• GPipe est une librairie qui facilite le parallélisme pour le Deep Learning. GPipe répartit les données d’apprentissage en « mini-batchs » pour identifier les erreurs du modèle, puis en « micro-batchs ». GPipe est conçu pour minimiser l’empreinte mémoire du réseau en optimisant la phase de rétropropagation qui est, notamment, réalisée simultanément avec le « recalcul » de propagation. Une publication de Google (en pièce jointe) détaille ce fonctionnement.
• TensorFlow Privacy a pour objectif de créer des modèles de Machine Learning en gardant les données sources anonymes. Disponible sur GitHub, TFP est une librairie Python basée sur le principe de Differential Privacy dont la « promesse » est de ne rien apprendre sur un individu donné tout en apprenant sur l’ensemble de la population dont il/elle est membre (la Differential Privacy n’est pas un algorithme en soi mais la définition d’un concept). Bien entendu, un papier est joint pour plus de précisions.
  Les deux liens pour jouer avec tout cela et en savoir plus sont ici :
  GPipe : https://ai.googleblog.com/2019/03/introducing-gpipe-open-source-library.html
  TensorFLow Privacy : https://github.com/tensorflow/privacy

L’armée américaine a annoncé vendredi 7 septembre débloquer un budget de 2 milliards de dollars sur 5 ans pour développer un programme d’Intelligence Artificielle destiné à aider les militaires sur le terrain. La DARPA (Defense Advanced Research Projects Agency), l’agence de recherche de l’armée des Etats-Unis, va tenter d’humaniser des systèmes automatisés : « La Darpa envisage un futur dans lequel les machines sont bien plus que de simples outils exécutant des règles programmées par des humains (…). Les machines que la Darpa envisage fonctionneront plus comme des collègues que comme des outils ».* Le programme intitulé AI Next a pour finalité de développer une IA capable de prendre des décisions et de les expliquer : « voir comment les machines pourraient acquérir des capacités de communication et de raisonnement de type humain, avec la possibilité de reconnaître et s’adapter à de nouvelles situations ».**

Comme l’expliquait synthétiquement un article du Wall Street Journal : AI can’ reason why (abonnement requis), aujourd’hui, un algorithme de Deep Learning ne sait pas décrire le processus qui conduit à un résultat donné. Les questions telles que « Pourquoi tel événement s’est produit » ou « Que serait-il arrivé si… » restent des « constructions humaines » que n’adressent pas les programmes d’apprentissage actuels.

Or, pour accepter l’intervention de robots sur des sujets aussi sensibles que des interventions militaires et/ou accepter leurs applications dans notre quotidien, il est impératif de faire confiance aux processus de prise de décision qui conduisent les systèmes d’IA.

Mais si la condition est nécessaire, elle n’est certainement pas suffisante.

Pour preuve, les levées de bouclier des chercheurs craignant une possible course à l’armement, ou, plus récemment, la prise de position des salariés de Google, pourtant généralement très solidaires de leur entreprise, contre la collaboration avec le Pentagone pour une analyse des images fournies par les drones militaires. La réaction a été telle que Google a non seulement annoncé la fin du projet mais s’est également engagé à respecter sept principes éthiques pour éviter, si possible, que l’IA ne détruise l’humanité :

1. être bénéfique à la société,
2. éviter les injustices,
3. être conçue et testée de façon à garantir la sécurité,
4. être à l’écoute du public,
5. respecter  la vie privée,
6. se conformer à des standards d’excellence scientifique,
7. n’être disponible que pour des cas d’usage qui sont en accord avec ces principes.

Conviction profonde ou déclaration d’intention ?

En attendant, avec ou sans Google, éthiques ou non, les recherches et les investissements en IA se multiplient avec en perspectives de profondes transformations sociales et sociétales (et militaires).

*Source : Le Monde Pixels du 10 septembre 2018

** Source : Nextinpact.com du 10 septembre 2018

Parmi les améliorations certaines sont pilotées par des modules d’Intelligence Artificielle. Google indique, par exemple, que l’IA assiste les utilisateurs pour suivre ou répondre à temps à des messages (Nudging) ou avec la fonction SmartReply.

Fin juillet, l’intégration de l’IA dans la suite Google se poursuit avec un module de correction grammatical (Grammar Suggestions in Google Docs) qui vient enrichir Google Docs. L’éditeur indique exploiter les capacités de Machine Learning de son IA pour corriger des erreurs simples (utilisation d’un déterminant incorrect) ou complexes (utilisation de subordonnées).

