Actualité

Journée Scientifique du 08-Juin sous le thème: " Vers une utilisa

Publié le 18/06/2018 (GKab Warren)

L’argumentaire a défini l’importance de la journée scientifique bien au-delà qu’elle soit une réalisation d’une activité scientifique. Ainsi, le thème choisi : « vers une utilisation positive de l’intelligence artificielle pour tous », marque, en effet, un grand tournant dans les applications informatiques. Cela est d’autant plus pressant que le gouvernement français a décidé d’investir dans les recherches portant sur l’intelligence artificielle.
Imbus de cette urgence nécessaire dans notre cursus de formation à ESIS, l’argumentaire présenté par le père Isaac, assistant et chargé du cours des réseaux intelligents, a circonscrit le thème général en ces mots : « L’intelligence artificielle, une branche de l’informatique qui s’écarte de la compréhension du grand public suite à sa complexité et ses approches méthodologiques, est présentée ici comme une science accessible par tous et pour tous. » Ainsi les cinq communications retenues se répartissent deux approches : les deux premières s’inscrivent dans une approche existentielle de l’homme face à l’intelligence artificielle. Et les trois dernières sont une approche empirique de l’intelligence artificielle en vue de sa pertinence inéluctable dans le développement.
La première communication : INTELLIGENCE ARTIFICIELLE OU CONTESTATION DU MONOPOLE DETENUE PAR L’HOMME, présenté par le professeur MUSUMBU KANINDA de l’université de Bordeaux, en France, porte sur une dialectique co-existentialiste de l’homme et de la machine. Dans quelle mesure la justesse du raisonnement établirait un coefficient de corrélation entre l’homme et la machine tout en gardant l’approche kantienne de l’homme au centre de tout au regard des exigences industrielles.
Dans le développement de ce sous thème, le professeur a clarifié d’abord l’acception du concept intelligence artificielle : « l’intelligence artificielle est une science qui permet de programmer les ordinateurs et lorsque ceux-ci reproduisent les actions d’un humain, ils sont qualifiés d’intelligent. » De cette acception, l’intelligence artificielle est une science d’automatisation du comportement humain.
A quel moment du sujet pensant qu’est l’homme, avec toutes ses possibilités d’être et de produire, qu’un problème est de l’ordre de l’intelligence artificielle ? Lorsque le problème ne peut pas être résolu par un algorithme et les résultats attendus ne sont pas déterministes au départ, l’intelligence artificielle s’impose comme solution. En substance, le professeur a martelé sur le fait que l’intelligence artificielle n’est qu’une extension de l’intelligence humaine qui se manifeste dans les objets mais au-delà du problème initialement posé. Comme le BIG DATA et le problème qui s’y pose étant celui de savoir comment exploiter ces données massives non structurées, non formatées par rapport à un domaine spécifique. L’intelligence artificielle universelle n’existe pas, elle est toujours orientée vers un domaine précis.
La deuxième communication : DE L’INTELLIGENCE HUMAINE NATURELLE A L’INTELLIGENCE HUMAINEMENT ARTIFICIELLE, A la lumière de la première communication, l’orateur, l’ingénieur Papy MUKANDA, assistant et chargé des cours de télécommunication et électronique générale, a matérialisé la corrélation entre l’homme et intelligence artificielle en servant des systèmes experts. Dans son introduction, il a défini un système expert en tant qu’un programme consistant à reproduire le comportement d’un expert humain. C’est un système qui cherche à imiter l’homme dans ses activités routinières. La problématique posée est la suivante : à la rareté des experts humains, l’intelligence artificielle se présente comme voie substitutive en simulant leur savoir-faire. Ce moyen permettra la connaissance et l’expérience scientifique acquise par un expert de s’affranchir de la finitude humaine. Elles deviennent, en somme, insensible au temps et accessible à tous en cas de besoin.
Le système expert se compose :
• De La Base de connaissances
• du moteur d’inférence (l’intelligence même du système)
• des interfaces
En substance, cette approche matérialiste de l’intelligence artificielle montre comment immortaliser un expert humain grâce à un système expert.
