Applications de l’intelligence artificielle

L’intelligence artificielle, définie comme l’intelligence présentée par les machines, a de nombreuses applications dans la société d’aujourd’hui. Plus spécifiquement, il s’agit de l’IA faible, forme d’intelligence artificielle dans laquelle des programmes sont développés pour effectuer des tâches spécifiques, utilisée pour un large éventail d’activités, notamment le diagnostic médical, le commerce électronique, le contrôle de robot et la télédétection. L’intelligence artificielle a été utilisée pour développer et faire progresser de nombreux domaines et industries, notamment la finance, la santé, l’éducation, les transports et bien plus encore.

AI pour de bon
AI for Good est un mouvement dans lequel ses institutions emploient AI pour relever certains des plus grands défis économiques et sociaux du monde. Par exemple, l’Université de Californie du Sud a lancé le Centre pour l’intelligence artificielle dans la société, dans le but de faire appel à l’IA pour traiter des problèmes pertinents sur le plan social, tels que le sans-abrisme. À Stanford, les chercheurs utilisent l’intelligence artificielle pour analyser les images satellites afin de déterminer les zones les plus touchées par la pauvreté.

Aviation
La Division des opérations aériennes (AOD) utilise l’IA pour les systèmes experts à base de règles. Le DAO est destiné à l’intelligence artificielle des opérateurs de substitution aux simulateurs de combat et d’entraînement, aux aides à la gestion de mission, aux systèmes d’aide à la décision tactique et au traitement postérieur des données du simulateur sous forme de résumés symboliques.

L’utilisation de l’intelligence artificielle dans les simulateurs s’avère très utile pour la DAO. Les simulateurs d’avion utilisent l’intelligence artificielle pour traiter les données issues de vols simulés. Outre le vol simulé, il existe également une guerre d’avion simulée. Les ordinateurs sont en mesure de proposer les meilleurs scénarios de réussite dans ces situations. Les ordinateurs peuvent également créer des stratégies basées sur le placement, la taille, la vitesse et la force des forces et des forces opposées. Les pilotes peuvent être assistés par des ordinateurs pendant les combats. Les programmes intelligents artificiels peuvent trier les informations et fournir au pilote les meilleures manœuvres possibles, sans oublier de se débarrasser de certaines manœuvres impossibles à exécuter par un être humain. Plusieurs aéronefs sont nécessaires pour obtenir de bonnes approximations pour certains calculs; les pilotes simulés par ordinateur sont donc utilisés pour collecter des données. Ces pilotes simulés par ordinateur sont également utilisés pour former les futurs contrôleurs aériens.

Le système utilisé par le DAO pour mesurer les performances était le système interactif de diagnostic et d’isolement des défaillances, ou IFDIS. Il s’agit d’un système d’experts fondé sur des règles, qui rassemble des informations provenant de documents TF-30 et les conseils d’experts des mécaniciens travaillant sur la TF-30. Ce système a été conçu pour être utilisé dans le développement de la TF-30 pour le RAAF F-111C. Le système de performance a également été utilisé pour remplacer les travailleurs spécialisés. Le système permettait aux travailleurs réguliers de communiquer avec lui et d’éviter les erreurs, les erreurs de calcul ou le fait de devoir parler à l’un des travailleurs spécialisés.

L’AOD utilise également l’intelligence artificielle dans les logiciels de reconnaissance vocale. Les contrôleurs aériens donnent des instructions aux pilotes artificiels et le DAO demande aux pilotes de répondre à l’ATC par des réponses simples. Les programmes intégrant le logiciel de traitement de la parole doivent être formés, ce qui signifie qu’ils utilisent des réseaux de neurones. Le programme utilisé, le Verbex 7000, est encore un programme très précoce qui peut encore être amélioré. Les améliorations sont impératives car les contrôleurs utilisent des dialogues très spécifiques et que le logiciel doit pouvoir communiquer correctement et rapidement à chaque fois.

