Le cyberblog du coyote

Nous sommes de plus en plus confrontés à des décisions prises par des algorithmes d'intelligence artificielle. Mais ces décisions prises par des machines sont souvent obscures et peuvent entraîner une certaine méfiance de l'utilisateur. Une piste envisagée pour augmenter la confiance est l'explicabilité des systèmes d’intelligence artificielle. Cette solution est apparemment séduisante, mais est-elle suffisante pour nous rassurer? Pas si simple...

Lire l'article d'Erwan Le Merrer & Gilles Trédansur Interstices

En mathématiques, une conjecture est un résultat qui semble vrai, mais pour lequel aucune démonstration n’a été trouvée : c’est ce qui la diffère du théorème ou de la propriété qui peut être prouvé dans tous les cas où elle est applicable. Un postdoctorant de l’Université de Tel-Aviv, spécialisé dans le machine learning (ML) et les mathématiques, a développé un modèle ML capable de chercher des contre-exemples pouvant réfuter des conjectures avec l’aide de son équipe de chercheurs. Le système a déjà contredit cinq conjectures dans le domaine de l’analyse combinatoire et de la théorie des graphes.

Lire l'article de Zacharie Tazrout sur ActuIA

Une enceinte qui lance de la musique toute seule, un robot qui se noie dans une fontaine... ils sont tous dans la liste de Artificial Intelligence Incident Report, qui répertorie les échecs de l'intelligence artificielle.

Lire l'article d'Aurore Gayte sur Numerama

Mercredi 21 avril, des chercheurs de l'université de Groningen (Pays-Bas) ont révélé leurs récentes découvertes autour des manuscrits de la mer Morte. À l'aide de l'intelligence artificielle, les scientifiques ont montré que deux scribes étaient les auteurs du Grand Rouleau d'Isaïe.

Lire l'article d'Agathe Hakoun sur Connaissance des arts

« Je suis surpris que les résultats soient si médiocres ». Le journaliste polonais Kazimierz Rajnerowicz n’en revient toujours pas. Passionné par les créations générées par l’intelligence artificielle telles que les deepfakes, les chatbots ou l’art produit par des machines, il a lancé une enquête permettant de se tester en ligne. L’idée est de voir si nous sommes en mesure de détecter si une œuvre est la création d’un programme ou d’un être humain.

Lire l'article de Jean-Yves Alric sur Presse-citron

Il y a près de 10 ans, en 2012, le monde scientifique s’émerveillait des prouesses de l’apprentissage profond (le deep learning). Trois ans plus tard, cette technique permettait au programme AlphaGo de vaincre les champions de Go. Et certains ont pris peur. Elon Musk, Stephen Hawking et Bill Gates s’inquiétèrent d’une fin prochaine de l’humanité, supplantée par des intelligences artificielles échappant à tout contrôle.

Lire l'article de Jean-Louis Dessalles sur The Conversation

Toutes les cellules de notre corps contiennent la même séquence d’ADN, le même génome. Et pourtant il existe une grande variété de types cellulaires, par exemple les fibres musculaires, les cellules de la peau, du sang ou encore les neurones.
Dans chacun de ces types cellulaires, certains gènes sont exprimés, c’est-à-dire que la séquence d’ADN correspondante est transformée en ARN puis en protéines, alors que d’autres sont éteints. Les instructions qui garantissent une expression coordonnée de ces gènes au cours du développement, puis dans chaque tissu de chaque organe, sont elles-mêmes inscrites dans le génome.
Seuls 2 % de notre séquence d’ADN code pour des protéines et c’est dans les 98 % restant du génome que l’on cherche actuellement à comprendre le programme de coordination de l’expression des gènes.
C’est donc dans un livre de 3 milliards de lettres (imaginez un roman d’un million de pages !) qu’il faut décrypter les règles de ce programme.
C’est là que l’intelligence artificielle va jouer un rôle important.

Lire l'article de Julien Mozziconacci et Etienne Routhier sur The Conversation