Discussion :

[Matthieu Vergne]

J'avais pris un raccourci mais nous sommes d'accord sur le fond : Des données mal dégrossies à l'entrée ne fourniront pas des tendances fiables en sortie et ce qu'elle que soit l'approche technologique employée.

Il n'y a aucune doute là-dessus, en effet. La programmation, ce n'est pas de la magie. On pourrait cependant parler de résilience, mais je doute que ce soit très pertinent ici.

Non justement je pense qu'il faut le moins possible dégrossir (pré-traiter) les données pour s’approcher au maximum d'une tendance fiable.

Ça dépend des objectifs, mais ceux-ci sont rarement en faveur d'une telle approche. Si tu souhaites reproduire sans filtre, alors effectivement il te suffit de récolter. Tu pourras éventuellement raffiner légèrement les données pour que les calculs convergent mieux vers quelque chose d'exploitable, mais moins tu y toucheras plus tu reproduiras les comportements visibles au sein de tes données.

Le hic intervient quand tu cibles certains comportements : ta base de données vient avec du bruit, la génération des données n'est pas propre, et donc ton système n'apprendra pas que ce que tu souhaites. Potentiellement, il apprendra même davantage ce que tu ne souhaites pas plutôt que ce que tu souhaites. Microsoft par exemple a appliqué de l'apprentissage machine sur des posts Twitter pour créer un chatbot capable d'interagir "naturellement". A priori, il suffit de tout récupérer, lancer la machine, et la laisser faire sur ce qu'elle a appris. Problème, tu avais certaines données qui, sans être forcément nombreuses, ressortaient clairement du lot, et sont donc particulièrement évidentes à apprendre (l'apprentissage automatique est généralement efficace sur ce qui se discerne bien du reste, plus difficile là où la limite est floue). Résultat des courses : un chatbot sexiste et raciste ! Clairement, ce n'était pas le résultat attendu, le chatbot a donc été retiré. [Source]

L'apprentissage machine est un outil, comme tout le reste. Il ne s'agit pas de faire tourner l'apprentissage puis de laisser gambader dans la nature la machine fraîchement formée. En dehors des expérimentations pures, on cherche généralement à optimiser un process derrière. Il s'agit donc pour la machine de reproduire des comportements ciblés, pertinents pour la tâche à accomplir. Mais pour cela, il faut que la base de données d'apprentissage soit nettoyée de ce bruit, tout en s'assurant de garder une certaine diversité pour que l'apprentissage ne se focalise pas trop.

[MikeRowSoft]

Ce que vous ditent c'est que sur des informations pouvant faire l'objet de probabilité dans la prise de décision que l'I.A. n'a pas de " formules de calcules cachées " ?

Je considère que l'intuition humaine est déjà une forme de calcule (même très complexe quand elle est exacte). Alors appliquer un raisonnement déductif encore plus. C'est la base dans une déduction par rapport à une méthode de choisir une voie ou plusieurs voies de "raisonnements". La déduction pouvant faire appel à un élément ou une équation pour être prise. L'arriver en fin de branche dans un parcours d'arbre ne crée pas un nouvel arbre d'habitude, même ci celui ci est modélisé en 3D.

Je pari que l'I.A. ne choisi pas les informations qu'elle veut analyser en rejetant les autres. Héritage est appliqué en jugeant que l'humain ne c'est pas trompé.

P.S. : = est aussi bien dans un système expert vérifiant que une I.A. qui calcule 1 + 1 = 2 l'a bien appris. Même les approximations ont leurs places, et qui dit approximations dit chances de réussites et chances d'échecs... Le libre arbitre... Terminator ? Il ne l'a pas, Skynet oui.

[Matthieu76]

Il ne s'agit pas de faire tourner l'apprentissage puis de laisser gambader dans la nature la machine fraîchement formée.

Moi je pense que si, avec les bonnes méthodes et si l'échantillon est suffisamment representative de la population on obtient forcément de bons résultats.

[10_GOTO_10]

Il ne reste plus qu'à développer un outil pour détecter les biais dans les programmes de détection des biais dans les algorithmes d'IA...

[Matthieu76]

Il ne reste plus qu'à développer un outil pour détecter les biais dans les programmes de détection des biais dans les algorithmes d'IA...

Ça existe déjà : Cross validation, Courbe ROC, matrice de corrélation, et plein d'autres méthodes de data science, et statistique.
Il existe des 100^e de méthodes et de variantes... Faut-il encore savoir et vouloir s'en servir; diminuer le biais signifie quasiment tout le temps baisser les performances.

[Matthieu Vergne]

Moi je pense que si, avec les bonnes méthodes et si l'échantillon est suffisamment representative de la population on obtient forcément de bons résultats.

Admettons qu'on prenne toute la population (française, européenne, mondiale, à votre convenance). Dès lors, aucun problème de représentativité, j'imagine.

Cependant, il va falloir m'éclairer : si on se contente de récolter, de laisser apprendre, et de "lâcher" l'IA dans la nature, qu'est-ce qu'un "bon résultat" ?

Une fois que vous m'aurez dit selon quels critères vous jugez de la qualité du résultat, il faudra me dire quelles sont ces fameuses "bonnes" méthodes pour s'assurer que ces critères soient effectivement satisfaits.