La conception d’aéronef, ou AIDA, prise en charge par l’intelligence artificielle, est utilisée pour aider les concepteurs à créer des conceptions conceptuelles d’aéronef. Ce programme permet aux concepteurs de se concentrer davantage sur la conception elle-même et moins sur le processus de conception. Le logiciel permet également à l’utilisateur de se concentrer moins sur les outils logiciels. L’AIDA utilise des systèmes basés sur des règles pour calculer ses données. Ceci est un schéma de la disposition des modules AIDA. Bien que simple, le programme s’avère efficace.

En 2003, le centre de recherche sur le vol Dryden de la NASA et de nombreuses autres sociétés ont créé un logiciel permettant à un aéronef endommagé de poursuivre son vol jusqu’à ce qu’une zone d’atterrissage en toute sécurité puisse être atteinte. Le logiciel compense tous les composants endommagés en s’appuyant sur les composants non endommagés. Le réseau de neurones utilisé dans le logiciel s’est avéré efficace et a marqué un triomphe pour l’intelligence artificielle.

Le système de gestion intégrée de la santé des véhicules, également utilisé par la NASA, à bord d’un aéronef doit traiter et interpréter les données provenant des divers capteurs de l’aéronef. Le système doit pouvoir déterminer l’intégrité structurelle de l’avion. Le système doit également mettre en œuvre des protocoles en cas de dommage subi par le véhicule.

Haitham Baomar et Peter Bentley dirigent une équipe de l’University College of London afin de développer un système de pilote automatique intelligent (IAS) basé sur l’intelligence artificielle, conçu pour apprendre à un système de pilote automatique à se comporter comme un pilote très expérimenté confronté à une situation d’urgence météo, turbulence ou défaillance du système. Éduquer le pilote automatique repose sur le concept d’apprentissage automatique supervisé «qui considère le jeune pilote automatique comme un apprenti humain allant dans une école de pilotage». Le pilote automatique enregistre les actions du pilote humain générant des modèles d’apprentissage à l’aide de réseaux de neurones artificiels. Le pilote automatique est alors entièrement contrôlé et observé par le pilote lorsqu’il exécute l’exercice d’entraînement.

Le système de pilote automatique intelligent combine les principes d’apprentissage par apprentissage et de clonage comportemental, selon lesquels le pilote automatique observe les actions de bas niveau requises pour manœuvrer l’avion et la stratégie de haut niveau utilisée pour les appliquer. La mise en œuvre de l’IAS se déroule en trois phases. collecte de données pilotes, formation et contrôle autonome. L’objectif de Baomar et Bentley est de créer un pilote automatique plus autonome pour aider les pilotes à faire face aux situations d’urgence.

L’informatique
Les chercheurs en intelligence artificielle ont créé de nombreux outils pour résoudre les problèmes informatiques les plus difficiles. Bon nombre de leurs inventions ont été adoptées par l’informatique traditionnelle et ne sont plus considérées comme faisant partie de l’IA. (Voir Effet IA.) Selon Russell & Norvig (2003, p. 15), tous les logiciels suivants ont été développés à l’origine dans les laboratoires d’intelligence artificielle: partage du temps, interprètes interactifs, interfaces utilisateur graphiques et souris d’ordinateur, environnements de développement rapide, environnements liés. structure de données de liste, gestion du stockage automatique, programmation symbolique, programmation fonctionnelle, programmation dynamique et programmation orientée objet.

L’intelligence artificielle peut être utilisée pour déterminer potentiellement le développeur de fichiers binaires anonymes.

AI peut être utilisé pour créer d’autres IA. Par exemple, vers novembre 2017, le projet AutoML de Google visant à faire évoluer de nouvelles topologies de réseaux neuronaux a créé NASNet, un système optimisé pour ImageNet et COCO. Selon Google, les performances de NASNet ont dépassé toutes les performances d’ImageNet précédemment publiées.

