Robots tueurs. Humanoïdes menaçants. Robo-apocalypses et robots maléfiques prenant le contrôle du monde. (Je plaisante.)

Des films comme Blade Runner, I, Robot et Ex Machina et des articles sensationnalistes dans la presse sur l'intelligence artificielle (IA) peignent l'IA sous un jour effrayant et sinistre. Malheureusement, l'IA est souvent résumée comme quelque chose de terrifiant et de négatif qui volera tous nos emplois, ou peut-être pire encore, nous dominera complètement et totalement.

Les faits triomphent de la fiction

Nous voyons à partir des données et des recherches de G2 que la réalité de l'IA, et de son proche cousin l'analytique, est plus nuancée et optimiste que ce que les médias laissent entendre.

En tant qu'analyste de recherche de marché chez G2 spécialisé dans l'IA et l'analytique, j'ai à la fois le plaisir de plonger en profondeur et le privilège de rechercher cette technologie intrigante. Cela me permet d'habiliter les autres à comprendre la magie et le mystère derrière l'IA, offrant un aperçu de tout, des rouages internes d'un réseau neuronal aux grandes tendances macro autour de l'IA et l'analytique.

Souvent, ce qui ressemble à de la magie de l'extérieur repose sur beaucoup plus de choses "derrière le rideau". Par exemple, certaines entreprises ont été critiquées car un robot sans nom et sans visage examinait leurs données personnelles, telles que les e-mails, pour former leur technologie IA quotidienne.

Au lieu de cela, à maintes reprises, nous voyons comment les entreprises emploient des personnes pour analyser et étiqueter manuellement les données. Nous discuterons des dilemmes éthiques qui en découlent en raison de cette occurrence fréquente.

« Le fossé des compétences limitant actuellement l'adoption de l'IA sera érodé par les développements technologiques qui favoriseront l'accessibilité et multiplieront les cas d'utilisation potentiels. »

Tom Pringle, VP de la recherche technologique chez G2

Dans cet article, nous peindrons une scène, à grands traits, de la façon dont cette prédiction devient une réalité.

Le tapis roulant des données

« Les données sont le nouveau pétrole » est une expression courante entendue aujourd'hui dans le domaine de la technologie, et c'est vrai.

Il y a un certain nombre d'étapes intermédiaires pour transformer les données en informations, y compris certaines des suivantes.

• Logiciels d'intégration de données & logiciels de préparation de données

Les données, qu'elles soient quantitatives (par exemple, les prix des maisons, le nombre de personnes dans une zone donnée) ou qualitatives (par exemple, les réponses aux enquêtes, les avis sur les produits), ne peuvent pas être introduites dans un modèle d'apprentissage automatique comme on met un raisin dans sa bouche. D'abord, les données doivent être nettoyées et systématisées, en s'assurant qu'elles sont dans le bon format et à l'emplacement approprié (par exemple, serveur, sur site, etc.).

• Catalogues de données d'apprentissage automatique

Cela permet aux entreprises de catégoriser, d'accéder, d'interpréter et de collaborer autour des données de l'entreprise à partir de multiples sources de données.

• Plateformes d'IA & plateformes de business intelligence

Que vous construisiez vos propres modèles ou utilisiez des modèles standard, des outils de business intelligence ou des outils d'analytique, vous utiliserez une sorte de plateforme pour passer des données aux informations.

• Informations

Une fois que vous avez nettoyé les données, elles sont prêtes à être pressées (pardonnez ma métaphore mixte) pour en extraire des informations et des modèles.

Nous assistons à des mouvements passionnants dans ces domaines, permettant à un groupe de plus en plus large de personnes de travailler avec les données et de libérer tout leur potentiel.

Ayez vos données et analysez-les aussi

S'assurer que vos données sont correctement préparées, soigneusement nettoyées et impeccablement intégrées n'est pas un travail facile (ou amusant). Par conséquent, la montée des outils alimentés par l'IA (qu'ils soient autonomes comme la plateforme d'intégration intelligente de SnapLogic ou intégrés comme Qlik Data Catalyst) aide énormément les utilisateurs. C'est un exemple de la façon dont le processus d'analyse des données devient plus facile et plus accessible.

