L’oeuf ou la poule ? Nos comportements influencent-ils les modèles d’apprentissage machine ou ces derniers influencent-ils nos comportements ? Noir ou blanc ? Direction la zone grise.
Quand covid-19 a frappé, nous avons commencé à acheter des choses que nous n’avions jamais achetées auparavant. Le changement a été soudain : le top 10 habituel des articles Amazon (étuis de téléphone, chargeurs de téléphone, Lego) a disparu en seulement quelques jours. Il a fallu moins d’une semaine fin février pour qu’il soit remplacé par des produits liés à covid-19. Ce changement brutal a aussi affecté l’intelligence artificielle (IA), provoquant des « hoquets » des algorithmes qui fonctionnent en coulisses pour gérer des stocks, la détection des fraudes, le marketing, etc. Les modèles d’apprentissage machine formés à partir de données basées sur le comportement humain « normal » constatent maintenant que la normalité a changé. Certains algorithmes ne fonctionnent plus comme ils le devraient.
La pandémie a révélé à quel point nos vies étaient entrelacées avec l’IA, exposant une délicate codépendance : les changements de comportements modifient le fonctionnement de l’IA, et les changements du fonctionnement de l’IA modifient notre comportement. Les modèles d’apprentissage automatique sont conçus pour répondre aux changements. Mais la plupart sont également fragiles ; ils fonctionnent mal lorsque les données d’entrée diffèrent trop des données sur lesquelles ils ont été formés. La plupart de ces problèmes de modèles sont dus au fait que de plus en plus d’entreprises achètent des systèmes d’apprentissage automatique mais ne disposent pas du savoir-faire interne nécessaire pour les entretenir. La reconversion d’un modèle peut nécessiter l’intervention d’un expert.
La suite ici (Will Douglas Heaven)