Éducation
Un certain nombre d’entreprises ont créé des robots pour enseigner aux enfants des matières allant de la biologie à l’informatique, bien que ces outils ne soient pas encore répandus. Il y a également eu une augmentation des systèmes de tutorat intelligents, ou ITS, dans l’enseignement supérieur. Par exemple, un ITS appelé SHERLOCK enseigne aux techniciens de la Force aérienne à diagnostiquer les problèmes de systèmes électriques dans les aéronefs. La DARPA, l’Agence pour les projets de recherche avancée pour la défense, est un autre exemple. Elle a utilisé AI pour mettre au point un tuteur numérique afin de former les recrues de la Marine à des compétences techniques plus rapidement. Les universités ont tardé à adopter les technologies d’intelligence artificielle en raison d’un manque de financement ou du scepticisme quant à l’efficacité de ces outils. Toutefois, dans les années à venir, davantage de salles de classe utiliseront des technologies telles que les STI pour compléter les enseignants.

Les progrès du traitement du langage naturel, combinés à l’apprentissage automatique, ont également permis la notation automatique des devoirs ainsi qu’une compréhension fondée sur les données des besoins d’apprentissage de chaque élève. Cela a conduit à une explosion de la popularité des MOOC, ou Massive Open Online Courses, qui permet aux étudiants du monde entier de suivre des cours en ligne. Les ensembles de données collectés à partir de ces systèmes d’apprentissage en ligne à grande échelle ont également permis l’analyse de l’apprentissage, qui sera utilisée pour améliorer la qualité de l’apprentissage à grande échelle. Parmi les exemples d’utilisation de l’analyse de l’apprentissage pour améliorer la qualité de l’apprentissage, citons notamment la prédiction des élèves risquant l’échec et l’analyse de leur engagement.

La finance
Trading algorithmique
Le trading algorithmique implique l’utilisation de systèmes d’IA complexes pour prendre des décisions commerciales à des vitesses plusieurs fois supérieures à celles de tout être humain, réalisant souvent des millions de transactions en une journée sans aucune intervention humaine. Les systèmes de négociation automatisés sont généralement utilisés par les grands investisseurs institutionnels.

Analyse de marché et exploration de données
Plusieurs grandes institutions financières ont investi dans des moteurs d’IA pour les aider dans leurs pratiques d’investissement. Le moteur d’intelligence artificielle de BlackRock, Aladdin, est utilisé à la fois par la société et par les clients pour faciliter les décisions d’investissement. Son large éventail de fonctionnalités comprend l’utilisation du traitement en langage naturel pour la lecture de textes tels que les actualités, les rapports de courtiers et les flux de médias sociaux. Il évalue ensuite le sentiment des entreprises mentionnées et attribue un score. Des banques telles que UBS et Deutsche Bank utilisent un moteur d’intelligence artificielle appelé Sqreem (modèle d’extraction et de réduction quantiques séquentielles) qui peut exploiter les données pour développer des profils de consommateurs et les faire correspondre aux produits de gestion de patrimoine qu’ils souhaitaient le plus probablement. Goldman Sachs utilise Kensho, une plate-forme d’analyse de marché qui combine l’informatique statistique avec le traitement de données volumineuses et le traitement du langage naturel. Ses systèmes d’apprentissage automatique exploitent des réserves de données sur le Web et évaluent les corrélations entre les événements mondiaux et leur impact sur les prix des actifs. L’extraction de l’information, qui fait partie de l’intelligence artificielle, est utilisée pour extraire des informations des flux d’actualités en direct et pour faciliter les décisions d’investissement.

Finances personnelles
Plusieurs produits sont en train d’apparaître qui utilisent l’IA pour aider les gens avec leurs finances personnelles. Par exemple, Digit est une application basée sur l’intelligence artificielle qui aide automatiquement les consommateurs à optimiser leurs dépenses et leurs économies en fonction de leurs habitudes et de leurs objectifs. L’application peut analyser des facteurs tels que le revenu mensuel, le solde actuel et les habitudes de consommation, puis prendre ses propres décisions et transférer de l’argent sur le compte d’épargne. Wallet.AI, une startup à venir à San Francisco, crée des agents qui analysent les données qu’un consommateur laisserait derrière soi, des enregistrements sur smartphone aux tweets, afin d’informer le consommateur de son comportement en matière de dépenses.

