Intelligence Artificielle : Cette IA de Deep Science « simule » des économies et prédit quelles startups recevront des fonds !

La recherche dans le domaine de l’apprentissage automatique et de l’intelligence artificielle, qui est désormais une technologie clé dans pratiquement tous les secteurs et toutes les entreprises, est bien trop volumineuse pour que quiconque puisse la lire entièrement. Cette rubrique vise à rassembler certaines des découvertes et des articles récents les plus pertinents – notamment dans le domaine de l’intelligence artificielle, mais pas seulement – et à expliquer pourquoi ils sont importants.

Cette semaine, dans le domaine de l’IA, des scientifiques ont mené une expérience fascinante pour prédire comment des plateformes « axées sur le marché », telles que les entreprises de livraison de nourriture et de covoiturage, affectent l’économie globale lorsqu’elles sont optimisées pour différents objectifs, comme la maximisation des revenus. Par ailleurs, démontrant la polyvalence de l’IA, une équipe de l’ETH Zurich a mis au point un système capable de lire la hauteur des arbres à partir d’images satellite, tandis qu’un autre groupe de chercheurs a testé un système permettant de prédire le succès d’une startup à partir de données Web publiques.

Le travail sur la plate-forme axée sur le marché s’appuie sur AI Economist de Salesforce, un environnement de recherche open source permettant de comprendre comment l’IA pourrait améliorer la politique économique. En fait, certains des chercheurs à l’origine d’AI Economist ont participé à ces nouveaux travaux, qui ont été détaillés dans une étude publiée en mars dernier.

Comme les coauteurs l’ont expliqué à TechCrunch par courriel, l’objectif était d’étudier les marchés bifaces tels qu’Amazon, DoorDash, Uber et TaskRabbit, qui bénéficient d’un pouvoir de marché plus important en raison de l’augmentation de la demande et de l’offre. En utilisant l’apprentissage par renforcement – un type de système d’IA qui apprend à résoudre un problème à plusieurs niveaux par essais et erreurs – les chercheurs ont formé un système pour comprendre l’impact des interactions entre les plateformes (par exemple, Lyft) et les consommateurs (par exemple, les usagers).

« Nous utilisons l’apprentissage par renforcement pour raisonner sur la façon dont une plate-forme fonctionnerait en fonction de différents objectifs de conception … [Notre] simulateur permet d’évaluer les politiques d’apprentissage par renforcement dans divers contextes sous différents objectifs et hypothèses de modèle », ont déclaré les coauteurs à TechCrunch par courriel. « Nous avons exploré un total de 15 paramètres de marché différents – c’est-à-dire une combinaison de structure de marché, de connaissances des acheteurs sur les vendeurs, d’intensité du choc [économique] et d’objectif de conception. »

À l’aide de leur système d’IA, les chercheurs sont arrivés à la conclusion qu’une plateforme conçue pour maximiser les revenus a tendance à augmenter les frais et à extraire davantage de profits des acheteurs et des vendeurs en cas de chocs économiques, au détriment du bien-être social. Lorsque les frais de plateforme sont fixes (par exemple, en raison de la réglementation), ils ont constaté que l’incitation à maximiser les revenus d’une plateforme s’aligne généralement sur les considérations de bien-être de l’économie globale.

En lien avec cet article :  Des chercheurs en VR ont pratiquement trouvé comment simuler la sensation d'un baiser !

Les résultats ne sont peut-être pas bouleversants, mais les coauteurs estiment que le système – qu’ils prévoient d’ouvrir – pourrait servir de base à une entreprise ou à un responsable politique pour analyser une économie de plateforme dans différentes conditions, conceptions et considérations réglementaires.

