l’interface utilisateur est l’une des principales raisons pour lesquelles certaines technologies n’obtiennent pas de taux d’adoption élevés au sein des organisations. Si l’interface utilisateur d’une solution d’IA est facile à utiliser, offre de bonnes performances et possède des fonctionnalités de marque et de conception attrayantes, son impact commercial et son utilisation monteront en flèche.
Mais, bien sûr, cela ne s’arrête pas à l’apparence et à la convivialité. Veiller à ce que les organisations mettent en œuvre IA sans biais la technologie est la clé d’un succès continu. Les algorithmes d’IA sont façonnés par les données utilisées pour les entraîner. Ces données, et le processus de formation lui-même, peuvent refléter des décisions humaines biaisées ou des inégalités historiques et sociales, même si des variables sensibles sont supprimées. Pour maintenir et renforcer la confiance avec les nouvelles capacités d’IA, les entreprises doivent toujours valoriser et renforcer la convivialité et la précision tout en continuant à élever leurs attentes vis-à-vis de cette technologie.
Le marché de la technologie de l’IA décolle
Alors que l’IA continue d’évoluer, elle a un impact non seulement sur le fonctionnement des entreprises, mais aussi sur notre fonctionnement en tant que société. En fait, l’utilisation de l’IA est si répandue que la taille du marché devrait passer de 86,9 milliards de dollars en 2022 à 407 milliards de dollars d’ici 2027.
Événement
Sommet sur la sécurité intelligente à la demande
Découvrez le rôle essentiel de l’IA et du ML dans la cybersécurité et les études de cas spécifiques à l’industrie. Regardez les sessions à la demande aujourd’hui.
Qu’il s’agisse de l’utilisation de l’IA dans le traitement intelligent des documents (IDP), des logiciels de détection de fraude, des voitures autonomes ou des chatbots, ce boom a laissé la définition de l’IA alambiquée. Pour rester simple, l’IA vise à imiter l’approche humaine des problèmes courants. Au fil du temps, l’IA continuera de devenir plus intelligente à mesure que nous continuerons à apprendre et à utiliser ses capacités pour un maximum de potentiel et de résolution de problèmes.
Aujourd’hui, nous avons atteint un tournant décisif dans les avancées technologiques de l’IA et sommes capables de nous attaquer à des tâches banales et de surmonter des défis de manière nouvelle, efficace et innovante. Cela dit, l’IA est également devenue un marché saturé : ceux qui cherchent à résoudre les problèmes commerciaux quotidiens ont désormais du mal à identifier les solutions de pointe. De nombreuses entreprises recherchent des conseils sur les éléments fondamentaux les plus importants lors de l’évaluation des technologies d’IA, et leurs Conception de l’interface utilisateur et les résultats sans biais doivent se démarquer.
Privilégier une interface utilisateur forte
L’apprentissage en profondeur est un type d’apprentissage automatique (ML) basé sur des réseaux de neurones artificiels. Ce sont des structures mathématiques vaguement inspirées de la forme et de la fonction du cerveau, et elles sont capables d’apprendre par l’exemple d’une manière similaire à la façon dont les humains apprennent.
L’apprentissage en profondeur a évolué de manière explosive au cours des dernières années et repousse constamment les limites de ce qui est possible avec l’IA. C’est de loin le domaine de l’IA qui évolue le plus rapidement, et à ce stade, les domaines de l’IA non liés à l’apprentissage en profondeur pourraient être qualifiés de niches.
Pour expliquer davantage, chaque fois qu’un humain corrige une erreur d’IA, l’IA ne doit pas répéter la même erreur. Malheureusement, si l’utilisation est limitée, l’IA ne peut plus apprendre par l’exemple et fournira finalement des résultats diminués et une mauvaise qualité des données. En fait, la mauvaise qualité des données a coûté aux organisations plus de 12 millions de dollars sur une base annuelle et peut nuire considérablement aux opérations commerciales. Sans une interface utilisateur conviviale, les employés n’utiliseront pas la solution d’IA, et ceux qui l’utiliseront l’utiliseront moins souvent que recommandé ou ne l’utiliseront pas correctement. Tout cela dévalorise l’investissement dans l’IA car les modèles n’apprennent pas ou ne s’améliorent pas.
Par exemple, l’IA est programmée dans les voitures, et l’expérience utilisateur est la clé de son adoption et de son succès. En particulier, la technologie d’assistance de voie présente des avantages en matière de sécurité, mais l’expérience peut être très surprenante et rebutante pour les conducteurs s’ils dérivent dans une autre voie. Selon le modèle de voiture, la roue peut se déplacer automatiquement, des alarmes peuvent se déclencher ou un clignotement peut se produire sur le tableau de bord.