Gestion de portefeuille
Les Robo-conseillers sont de plus en plus utilisés dans le secteur de la gestion de placements. Les robo-conseillers fournissent des conseils financiers et une gestion de portefeuille avec une intervention humaine minimale. Cette classe de conseillers financiers utilise des algorithmes conçus pour développer automatiquement un portefeuille financier en fonction des objectifs de placement et de la tolérance au risque des clients. Il peut s’adapter aux changements du marché en temps réel et calibrer le portefeuille en conséquence.

Souscription
Upstart, un prêteur en ligne, analyse de grandes quantités de données sur les consommateurs et utilise des algorithmes d’apprentissage automatique pour développer des modèles de risque de crédit permettant de prédire la probabilité de défaut d’un consommateur. Leur technologie sera concédée sous licence aux banques pour qu’elles puissent également tirer parti de leurs processus de souscription.

ZestFinance a également développé sa plateforme ZAML (Zest Automated Machine Learning) spécialement pour la souscription de crédit. Cette plateforme utilise l’apprentissage automatique pour analyser des dizaines de milliers de variables traditionnelles et non traditionnelles (des transactions d’achat à la façon dont un client remplit un formulaire) utilisées dans l’industrie du crédit pour marquer les emprunteurs. La plate-forme est particulièrement utile pour attribuer des notes de crédit aux personnes ayant des antécédents de crédit limités, tels que la millénaire.

Géographie et écologie
Papadimitriou (2012) donne une application en langue prolog faisant référence aux paysages méditerranéens.

Recherche d’emploi
Le marché du travail a connu un changement notable en raison de la mise en œuvre de l’intelligence artificielle. Il a simplifié le processus pour les recruteurs et les demandeurs d’emploi (Google for Jobs et les candidatures en ligne). Selon Raj Mukherjee de Indeed.com, 65% des personnes relancent une recherche d’emploi dans les 91 jours suivant leur embauche. Un moteur utilisant l’IA simplifie la recherche d’un emploi en exploitant les informations sur les compétences, les salaires et les tendances des utilisateurs, en faisant correspondre les personnes aux postes les plus pertinents. L’intelligence artificielle calcule quel salaire conviendrait à un travail particulier, extrait et met en évidence les informations de curriculum vitae pour les recruteurs à l’aide du traitement automatique du langage naturel, qui extrait des mots et des phrases pertinents d’un texte à l’aide d’un logiciel spécialisé. Une autre application est un générateur de CV AI qui nécessite 5 minutes pour compiler un CV, au lieu de passer des heures à faire le même travail. Dans l’age AI, les chatbots aident les visiteurs du site Web et résolvent les flux de travail quotidiens. Des outils révolutionnaires d’IA complètent les compétences des personnes et permettent aux responsables des ressources humaines de se concentrer sur des tâches de plus haute priorité. Cependant, l’impact de l’intelligence artificielle sur les emplois montre que, d’ici 2030, les agents intelligents et les robots peuvent éliminer 30% du travail humain dans le monde. De plus, les recherches démontrent que l’automatisation va déplacer entre 400 et 800 millions d’employés. Le rapport de recherche de Glassdoor indique que le recrutement et les ressources humaines devraient connaître une adoption beaucoup plus large de l’IA sur le marché du travail en 2018 et au-delà.

Industrie lourde
Les robots sont devenus courants dans de nombreuses industries et se voient souvent attribuer des emplois considérés comme dangereux pour les humains. Les robots se sont révélés efficaces dans des travaux très répétitifs pouvant conduire à des erreurs ou à des accidents dus à un manque de concentration et à d’autres travaux que l’homme peut juger dégradants.

En 2014, la Chine, les États-Unis, le Japon, les États-Unis, la République de Corée et l’Allemagne ont représenté ensemble 70% du volume total des ventes de robots. Dans l’industrie automobile, secteur au degré d’automatisation particulièrement élevé, le Japon affichait la plus grande densité de robots industriels au monde: 1 414 pour 10 000 employés.

