Explorateurs

Intelligence Artificielle
Aperçu des compétences : IBM Watson : Instructions

Transcription :

IBM Watson est à l'avant-garde d'une nouvelle ère de l'informatique, l'Informatique cognitive. Il s'agit
d'un genre radicalement nouveau de l'informatique très différent des précédents systèmes programmables. Aussi
différents que ces systèmes puissent avoir été des machines tabulatrices du siècle derniers, les solutions
informatiques classiques basées sur des principes mathématiques qui émanent de années 1940 sont
programmées en fonction de règles et d’une logique destinée à tirer mathématiquement des réponses précises,
en suivant souvent un arbre de décision rigide. Mais avec la richesse d'aujourd'hui du big data et le besoin de
décisions fondées sur des preuves plus complexes, une telle approche rigide ne parvient souvent pas à suivre le
rythme de l'information disponible.

L’informatique cognitif permet de créer un tout nouveau type de valeur, trouver des réponses et des idées au sein
de volumes de données Si nous considérons un médecin rendant un diagnostic à un patient, un gestionnaire de
patrimoine conseillant un client sur son portefeuille de retraite ou même un chef créant une nouvelle recette, ils
ont besoin de nouvelles approches pour mettre en contexte le volume d'information qu'ils traitent sur une base
quotidienne afin d’en tirer profit. Ce processus permet d'améliorer l'expertise humaine. Watson et ses capacités
cognitives reflètent certains des principaux éléments cognitifs des systèmes d ’expertise humaine qui raisonnent
les problèmes comme le font les humains.

Quand nous recherchons à comprendre quelque chose et à prendre une décision, nous passons par quatre étapes
principales :

1) Nous avons d'abord observé les phénomènes visibles et les preuves

Tout comme les humains deviennent des experts en passant par le processus d'évaluation de l'observation et la
prise de décisions, les systèmes cognitifs comme Watson utilisent des processus similaires concernant
l'information qu'ils lisent. Watson peut également le faire à une vitesse et ue échelle massives.

Alors comment Watson peut-il le faire ? Contrairement aux approches classiques de l'informatique qui peuvent
uniquement traiter des données parfaitement organisées et structurées, et qui sont stockées dans une base de
données, Watson peut comprendre des données non structurées, soit près de 80 pour cent des données
aujourd'hui sur l'ensemble de l'information qui est produite principalement par les humains pour la consommation
d'autres humains. Cela comprend tout, articles de littérature, rapports de recherche, blogs et tweets. Les données
structurées d'autre part, sont régies par des champs contenant des informations bien spécifiées.

Watson s'appuie sur un Langage naturel, qui est régi par les règles de la culture et du contexte grammatical, son
complexe et ambiguë implicite et un défi à traiter. Même si tout langage humaini est difficile à analyser, certaines
expressions peuvent être particulièrement difficiles en anglais. Par exemple, nous pouvons avoir le cafard par jour
de pluie (feel blue) tout en remplissant un formulaire que quelqu'un nous a demandé de remplir (feel blue). Quand
il s'agit de textes, Watson ne se contente pas de rechercher des mots clés ou des synonymes comme un moteur de
recherche, il lit et interprète le texte comme une personne. Il fait ceci pour chaque phrase, en étudiant
grammaticalement, relationnellement et structurellement la sémantique des documents écrits. Watson
comprend le contexte, cela reste très
Explorateurs
Intelligence Artificielle
Aperçu des compétences : IBM Watson : Instructions

différent d'une simple reconnaissance de la parole qui est la façon dont un ordinateur convertit la voix humaine en
un ensemble de mots.

Watson tente de comprendre les intentions réelles du langage de l'utilisateur et utilise cette connaissance pour
peut-être en extraire des réponses logiques et tirer des conclusions pour les réponses possibles dans le cadre d'un
large éventail de modèles et d’algorithmes linguistiques.