Si la technologie d’assistance de voie est trop sensible ou erratique, cela peut provoquer de grands conflits pour les conducteurs, ce qui nuit aux taux d’adoption. En fin de compte, la technologie a cessé d’acquérir les connaissances dont elle a besoin pour améliorer ses capacités. Cela vaut pour tout apprentissage en profondeur Technologie IA. Comme beaucoup ne comprennent toujours pas toute la portée de l’IA et ses avantages, une interface utilisateur puissante et facile à utiliser doit être au premier plan pour garantir un investissement continu et réussi.
Suppression du biais de l’IA de l’équation
Les préjugés sont partout et l’IA ne fait pas exception. Le biais de l’IA est le préjugé sous-jacent dans les données utilisées pour créer des algorithmes d’IA, et il est généralement – généralement inconsciemment – intégré à la technologie dès le départ. Cela peut se produire lorsque des modèles sont formés sur des données influencées par des décisions et des comportements humains répétés, ou sur des données qui reflètent les effets de second ordre d’inégalités sociétales ou historiques. Cela peut entraîner de la discrimination et d’autres conséquences sociales.
Les données générées par les utilisateurs peuvent également créer une boucle de rétroaction qui conduit à un biais, et un biais peut être introduit dans les données par la manière dont elles sont collectées ou sélectionnées pour être utilisées. Selon la solution, le biais de l’IA peut également conduire à des algorithmes pleins de corrélations statistiques inacceptables ou illégales pour la société. Par exemple, Amazon a récemment découvert que son algorithme utilisé pour embaucher des employés était biaisé contre les femmes. L’algorithme était basé sur le nombre de CV soumis au cours des dix dernières années, et comme la plupart des candidats étaient des hommes, il a été formé pour favoriser les hommes. Bien que cela ait pu être un oubli apparemment inoffensif, son impact et ses effets sur l’avancement de la carrière des femmes étaient considérables.
De plus, l’un des plus grands problèmes de la technologie d’IA biaisée est qu’elle peut déployer des préjugés humains et sociétaux à échelle, fournissant en permanence des résultats inexacts et nuisant à la confiance entre l’utilisateur final et le fournisseur. S’assurer que tout fournisseur potentiel priorise et mène systématiquement des recherches sur les biais de l’IA est la clé. Qu’il s’agisse de profilage racial, de préjugés sexistes, d’inégalités de recrutement et/ou de discrimination fondée sur l’âge, toutes les entreprises doivent garder à l’esprit les préjugés lorsqu’elles sont sur le marché des nouvelles technologies basées sur l’IA.
Combiner une interface utilisateur puissante avec une IA sans biais pour un maximum de succès
Lors du développement d’un produit, les préjugés peuvent jouer un rôle central dans le succès d’une interface utilisateur. De plus, le biais de l’IA peut être amélioré avec une interface utilisateur forte.
Par exemple, un graphiste peut souhaiter inclure des photos qu’il trouve attrayantes et stimulantes sur la page de destination d’une plate-forme logicielle. C’est une opinion complètement biaisée et non basée sur une étude de marché ou sur les commentaires des clients. Ces photos peuvent avoir un impact sur l’expérience de l’utilisateur et, en éliminant les photos sélectionnées en fonction de leurs préférences personnelles, les biais peuvent être évités. Ces deux composants de la technologie de l’IA peuvent rapidement s’entremêler, et si les organisations recherchent un partenaire technologique tourné vers l’avenir, il est important de se renseigner sur ces éléments – et leurs évolutions – de l’avant-garde.
S’il est clair que la technologie de l’IA apporte une pléthore de valeur aux organisations, il reste encore beaucoup à apprendre, il est donc crucial d’avoir une liste de contrôle des composants importants à mettre en œuvre et de rester au centre de l’évolution de la technologie.
En d’autres termes, trouver une solution qui a non seulement une interface utilisateur solide, mais qui travaille de manière proactive pour éliminer les biais est la clé d’une solution durable, hautement adoptée, fiable et évolutive qui fera passer les entreprises au niveau supérieur.
Petr Baudis est CTO et architecte en chef de l’IA chez Rossum.
DataDecisionMakers
Bienvenue dans la communauté VentureBeat !
DataDecisionMakers est l’endroit où les experts, y compris les techniciens travaillant sur les données, peuvent partager des informations et des innovations liées aux données.
Si vous souhaitez en savoir plus sur les idées de pointe et les informations à jour, les meilleures pratiques et l’avenir des données et de la technologie des données, rejoignez-nous sur DataDecisionMakers.
Vous pourriez même envisager contribution d’un article ton propre!
En savoir plus sur DataDecisionMakers
Découvrez toutes les sessions à la demande du Sommet sur la sécurité intelligente ici.
Dès 2021, 91,5 % des entreprises déclarent investir en permanence dans l’intelligence artificielle (IA). Alors que les organisations envisagent leur prochaine grande solution d’IA, il y a deux éléments clés qui doivent être gardés à l’esprit tout au long de cette recherche : une interface utilisateur (UI) solide et des résultats sans biais.