Hôpitaux et médecine
Les réseaux de neurones artificiels sont utilisés comme systèmes d’aide à la décision clinique pour le diagnostic médical, tels que la technologie de traitement de concept dans un logiciel de DME.

Parmi les autres tâches de la médecine pouvant potentiellement être accomplies par l’intelligence artificielle et qui commencent à être développées, citons:

Interprétation assistée par ordinateur d’images médicales. De tels systèmes aident à numériser des images numériques, par exemple à partir d’une tomographie assistée par ordinateur, pour des apparences typiques et pour mettre en évidence des sections nettes, telles que des maladies possibles. Une application typique est la détection d’une tumeur.
Analyse du son cardiaque
Robots compagnons pour les soins aux personnes âgées
Extraction des dossiers médicaux pour fournir des informations plus utiles.
Concevoir des plans de traitement.
Aider aux tâches répétitives, y compris la gestion des médicaments.
Fournir des consultations.
Création de drogue
Utiliser des avatars à la place des patients pour la formation clinique
Prédire la probabilité de décès suite à une intervention chirurgicale
Prévoir la progression du VIH

À l’heure actuelle, plus de 90 startups d’IA dans l’industrie de la santé travaillent dans ces domaines.

La première solution d’IDx, IDx-DR, est le premier système de diagnostic autonome basé sur l’IA autorisé à la commercialisation par la FDA.

Ressources humaines et recrutement
Une autre application de l’intelligence artificielle concerne les ressources humaines et l’espace de recrutement. Les ressources humaines et les professionnels du recrutement ont recours à l’IA de trois manières différentes. L’intelligence artificielle est utilisée pour filtrer les CV et classer les candidats en fonction de leur niveau de qualification. Ai est également utilisé pour prédire le succès des candidats dans des rôles donnés via des plates-formes de rapprochement des emplois. Et maintenant, AI déploie des bots de discussion pour automatiser les tâches de communication répétitives.

En règle générale, la sélection de curriculum vitae implique un recruteur ou un autre professionnel des RH analysant une base de données de CV. Des startups comme Pomato créent des algorithmes d’apprentissage automatique pour automatiser les processus de sélection de CV. L’intelligence artificielle de tri des CV de Pomato est axée sur l’automatisation de la validation des candidats techniques des entreprises de recrutement de personnel technique. L’intelligence artificielle de Pomato effectue plus de 200 000 calculs sur chaque CV en quelques secondes, puis conçoit un entretien technique personnalisé basé sur les compétences acquises. KE Solutions, fondée en 2014, a développé des systèmes de recommandation pour classer les emplois des candidats et les CV des employeurs. jobster.io, développé par KE Solutions et utilisant une recherche conceptuelle, a augmenté la précision de 80% par rapport aux ATS traditionnels. Cela aide les recruteurs à surmonter les obstacles techniques.

De 2016 à 2017, la société de biens de consommation Unilever a utilisé l’intelligence artificielle pour filtrer tous les employés débutants. L’IA d’Unilever a utilisé des jeux basés sur les neurosciences, des interviews enregistrées et une analyse du visage et de la parole pour prédire le succès de l’embauche. Unilever s’est associé à Pymetrics et HireVue pour permettre son dépistage innovant basé sur l’IA et a augmenté le nombre de candidats de 15 000 à 30 000 en une seule année. Recruter avec Amnesty International a également permis de créer «la classe la plus diversifiée à ce jour» d’Unililever. Unilever a également réduit le temps d’embauche de 4 mois à 4 semaines et économisé plus de 50 000 heures de recrutement.