« Nous adoptons l’apprentissage par renforcement comme méthodologie pour décrire les opérations stratégiques des entreprises de plateforme qui optimisent leur tarification et leur appariement en réponse aux changements de l’environnement, que ce soit le choc économique ou une certaine réglementation », ont-ils ajouté. « Cela peut donner de nouveaux aperçus sur les économies de plateforme qui vont au-delà de ce travail ou de ceux qui peuvent être générés analytiquement. »

Des chercheurs de Skopai, une startup qui utilise l’IA pour caractériser les entreprises en fonction de critères tels que la technologie, le marché et les finances, affirment pouvoir prédire la capacité d’une startup à attirer des investissements en utilisant des données publiques. S’appuyant sur des données provenant de sites web de startups, de médias sociaux et de registres d’entreprises, les coauteurs affirment pouvoir obtenir des résultats de prédiction « comparables à ceux qui utilisent également des données structurées disponibles dans des bases de données privées. »

L’application de l’IA à la diligence raisonnable n’a rien de nouveau. Correlation Ventures, EQT Ventures et Signalfire font partie des entreprises qui utilisent actuellement des algorithmes pour informer leurs investissements. Gartner prévoit que 75 % des sociétés de capital-risque utiliseront l’IA pour prendre des décisions d’investissement d’ici 2025, contre moins de 5 % aujourd’hui. Mais si certains voient la valeur de cette technologie, des dangers se cachent sous la surface. En 2020, la Harvard Business Review (HBR) a constaté qu’un algorithme d’investissement surpassait les investisseurs novices mais présentait des biais, par exemple en sélectionnant fréquemment des entrepreneurs blancs et masculins. HBR a noté que cela reflète le monde réel, soulignant la tendance de l’IA à amplifier les préjugés existants.

Dans une nouvelle plus encourageante, des scientifiques du MIT, ainsi que des chercheurs de Cornell et de Microsoft, affirment avoir mis au point un algorithme de vision par ordinateur – STEGO – capable d’identifier des images au pixel près. Bien que cela puisse sembler insignifiant, il s’agit d’une amélioration considérable par rapport à la méthode classique consistant à « apprendre » à un algorithme à repérer et à classer des objets dans des photos et des vidéos.

En lien avec cet article :  Regardez ce qu'un orbiteur de la NASA a repéré de très haut.

Traditionnellement, les algorithmes de vision par ordinateur apprennent à reconnaître des objets (par exemple, des arbres, des voitures, des tumeurs, etc.) en leur montrant de nombreux exemples d’objets qui ont été étiquetés par des humains. STEGO élimine ce processus long et fastidieux en appliquant une étiquette de classe à chaque pixel de l’image. Le système n’est pas parfait – il confond parfois le gruau et les pâtes, par exemple – mais STEGO parvient à segmenter des objets tels que les routes, les personnes et les panneaux de signalisation, affirment les chercheurs.

En ce qui concerne la reconnaissance des objets, il semble que nous approchions du jour où des travaux universitaires comme DALL-E 2, le système de génération d’images d’OpenAI, deviendront des produits. Une nouvelle étude de l’université de Columbia présente un système appelé Opal, conçu pour créer des images vedettes pour des articles de presse à partir de descriptions textuelles, en guidant les utilisateurs tout au long du processus à l’aide d’invites visuelles.

Lorsqu’ils l’ont testé auprès d’un groupe d’utilisateurs, les chercheurs ont déclaré que ceux qui avaient essayé Opal étaient « plus efficaces » pour créer des images vedettes pour les articles, créant plus de deux fois plus de résultats « utilisables » que les utilisateurs qui ne l’avaient pas essayé. Il n’est pas difficile d’imaginer qu’un outil comme Opal puisse être intégré dans des systèmes de gestion de contenu comme WordPress, peut-être sous forme de plugin ou d’extension.

« Étant donné un texte d’article, Opal guide les utilisateurs à travers une recherche structurée de concepts visuels et fournit des pipelines permettant aux utilisateurs d’illustrer en fonction du ton, des sujets et du style d’illustration prévu d’un article », écrivent les coauteurs. « [Opal] génère divers ensembles d’illustrations éditoriales, d’actifs graphiques et d’idées de concepts. »

Written by Carlos

L'évolution permanente des nouvelles technologies motive la passion de Carlos dans ce secteur. Rédacteur web et journaliste depuis 10 ans, il partage cette passion à travers ses écrits pour le site Miroir Mag et d'autres médias spécialisés.