La mauvaise conception de l’interface utilisateur est l’une des principales raisons pour lesquelles certaines technologies n’obtiennent pas de taux d’adoption élevés au sein des organisations. Si l’interface utilisateur d’une solution d’IA est facile à utiliser, offre de bonnes performances et possède des fonctionnalités de marque et de conception attrayantes, son impact commercial et son utilisation monteront en flèche.
Mais, bien sûr, cela ne s’arrête pas à l’apparence et à la convivialité. Veiller à ce que les organisations mettent en œuvre IA sans biais la technologie est la clé d’un succès continu. Les algorithmes d’IA sont façonnés par les données utilisées pour les entraîner. Ces données, et le processus de formation lui-même, peuvent refléter des décisions humaines biaisées ou des inégalités historiques et sociales, même si des variables sensibles sont supprimées. Pour maintenir et renforcer la confiance avec les nouvelles capacités d’IA, les entreprises doivent toujours valoriser et renforcer la convivialité et la précision tout en continuant à élever leurs attentes vis-à-vis de cette technologie.
Le marché de la technologie de l’IA décolle
Alors que l’IA continue d’évoluer, elle a un impact non seulement sur le fonctionnement des entreprises, mais aussi sur notre fonctionnement en tant que société. En fait, l’utilisation de l’IA est si répandue que la taille du marché devrait passer de 86,9 milliards de dollars en 2022 à 407 milliards de dollars d’ici 2027.
Événement
Sommet sur la sécurité intelligente à la demande
Découvrez le rôle essentiel de l’IA et du ML dans la cybersécurité et les études de cas spécifiques à l’industrie. Regardez les sessions à la demande aujourd’hui.
Regardez ici
Qu’il s’agisse de l’utilisation de l’IA dans le traitement intelligent des documents (IDP), des logiciels de détection de fraude, des voitures autonomes ou des chatbots, ce boom a laissé la définition de l’IA alambiquée. Pour rester simple, l’IA vise à imiter l’approche humaine des problèmes courants. Au fil du temps, l’IA continuera de devenir plus intelligente à mesure que nous continuerons à apprendre et à utiliser ses capacités pour un maximum de potentiel et de résolution de problèmes.
Aujourd’hui, nous avons atteint un tournant décisif dans les avancées technologiques de l’IA et sommes capables de nous attaquer à des tâches banales et de surmonter des défis de manière nouvelle, efficace et innovante. Cela dit, l’IA est également devenue un marché saturé : ceux qui cherchent à résoudre les problèmes commerciaux quotidiens ont désormais du mal à identifier les solutions de pointe. De nombreuses entreprises recherchent des conseils sur les éléments fondamentaux les plus importants lors de l’évaluation des technologies d’IA, et leurs Conception de l’interface utilisateur et les résultats sans biais doivent se démarquer.
Privilégier une interface utilisateur forte
L’apprentissage en profondeur est un type d’apprentissage automatique (ML) basé sur des réseaux de neurones artificiels. Ce sont des structures mathématiques vaguement inspirées de la forme et de la fonction du cerveau, et elles sont capables d’apprendre par l’exemple d’une manière similaire à la façon dont les humains apprennent.
L’apprentissage en profondeur a évolué de manière explosive au cours des dernières années et repousse constamment les limites de ce qui est possible avec l’IA. C’est de loin le domaine de l’IA qui évolue le plus rapidement, et à ce stade, les domaines de l’IA non liés à l’apprentissage en profondeur pourraient être qualifiés de niches.
Pour expliquer davantage, chaque fois qu’un humain corrige une erreur d’IA, l’IA ne doit pas répéter la même erreur. Malheureusement, si l’utilisation est limitée, l’IA ne peut plus apprendre par l’exemple et fournira finalement des résultats diminués et une mauvaise qualité des données. En fait, la mauvaise qualité des données a coûté aux organisations plus de 12 millions de dollars sur une base annuelle et peut nuire considérablement aux opérations commerciales. Sans une interface utilisateur conviviale, les employés n’utiliseront pas la solution d’IA, et ceux qui l’utiliseront l’utiliseront moins souvent que recommandé ou ne l’utiliseront pas correctement. Tout cela dévalorise l’investissement dans l’IA car les modèles n’apprennent pas ou ne s’améliorent pas.
Par exemple, l’IA est programmée dans les voitures, et l’expérience utilisateur est la clé de son adoption et de son succès. En particulier, la technologie d’assistance de voie présente des avantages en matière de sécurité, mais l’expérience peut être très surprenante et rebutante pour les conducteurs s’ils dérivent dans une autre voie. Selon le modèle de voiture, la roue peut se déplacer automatiquement, des alarmes peuvent se déclencher ou un clignotement peut se produire sur le tableau de bord.