Du dépistage de curriculum vitae aux neurosciences, à la reconnaissance de la parole et à l’analyse faciale, il est clair que l’IA a un impact considérable sur le secteur des ressources humaines. Un autre développement de l’IA concerne le recrutement de chatbots. TextRecruit, une startup de la Bay Area, a publié Ari (interface de recrutement automatisé). Ari est un chatbot de recrutement conçu pour tenir des conversations de messagerie texte bidirectionnelles avec les candidats. Ari automatise l’affichage des postes, les ouvertures de publicité, la sélection des candidats, la planification des entretiens et la consolidation des relations entre candidats avec les mises à jour au fur et à mesure de leur progression dans l’entonnoir de recrutement. Ari est actuellement proposé dans le cadre de la plateforme d’engagement des candidats de TextRecruit.

Commercialisation
Les domaines du marketing et de l’intelligence artificielle convergent dans des systèmes qui contribuent à des domaines tels que la prévision du marché, l’automatisation des processus et la prise de décision, ainsi qu’une efficacité accrue des tâches qui seraient normalement effectuées par des humains. La science derrière ces systèmes peut être expliquée par des réseaux de neurones et des systèmes experts, des programmes informatiques qui traitent les entrées et fournissent une sortie précieuse aux spécialistes du marketing.

Les systèmes d’intelligence artificielle issus de la technologie de l’informatique sociale peuvent être appliqués à la compréhension des réseaux sociaux sur le Web. Les techniques d’exploration de données peuvent être utilisées pour analyser différents types de réseaux sociaux. Cette analyse aide un spécialiste du marketing à identifier des acteurs ou des nœuds influents au sein de réseaux, informations pouvant ensuite être appliquées pour adopter une approche marketing sociétale.

Médias
Certaines applications d’intelligence artificielle sont axées sur l’analyse de contenus multimédias audiovisuels tels que des films, des programmes télévisés, des vidéos publicitaires ou des contenus générés par les utilisateurs. Les solutions impliquent souvent la vision par ordinateur, qui est un domaine d’application majeur de l’IA.

Les scénarios de cas d’utilisation typiques incluent l’analyse d’images à l’aide de techniques de reconnaissance d’objet ou de visage, ou l’analyse de vidéo pour la reconnaissance de scènes, objets ou visages pertinents. L’analyse des médias reposant sur l’IA peut notamment être motivée par la facilitation de la recherche multimédia, la création d’un ensemble de mots-clés descriptifs pour un élément multimédia, la surveillance de la politique de contenu multimédia (comme la vérification de l’adéquation du contenu à un contenu particulier). Temps d’écoute de la télévision), parole en texte à des fins d’archivage ou autres, et détection de logos, de produits ou de visages de célébrités aux fins de la publication d’annonces pertinentes.

Analyse des médias Les entreprises d’intelligence artificielle fournissent souvent leurs services via une API REST qui permet un accès automatique à la technologie sur une machine et permet une lecture automatique des résultats. Par exemple, IBM, Microsoft, Amazon et la société d’information vidéo Valossa autorisent l’accès à leur technologie de reconnaissance multimédia en utilisant des API RESTful.

La musique
Tandis que l’évolution de la musique a toujours été influencée par la technologie, l’intelligence artificielle a permis, grâce aux progrès scientifiques, d’imiter, dans une certaine mesure, une composition semblable à celle de l’homme.

Parmi les premiers efforts notables, David Cope a créé une AI appelée Emily Howell qui a réussi à se faire connaître dans le domaine de la musique algorithmique. L’algorithme derrière Emily Howell est enregistré en tant que brevet américain.

L’AI Iamus a créé en 2012 le premier album classique complet entièrement composé par un ordinateur.

D’autres projets, comme AIVA (artiste virtuel d’intelligence artificielle), se concentrent sur la composition de musique symphonique, principalement de la musique classique pour les musiques de film. Il a réalisé une première mondiale en devenant le premier compositeur virtuel à être reconnu par une association de professionnels de la musique.

Les intelligences artificielles peuvent même produire une musique utilisable dans un contexte médical, grâce aux efforts de Melomics d’utiliser une musique générée par ordinateur pour soulager le stress et la douleur.

De plus, des initiatives telles que Google Magenta, menées par l’équipe de Google Brain, visent à déterminer si une intelligence artificielle peut créer un art convaincant.

