Intelligence Artificielle pour Tous – HUMANIA

La croissance rapide de la recherche en IA et de ses applications offre des opportunités sans précédent mais aussi des inquiétudes légitimes. Dans ce contexte, nous nous engageons à faciliter l’accès et l’utilisation de l’IA par un large segment de la population. Rendre l'IA plus accessible à tous devrait à la fois être un facteur important de croissance économique et contribuer à renforcer la démocratie.

Cette proposition se concentre sur l'IA basée sur les données. La recherche proposée vise à réduire le besoin d’expertise humaine dans la mise en œuvre d’algorithmes de reconnaissance de formes et de modélisation, dans divers domaines d’application (médecine, ingénierie, sciences sociales, physique), en utilisant de multiples modalités (images, vidéos, texte, séries temporelles, questionnaires). À cette fin, nous organiserons des compétitions scientifiques en apprentissage automatique (AutoML). Nous proposerons des situations de plus en plus difficiles et diversifiées, pour conduire les participants à réduire davantage le besoin d'intervention humaine dans le processus de modélisation. En impliquant ainsi la communauté scientifique, nous multiplierons par un facteur important le financement reçu. Le code de tous les gagnants sera open-source. Cet effort aboutira à un défi AutoRL (Apprentissage par Renforcement Automatisé) dans lequel les participants devront soumettre du code qui sera testé à l'aveugle sur de nouvelles tâches RL inconnues.

Reconnaissant qu’il n’existe pas d'apprentissage automatique sans bonnes données, nous souhaitons également consacrer une partie de notre temps à éduquer le public sur la collecte et la préparation appropriées des données. Notre objectif est de mettre en place des bonnes pratiques pour réduire les problèmes de biais et de non reproductibilité par manque de données. Nous encouragerons également la protection de la confidentialité des données en fournissant un logiciel permettant de remplacer les données réelles par des données synthétiques réalistes. Cela facilitera l'élargissement de l'accès aux données confidentielles ayant une valeur commerciale ou personnelle.

Un aspect complémentaire original de notre proposition consiste à transformer des défis scientifiques ou industriels de grande envergure en «patrons» simplifiés, en utilisant des données de substitution (par exemple synthétiques), et en incluant des solutions prêtes à l'emploi. Ces patrons présenteront une grande variété d'applications de l'IA, afin de faire appel à l'imagination des entrepreneurs du monde entier, sans expertise particulière en IA. En clonant simplement un patron et en remplaçant les données, une organisation pourra obtenir des résultats de base immédiats et éventuellement les affiner en démarrant un défi interne ou externe. Pour faciliter ce processus, nous mettrons à disposition gratuitement notre plateforme de challenge open-source Codalab et fournirons des ressources informatiques supplémentaires, en fonction du mérite et des besoins.

Notre proposition poursuivra aussi des aspects fondamentaux de recherche scientifique. Nous travaillerons sur les garanties théoriques pouvant être offertes (1) pour équilibrer l'utilité et la confidentialité des données synthétiques; (2) pour AutoML dans le contexte d'un apprentissage «any time» et «any ressource», à savoir des garanties de performance des solutions IA lorsque les ressources informatiques sont rares et que l'intervention humaine est minimale.

Notre effort pour rendre l'IA plus accessible à tous devrait profiter à toutes les couches de la société. Cela facilitera l'enseignement de l'IA, les compétitions étant une bonne ressource pédagogiques. Cela permettra aux petites et moyennes entreprises d’apporter des solutions d’IA avec un petit budget et devraient favoriser la création de startups. Enfin, les volontaires souhaitant contribuer à l’IA pour le bien de l'humanité disposeront d’une plateforme leur permettant de créer rapidement des applications.