La troisième communication : MACHINE LEARNING : DEFIS ET OPPORTUNITES, abordé par Monsieur Patrick KASONGA, assistant et chargé des cours d’UML et Merise, dans l’optique de contextualiser l’application de l’intelligence artificielle, ce sous thème a mentionné les avancées de l’intelligence artificielle au point où il y a une difficulté de distinguer dans bien des cas s’il s’agit de l’homme ou de la machine. La machine, a-t-il dit, doit apprendre de ses expériences passées pour arriver à déterminer un nombre de décisions sans l’homme.
De ce fait, le processus commence par une phase d’entrainement sur les données, puis l’apprentissage et ensuite la mesure du degré d’exactitude des résultats, enfin la construction d’un modèle que la machine sera capable de se représenter. Il faut donner beaucoup de connaissances à l’ordinateur grâce à un algorithme d’apprentissage.
De ce point de vue deux types d’algorithme d’apprentissage existent : ceux qui sont supervisés (pour lesquels on connait d’avance les résultats) et ceux qui sont non supervisés (pour lesquels on ne connait pas encore d’avance les résultats). La tendance actuelle est vers les algorithmes non supervisés.
Quelques défis des machines Learning :
• Quantité de données : les données sont massives et très variées
• Qualité de données
• Les bons algorithmes : en considérant leur performance
Quelques opportunités :
• Détection des activités inhabituelles
• Objets autonomes (Voitures autonomes)
• L’analyse prédictive des données démographiques
• Distribution et gestion des stocks
• Lutte contre la fraude bancaire
La quatrième communication : FILTRAGE DES ACCES AUX AUDITOIRES POUR UNE REDISTRIBUTION EQUITABLE DES SERVICES. L’assistant MULUMBATI a pour sa part montré l’intelligence artificielle comme outil efficace d’un suivi rigoureux dans différents services organisationnels d’une institution supérieure et universitaire. Pour faire valoir l’implémentation de l’intelligence artificielle, il a décrié le fait que les institutions d’enseignement supérieur se voient dépossédées de certains de leurs revenus mérités et sont l’objet de plusieurs difficultés dans leur fonctionnement faute d’associer l’intelligence artificielle dans leurs structures, notamment :
• Le manque d’un bon suivi des présences et de la fréquentation des étudiants,
• La sécurité des étudiants et de leurs biens dans les auditoires ;
• L’utilisation non efficiente des équipements (Bancs, chaises….)
• Redistribution non équitable et non méritée des connaissances
Le recours à l’intelligence artificielle par un contrôle assistée des accès aux auditoires parait une solution qui permettra de fournir à l’administration d’ESIS un bon suivi des présences et de la fréquentation des étudiants, de protéger les étudiants et leurs biens pendant qu’ils devront être dans les auditoires et les équipements seront utilisés de manière efficiente. Aussi les connaissances seront fournies seulement aux étudiants qui le méritent par rapport au niveau de paiement des frais atteint.
La cinquième communication : LA RECONNAISSANCE DES FORMES : UN TRAITEMENT INCONTOURNABLE DANS L’INTELLIGENCE ARTIFICIFICIELLE QUI SE REPAND DANS PLUSIEURS DOMAINES. Cette dernière communication est une application illustrative des communications : machine Learning et filtrage des accès aux auditoires pour une redistribution équitable des services. L’ingénieur en télécommunication Bertin POLOMBWE a pris deux champs d’application : la reconnaissance vocale et faciale.
La reconnaissance des formes est basée sur des algorithmes mathématiques, calculatoires et biologiques regroupés dans les algorithmes supervisés et non supervisés. L’acquisition des données est faite par les capteurs et actuateurs. L’orateur a présenté les cas d’application suivante :
1. la reconnaissance vocale (bâtie sur trois modèles : Modèle acoustique : Modèle basé sur une transformée de FOURIER- Modèle phonétique : Le dictionnaire phonétique qui se charge de la décomposition des phrases en phonèmes et leur traduction- Modèle linguistique : se charge de donner la succession des phonèmes grâce aux modèles de MARKOV.
2. La reconnaissance faciale : l’acquisition, la compression se base également sur un modèle mathématique (Transformé de Fourier ou modèle statistique) et ces paramètres sont utilisés comme entrée dans une machine d’apprentissage. Ces paramètres doivent être invariants.
Les débats entre participants les orateurs ont permis une compréhension plus fluide des différentes thématiques du thème de la journée.