Au laboratoire de recherche CSL de Sony, leur logiciel Flow Machines a créé des chansons pop en apprenant les styles de musique à partir d’une énorme base de données de chansons. En analysant des combinaisons uniques de styles et en optimisant des techniques, il peut composer tous les styles.

Un autre projet de composition musicale à intelligence artificielle, The Watson Beat, écrit par IBM Research, ne nécessite pas une énorme base de données sur la musique comme les projets Google Magenta et Flow Machines, car il utilise Reinforcement Learning et Deep Belief Networks pour composer de la musique sur une graine simple. mélodie d’entrée et un style de sélection. Depuis que le logiciel est ouvert, des musiciens tels que Taryn Southern collaborent avec le projet pour créer de la musique.

Nouvelles, publication et écriture
La société Narrative Science met à la disposition du commerce des nouvelles et des rapports générés par ordinateur, notamment en résumant les événements sportifs en équipe sur la base de données statistiques extraites du jeu en anglais. Il crée également des rapports financiers et des analyses immobilières. De même, la société Automated Insights génère des récapitulatifs et des aperçus personnalisés pour Yahoo Sports Fantasy Football. La société devrait générer un milliard d’histoires en 2014, contre 350 millions en 2013.

Echobox est un éditeur de logiciels qui aide les éditeurs à augmenter leur trafic en publiant des articles ‘intelligemment’ sur des plateformes de médias sociaux telles que Facebook et Twitter. En analysant de grandes quantités de données, il apprend comment des publics spécifiques réagissent à différents articles à différentes heures de la journée. Il choisit ensuite les meilleures histoires à publier et les meilleurs moments pour les poster. Il utilise à la fois des données historiques et en temps réel pour comprendre ce qui a bien fonctionné dans le passé et ce qui est actuellement à la mode sur le Web.

Une autre société, Yseop, utilise l’intelligence artificielle pour transformer des données structurées en commentaires et recommandations intelligents en langage naturel. Yseop est capable de rédiger des rapports financiers, des résumés, des documents de vente ou de marketing personnalisés et plus encore à une vitesse de plusieurs milliers de pages par seconde et en plusieurs langues, dont l’anglais, l’espagnol, le français et l’allemand.

Boomtrain est un autre exemple d’IA conçu pour apprendre à impliquer au mieux chaque lecteur avec les articles exacts – envoyés par le bon canal au bon moment – qui seront les plus pertinents pour le lecteur. C’est comme engager un éditeur personnel pour chaque lecteur afin de créer l’expérience de lecture idéale.

Il est également possible qu’IA écrit un travail dans le futur. En 2016, une IA japonaise a co-écrit une nouvelle et a presque remporté un prix littéraire.

Service client en ligne et téléphonique
L’intelligence artificielle est mise en œuvre dans des assistants en ligne automatisés pouvant être considérés comme des avatars sur des pages Web. Il peut aider les entreprises à réduire leurs coûts d’exploitation et de formation. Une technologie majeure sous-jacente à ces systèmes est le traitement du langage naturel. Pypestream utilise un service client automatisé pour son application mobile conçue pour rationaliser la communication avec les clients.

Actuellement, de grandes entreprises investissent dans l’IA pour gérer des clients difficiles à l’avenir. Le développement le plus récent de Google analyse le langage et convertit la parole en texte. La plate-forme peut identifier les clients en colère par le biais de leur langue et réagir de manière appropriée.

Capteurs
L’intelligence artificielle a été associée à de nombreuses technologies de capteurs, telles que Digital SpectrometryTM d’IdeaCuria Inc., qui permet de nombreuses applications telles que la surveillance de la qualité de l’eau à domicile.

Maintenance des télécommunications
De nombreuses entreprises de télécommunications utilisent la recherche heuristique dans la gestion de leurs effectifs. Par exemple, BT Group a déployé la recherche heuristique dans une application de planification fournissant les horaires de travail de 20 000 ingénieurs.