Simultanément, Apple qui est en difficulté en Chine (dans une affaire de contenus insuffisamment contrôlés dans iMessage) annonce travailler au déploiement d’un moteur d’Intelligence Artificiel pour mieux analyser les contenus frauduleux dans les messages.

L’Intelligence Artificielle revient donc à des fondamentaux avec l’analyse de contenus textuels (que l’on trouvait déjà avec les Definite Clause Grammar – DCG ou Q-systems dans les années 60-70). Google ne donne pas beaucoup d’indications sur les algorithmes utilisés mais évoque un moteur de traduction (« To solve grammar corrections, we use a unique machine translation-based approach to recognize errors and suggest corrections on the fly »). Par rapport aux premiers systèmes, les environnements actuels sont enrichis par une capacité de suggestions et d’apprentissage. En outre, ne pas être cantonné à un contexte spécifique (comme pouvait l’être METEO) augmente la difficulté de traitement par rapport aux systèmes initiaux.

Comme le disait le fabuliste Jean-Pierre Claris de Florian, avec le RGPD, pour vivre heureux, vivons cachés (je vous laisse lire la fable du grillon qui n’a pas grand chose à voir avec le RGDP, ce qui prouve que M. de Florian n’avait pas lu sa boîte mail, sinon il aurait reçu des dizaines de mises à jour des conditions générales d’utilisation confirmant sa maxime).

En effet, si le RGPD n’empêche pas les acteurs du Net de disposer de beaucoup d’informations sur les utilisateurs. Il est possible de les maîtriser mieux. En particulier, vous pouvez limiter les publicités dites ciblées, l’analyse de vos centres d’intérêts, récupérer vos données, demander à les supprimer des bases de données, etc…

Pour Facebook, il vous suffit de vous rendre sur la page de gestion des préférences publicitaires et d’y faire le ménage. Faites y un tour, vous ne serez pas déçu(e)

En outre, vous pouvez éviter d’être reconnu(e) dans les photos Facebook via ce lien.

Et si, enfin, vous avez envie de savoir tout ce que Facebook sait sur vous, c’est ici que ça se passe.

Pour Twitter, de même, il existe une page de paramétrage des publicités ciblées (n’oubliez pas d’enregistrer en bas de page ). L’option « Suivre les endroits où vous voyez du contenu Twitter sur le Web » permet de suivre votre navigation même en dehors de Twitter (c’est tout expliqué ici), sauf pour les Européens (c’est la force du RGPD, comme quoi l’Europe peut changer les pratiques sur Internet).

LinkedIn est, bien sûr, aussi conforme aux règles européennes avec la page de gestion des données personnelles.

Enfin, chez Google aussi tout est paramétrable. Google enregistre quelques petites informations vous concernant. C’est derrière ce lien et celui-ci pour bloquer les pubs ciblées et ici pour le suivi de vos positions. Et si vous voulez récupérer vos données, elles sont ici.

Et de manière générale, vous pouvez aussi contrôler l’usage des cookies que certaines entreprises installent dans votre navigateur, ce qui peut encore limiter l’intrusion dans vos visites de sites (et il y en a généralement beaucoup).

PS : l’image trouvée sur Pixabay n’est à l’évidence pas un grillon. Mais cet insecte est tellement beau que je ne résiste pas au plaisir de le prendre pour illustration (c’est un Laternaria Candelaria)

Le principe est de se déplacer (vraiment) dans les rues réelles pour avancer dans les niveaux du jeu virtuel. Il faut pour cela trouver des portes, d’autres joueurs et remplir des missions.

Google a déjà rassemblé deux millions de joueurs autour de ce concept. Le jeu est gratuit et sans publicité pour l’instant.

Il suffit de cliquer sur le point de départ en faisant apparaître le menu contextuel (CTRL-click sur Mac ou bouton droit pour les PC) et de choisir « Mesurer les distances ».

La suite est intuitive et très bien faite ! On peut faire glisser les points, les supprimer et modifier l’itinéraire dynamiquement.

Et comme c’est l’anniversaire (67 ans) de la zone 51, Google a ajouté un « easter egg » pour ceux qui voudraient utiliser la fonction « Street View » dans cette zone où, paraît-il, il y aurait eu des preuves de collusion entre le gouvernement américain et une vie extra-terrestre (la preuve c’est dans X-Files ). Donc Google a placé une petite soucoupe volante…

Il y a d’autres easter eggs dans Google Maps (comme le voyage à dos du monstre du Loch Ness). N’hésitez pas à les signaler dans les commentaires !