Lorsque nous examinons la gestion des données, la montée des catalogues de données d'apprentissage automatique (data.world, IBM Watson Knowledge Catalog et Aginity), aide à garantir que les données et leur analyse ultérieure sont reproductibles et accessibles. Avec des capacités d'apprentissage automatique, ces catalogues de données permettent à tout utilisateur final de découvrir des données connexes, ce qui aide à construire une entreprise axée sur les données.

Les plateformes d'IA et d'analytique deviennent plus intelligentes. Plus la plateforme est intelligente, moins les utilisateurs ont besoin de l'être. Voici quelques développements significatifs que nous avons observés.

• • L'augmentation des ensembles de données donne aux data scientists accès à des données synthétiques et à des ensembles de données connectés. L'enrichissement intelligent des données aide les data scientists visionnaires à exploiter des données que personne ne voit.

• • Recommandations intelligentes donnent à l'expert en données des recommandations alimentées par l'apprentissage automatique pour des informations pertinentes, permettant aux utilisateurs de trouver des réponses cachées au plus profond de leurs données.

Parlez à vos données, où que vous soyez

Enfin, nous sommes arrivés à la fin du tapis roulant des données.

Nous vivons dans une culture de la commodité, une époque où nous nous attendons à ce que les choses soient immédiatement disponibles et accessibles, y compris les données et les informations. Voici deux tendances à surveiller pour savoir comment les utilisateurs peuvent obtenir des informations rapidement où qu'ils soient.

• Logiciels d'intelligence conversationnelle

Depuis que la compréhension du langage naturel s'est améliorée, nous pouvons maintenant parler à nos données, trouver et explorer des informations en utilisant un langage naturel et intuitif. Avec cette technologie puissante, les utilisateurs peuvent se concentrer sur la découverte de modèles et la recherche de sens cachés dans les données au lieu de mémoriser des requêtes SQL.

• Intégré

La manière et la méthode de requêter les données ont été améliorées. Par exemple, les plateformes d'analytique construisent des intégrations avec des outils de collaboration couramment utilisés (par exemple, l'assistant numérique Oracle sur Microsoft Teams). De plus, les plateformes de business intelligence intégrées donnent aux développeurs de logiciels les outils dont ils ont besoin pour inclure rapidement des capacités d'analytique en libre-service dans les applications professionnelles.

                                                      Avant                                                   Après

Nous voulons des réponses explicables et nous les voulons maintenant

Quelle est la prochaine frontière de l'IA et de l'analytique ?

Chez G2, nous pensons que la prochaine "grande chose" sera l'essor des réponses explicables, ou la capacité pour les utilisateurs de comprendre pourquoi une réponse ou un aperçu particulier est produit par un logiciel. Jusqu'à présent, nous nous sommes concentrés sur le quoi et le comment des données. Dans un avenir proche, nous ne chercherons pas seulement à obtenir des réponses de nos données, mais nous désirerons également des réponses sur pourquoi nos données sont ce qu'elles sont et pourquoi des informations ou des réponses spécifiques ont été générées.

Dans un monde où les données sont grandes et les dilemmes éthiques encore plus grands, l'explicabilité passera d'un atout agréable à avoir à une fonctionnalité indispensable.

Nous avons déjà vu un mouvement dans cette direction avec des solutions d'entreprise comme la fonctionnalité Explain Data de Tableau, qui ont réalisé que les utilisateurs cherchent à comprendre profondément leurs données, pas seulement à créer des visualisations tape-à-l'œil. De nombreuses startups se concentrent également sur le problème, y compris Kyndi et Fiddler. En effet, leur proposition commerciale entière est centrée sur le problème de l'explicabilité et ils créent des systèmes d'IA capables de justifier le raisonnement derrière leurs conclusions et résultats. Nous avons hâte de voir ce que l'avenir nous réserve.