Jouets et jeux
Les années 1990 ont été l’un des premiers essais de production en série de types d’intelligence artificielle de base à vocation nationale, destinés à l’éducation ou aux loisirs. Cela a beaucoup prospéré avec la révolution numérique et a permis d’initier les gens, en particulier les enfants, à une vie axée sur divers types d’intelligence artificielle, notamment sous la forme de Tamagotchis et Giga Pets, d’iPod Touch, d’Internet et du premier robot largement diffusé. Furby. Un an plus tard, un type amélioré de robot domestique a été lancé sous la forme d’Aibo, un chien robotique doté de fonctionnalités intelligentes et d’une autonomie.

Des entreprises comme Mattel ont créé un assortiment de jouets compatibles avec l’IA pour les enfants dès l’âge de trois ans. À l’aide de moteurs d’IA et d’outils de reconnaissance vocale exclusifs, ils sont en mesure de comprendre les conversations, de donner des réponses intelligentes et d’apprendre rapidement.

L’intelligence artificielle a également été appliquée aux jeux vidéo, par exemple aux robots de jeux vidéo, conçus pour faire office d’adversaires lorsque les humains ne sont pas disponibles ou souhaités.

Transport
Les contrôleurs Fuzzy Logic ont été développés pour les boîtes de vitesses automatiques dans les automobiles. Par exemple, les Audi TT 2006, VW Touareg et VW Caravell disposent de la transmission DSP qui utilise la logique floue. Un certain nombre de variantes de Škoda (Škoda Fabia) incluent également actuellement un contrôleur basé sur Fuzzy Logic.

Les voitures d’aujourd’hui disposent désormais de fonctions d’assistance au conducteur basées sur l’intelligence artificielle, telles que l’auto-stationnement et les contrôles de vitesse de croisière avancés. L’intelligence artificielle a été utilisée pour optimiser les applications de gestion du trafic, ce qui a permis de réduire les temps d’attente, la consommation d’énergie et les émissions de près de 25%. À l’avenir, des voitures entièrement autonomes seront développées. L’IA dans les transports devrait fournir des moyens de transport sûrs, efficaces et fiables tout en minimisant les conséquences sur l’environnement et les communautés. Le principal défi de la mise au point de cette intelligence artificielle est le fait que les systèmes de transport sont des systèmes intrinsèquement complexes, qui impliquent un très grand nombre de composants et de parties différentes, chacun ayant des objectifs différents et souvent contradictoires.

Autre
Divers outils d’intelligence artificielle sont également largement déployés dans les domaines de la sécurité intérieure, de la reconnaissance vocale et textuelle, de l’exploration de données et du filtrage du courrier indésirable par courrier électronique. Des applications sont également en cours de développement pour la reconnaissance des gestes (compréhension du langage des signes par les machines), la reconnaissance vocale individuelle, la reconnaissance vocale globale (de diverses personnes dans une pièce bruyante), la reconnaissance de l’expression faciale pour l’interprétation des émotions et les signaux non verbaux. Les autres applications sont la navigation par robot, l’évitement d’obstacles et la reconnaissance d’objets.

Liste des applications

Problèmes typiques auxquels les méthodes d’IA sont appliquées
Reconnaissance optique de caractères
Reconnaissance de l’écriture
Reconnaissance de la parole
Reconnaissance de visage
Créativité artificielle
Vision par ordinateur, réalité virtuelle et traitement d’images
Manipulation photo et vidéo
Diagnostic (intelligence artificielle)
Théorie des jeux et planification stratégique
Jeu d’intelligence artificielle et bot de jeu informatique
Traitement du langage naturel, traduction et bavard
Contrôle non linéaire et robotique

Autres champs dans lesquels des méthodes d’IA sont implémentées
Vie artificielle
Raisonnement automatisé
Automatisation
Informatique biologiquement inspirée
Concept minier
Exploration de données
Représentation des connaissances
Web sémantique
Filtrage du spam par courrier électronique
Robotique
Robotique basée sur le comportement
Cognitif
Cybernétique
Robotique de développement (épigénétique)
Robotique évolutive
Système intelligent hybride
Agent intelligent
Contrôle intelligent
Litige