Plein de promesses nous promettent les Knowledge Graphes. Mais vers quel monde nous amènent-t-ils ? Et qu’en sera-t-il dans 5 ans ?
Cet article est une suite à nos deux précédents articles :
- Dans l’un nous présentons les bases pour aborder les Knowledge Graphes
- Dans le deuxième nous explorons les challenges soulevés par cette nouvelle technologie
On vous encourage vivement à les lire, vous apprécierez d’autant plus cette lecture-ci 😉
Pour cet article on vous partage les visions de Mike Tung pour son entreprise de Knowledge Graphe dans un futur proche.
Système Universel de Questions-Réponses Factoïdes
Le Système Universel de Questions-Réponses Factoïdes.
Qu’est-ce qui se cache derrière ce nom étrange ?
L’idée est d’avoir un algorithme permettant de donner des réponses claires et factuelles à n’importe quelle question.
En fait, l’algorithme fournirait comme résultat une réponse avec un taux de confiance et les sources dont il s’inspire pour répondre.
C’est d’ailleurs ici qu’est la principale différence avec l’Intelligence Artificielle. Le Knowledge Graphe n’est pas utilisé pour imité l’Homme mais au contraire, il est un outil lui apportant de l’information.
Une information toujours lié à des sources, des justifications.
Ce que ne donne pas les Intelligences Artificielles.
GPT-3, l’algorithme d’OpenAI, par exemple offre lui aussi un système de Questions-Réponses mais en imitant un comportement humain. Ses réponses peuvent être erronés car il crée lui-même sa réponse.
Une autre manière de voir les Knowledge Graphes et de les considérer comme une amélioration des moteurs de recherche.
Google par exemple n’est en fait qu’un catalogue qui répertorie des sources à lire, à explorer. Le travail de lecture doit être fait par l’Homme.
Le Knowledge Graph, lui, explore les sources, TOUTES les sources.
Il extrait une réponse du Web en synthétisant l’information et en citant les références les plus pertinentes qu’il a utilisé.
Des connexions jusqu’alors inconnues
Plus qu’un système de question-réponse qui se veut objectif, le Knowledge Graphe pourrait être créateur de connaissance.
Vous l’avez compris le Knowledge Graphe tisse des liens entre tout ce qu’il voit : personnes, objet, découverte scientifique et bien d’autre.
Au fait, si ton objectif est d'apprendre le Deep Learning - j’ai préparé pour toi le Plan d’action pour Maîtriser les Réseaux de neurones.
7 jours de conseils gratuits d’un ingénieur spécialisé en Intelligence Artificielle pour apprendre à maîtriser les réseaux de neurones à partir de zéro :
- Planifie ton apprentissage
- Structure tes projets
- Développe tes algorithmes d’Intelligence Artificielle
J’ai basé ce programme sur des faits scientifiques, des approches éprouvées par des chercheurs mais également mes propres techniques que j'ai conçues au fil de mes expériences dans le domaine du Deep Learning.
Pour y accéder, clique ici :
À présent, on peut revenir à ce que je mentionnais précédemment.
Il tisse des liens et comprend les relations unissant les choses de notre monde.
La plupart d’entre nous connaissons les liens entre nos amis et notre famille. Ainsi on pourrait nous aussi tisser notre propre Knowledge Graphe.
On pourrait même demander à un passionné d’Histoire de tisser les relations entre des personnages historiques et les faits qui se sont déroulés à la même époque.
Mais dès que l’on prend plus de deux domaines à la fois à un niveau complexe, comme la biologie et la physique, peu de personnes pourraient y tracer des liens.
Effectivement, le nombre de personnes ayant des connaissances complexes dans ces deux sujets à la fois est très restreint.
Le Knowledge Graphe, lui, aurait ces connaissance et en plus de les avoir, il pourrait tisser des liens entre elles.
Actuellement, en informatique des techniques de biologie sont appliqués à la programmation.
Ainsi on peut voir apparaître ce qu’on appelle des algorithmes évolutionnistes directement inspirés de la théorie de ce cher Darwin.
C’est un exemple simple mais il peut s’appliquer à des cas plus complexes.
Des cas qu’on ne peut encore imaginer car les connaissances dans plusieurs de ces domaines nécessiteraient plus d’une vie d’étude.
Mais cette connaissance, un Knowledge Graphe pourrait l’assimiler… et tisser des liens jusqu’alors inconnus.
Un monde à la Westworld ?
Mais malgré toutes ces belles promesses lors de l’entretien avec Mike Tung, je n’ai pu m’empêcher de penser à la similarité avec la saison 3 de Westworld.
Dans un monde du futur où un robot est un objet du quotidien, une entreprise fait fortune avec une IA ultra performante.
L’algorithme permet à ses utilisateur de prendre les décisions optimisées pour leur vie : où travailler, qui épouser, que faire de sont temps libre etc.
Il irait même jusqu’à pouvoir prédire la vie entière d’une personne !
Et devinez quoi ? Ce Cerveau Artificielle acquiert son Intelligence de l’analyse de données de millions de personnes.
Ce Cerveau serait-il en fait un Knowledge Graphe ?
En tout cas la technologie a l’air d’en être très proche.
Alors ce n’est peut-être pas tout de suite que l’on va pouvoir connaître à l’avance ce qu’une personne va faire de sa vie… mais qu’en sera-t-il dans 5 ans ?
Ce qui est sûr c’est que les Knowledge Graphes n’ont pas finit de faire parler d’eux !
sources :
- Towardsdatascience – Mike Tung Interview
Un dernier mot, si tu veux aller plus loin et apprendre le Deep Learning - j’ai préparé pour toi le Plan d’action pour Maîtriser les Réseaux de neurones.
7 jours de conseils gratuits d’un ingénieur spécialisé en Intelligence Artificielle pour apprendre à maîtriser les réseaux de neurones à partir de zéro :
- Planifie ton apprentissage
- Structure tes projets
- Développe tes algorithmes d’Intelligence Artificielle
J’ai basé ce programme sur des faits scientifiques, des approches éprouvées par des chercheurs mais également mes propres techniques que j'ai conçues au fil de mes expériences dans le domaine du Deep Learning.
Pour y accéder, clique ici :