Si la technologie d’assistance de voie est trop sensible ou erratique, cela peut provoquer de grands conflits pour les conducteurs, ce qui nuit aux taux d’adoption. En fin de compte, la technologie a cessé d’acquérir les connaissances dont elle a besoin pour améliorer ses capacités. Cela vaut pour tout apprentissage en profondeur Technologie IA. Comme beaucoup ne comprennent toujours pas toute la portée de l’IA et ses avantages, une interface utilisateur puissante et facile à utiliser doit être au premier plan pour garantir un investissement continu et réussi.
Suppression du biais de l’IA de l’équation
Les préjugés sont partout et l’IA ne fait pas exception. Le biais de l’IA est le préjugé sous-jacent dans les données utilisées pour créer des algorithmes d’IA, et il est généralement – généralement inconsciemment – intégré à la technologie dès le départ. Cela peut se produire lorsque des modèles sont formés sur des données influencées par des décisions et des comportements humains répétés, ou sur des données qui reflètent les effets de second ordre d’inégalités sociétales ou historiques. Cela peut entraîner de la discrimination et d’autres conséquences sociales.
Les données générées par les utilisateurs peuvent également créer une boucle de rétroaction qui conduit à un biais, et un biais peut être introduit dans les données par la manière dont elles sont collectées ou sélectionnées pour être utilisées. Selon la solution, le biais de l’IA peut également conduire à des algorithmes pleins de corrélations statistiques inacceptables ou illégales pour la société. Par exemple, Amazon a récemment découvert que son algorithme utilisé pour embaucher des employés était biaisé contre les femmes. L’algorithme était basé sur le nombre de CV soumis au cours des dix dernières années, et comme la plupart des candidats étaient des hommes, il a été formé pour favoriser les hommes. Bien que cela ait pu être un oubli apparemment inoffensif, son impact et ses effets sur l’avancement de la carrière des femmes étaient considérables.
De plus, l’un des plus grands problèmes de la technologie d’IA biaisée est qu’elle peut déployer des préjugés humains et sociétaux à échelle, fournissant en permanence des résultats inexacts et nuisant à la confiance entre l’utilisateur final et le fournisseur. S’assurer que tout fournisseur potentiel priorise et mène systématiquement des recherches sur les biais de l’IA est la clé. Qu’il s’agisse de profilage racial, de préjugés sexistes, d’inégalités de recrutement et/ou de discrimination fondée sur l’âge, toutes les entreprises doivent garder à l’esprit les préjugés lorsqu’elles sont sur le marché des nouvelles technologies basées sur l’IA.
Combiner une interface utilisateur puissante avec une IA sans biais pour un maximum de succès
Lors du développement d’un produit, les préjugés peuvent jouer un rôle central dans le succès d’une interface utilisateur. De plus, le biais de l’IA peut être amélioré avec une interface utilisateur forte.
Par exemple, un graphiste peut souhaiter inclure des photos qu’il trouve attrayantes et stimulantes sur la page de destination d’une plate-forme logicielle. C’est une opinion complètement biaisée et non basée sur une étude de marché ou sur les commentaires des clients. Ces photos peuvent avoir un impact sur l’expérience de l’utilisateur et, en éliminant les photos sélectionnées en fonction de leurs préférences personnelles, les biais peuvent être évités. Ces deux composants de la technologie de l’IA peuvent rapidement s’entremêler, et si les organisations recherchent un partenaire technologique tourné vers l’avenir, il est important de se renseigner sur ces éléments – et leurs évolutions – de l’avant-garde.
S’il est clair que la technologie de l’IA apporte une pléthore de valeur aux organisations, il reste encore beaucoup à apprendre, il est donc crucial d’avoir une liste de contrôle des composants importants à mettre en œuvre et de rester au centre de l’évolution de la technologie.
En d’autres termes, trouver une solution qui a non seulement une interface utilisateur solide, mais qui travaille de manière proactive pour éliminer les biais est la clé d’une solution durable, hautement adoptée, fiable et évolutive qui fera passer les entreprises au niveau supérieur.
Petr Baudis est CTO et architecte en chef de l’IA chez Rossum.
DataDecisionMakers
Bienvenue dans la communauté VentureBeat !
DataDecisionMakers est l’endroit où les experts, y compris les techniciens travaillant sur les données, peuvent partager des informations et des innovations liées aux données.
Si vous souhaitez en savoir plus sur les idées de pointe et les informations à jour, les meilleures pratiques et l’avenir des données et de la technologie des données, rejoignez-nous sur DataDecisionMakers.
Vous pourriez même envisager contribution d’un article ton propre!
En savoir plus sur DataDecisionMakers
— to news.google.com
Jeu de briques
Snake
Pacman
Bubble