Lorsque Watson va travailler dans un champ particulier, il apprend la langue, le jargon et le mode de pensée de ce
domaine. Prenons le terme cancer, par exemple, il y a beaucoup de types de cancer et chaque type a différents
symptômes et traitements, cependant ces symptômes peuvent également être associés à d'autres maladies que
le cancer. Les traitements peuvent avoir des effets indésirables et affectent les gens différemment en fonction de
nombreux facteurs

Watson évalue les pratiques de soins standards et des milliers de pages de documents qui rendent compte du
meilleur de la science dans le domaine, Watson identifie les thérapies qui offrent le meilleur choix pour le médecin
à considérer dans le traitement du patient, sous la direction d'experts humains. Watson collecte les connaissances
nécessaires pour s’informer d’un domaine particulier, ce que l'on appelle un corpus de connaissances. La collecte
d'un corpus commence avec le chargement de l'organe compétent de la littérature dans Watson, la construction
du corpus exige également une certaine intervention humaine d ’appel via l'information et de rejet de tout ce qui
n'est pas à jour ou mal considéré pour le problème. C’est ce qui est appelée la conservation du contenu. Les
données sont ensuite pré-traitées par Watson pour élaborer des sommaires et autres méta-données qui rendent
le travail avec ce contenu plus efficace. Cela est appelée l'ingestion, à ce stade Watson peut également créer un
graphique des connaissances pour aider à répondre aux questions plus précises. Maintenant que Watson a ingéré
le corpus, il a besoin d'être formé par un expert humain pour apprendre à interpréter les informations pour obtenir
les meilleures réponses possibles et acquérir la capacité à trouver des modèles. Watson s ’associe avec des experts
qui le forment en utilisant une approche appelée Machine Learning, un expert chargera les données de formation
dans Watson sous la forme de paires question-réponse servant de première base. Cela ne donne pas de réponses
explicites pour Watson à chaque question qu’il va recevoir mais lui apprend plutôt les structures linguistiques de la
signification dans le dôme. Une fois que Watson a été formée sur les paires QR, il continue d'apprendre via une
interaction continue.

Les interactions entre les utilisateurs et Watson sont périodiquement révisées par les experts et intégrées dans le
système pour aider Watson à mieux interpréter l'information, et de nouvelles informations sont publiées, Watson
est mis à jour de sorte qu'il ne cesse de s'adapter aux changements, aux connaissances et à l ’interprétation
linguistique dans un domaine donné.
Watson est maintenant prêt à répondre à des questions relatives à des situations très complexes et à fournir
rapidement une gamme de réponses possibles et de recommandations, étayées par des preuves, et il est
également prêt à identifier de nouvelles idées ou modèles d’information.

Des métallurgistes à la recherche de nouveaux alliages, aux chercheurs souhaitant développer des médicaments
plus efficaces, les experts utilisent Watson pour découvrir de nouvelles possibilités en matière de données et
prendre de meilleures décisions fondées sur des données probantes dans l'ensemble de ces différentes
applications. Il y a une approche commune que Watson suit après l'identification des parties d ’un discours dans
une question ou requête. Il génère des hypothèses, puis vérifie les preuves pour appuyer ou réfuter les
hypothèses. Il souligne chaque passage sur la base d ’un modèle statistique pour chaque élément de preuve connu
comme preuve pondérée. Watson estime sa confiance en fonction de la hauteur de la réponse évaluée au cours de
l'évaluation et du classement des preuves, et Watson est donc capable de lancer des analyses contre un corps de
données pour glaner des idées, qui peuvent se transformer en inspirations permettant aux experts de prendre des
décisions plus éclairées et judicieuses à l'échelle d'une organisation.
Explorateurs
Intelligence Artificielle
Aperçu des compétences : IBM Watson : Instructions

Watson équilibre et démocratise l'expertise en donnant des réponses précises à une requête ou une question.
Watson accélère également l’expertise en laissant apparaître de nombreuses possibilités issues d'une grande
quantité de données, en économisant un temps précieux.

Watson a révolutionné notre façon de prendre des décisions, de devenir des experts et de partager l ’expertise
dans des domaines aussi divers que la loi et même la cuisine. Watson découvre et offre des réponses et des
tendances que nous ne connaissions même pas, plus vite que toute personne ou groupe de personnes ne pourrait
jamais le faire, tous les jours. Et, le point le plus important, Watson apprend, adapte et devient de plus en plus
intelligent, il prend de la valeur avec l'âge en apprenant de ses interactions avec nous et de ses propres succès et
échecs, tout comme nous.

Donc, maintenant que vous savez comment fonctionne Watson, comment ces idées inspirent votre façon de
travailler ? Comment Watson peut-il faire de vous un meilleur expert ? Que ferez-vous avec Watson ?