View
1
Download
0
Category
Preview:
Citation preview
LIEU, DATE, NOM...
Intelligence Artificielle et Robots Sociaux
État des lieux et perspectives
Amélie Cordier - @amcordier hoomano.com
11 Mars 2019 - Conférence...
PLAN :PARTIE 1 :
Sous-partie 1Sous-partie 2
PARTIE 2 : Sous-partie 1Sous-partie 2
PARTIE 3 : Sous-partie 1Sous-partie 2
Partie 1
Contexte
Qui suis-je ?
Intelligence artificielle, apprentissage développemental, robotique, interactions Humains-Machines, sciences cognitives
Amélie Cordier
IngénieureINSA
Docteur de Lyon1
2004
2008
2012
2014
Université d’Auckland, NZ
Université de Laval, CA
2017 CSO Hoomano
2008-2016MCF LIRIS/LYON1
Présentation d’Hoomano
https://hoomano.com
À propos d’Hoomano
Fondée en 2014 par Xavier Basset et Cyril Maitrejean
Développement de solutions logicielles pour les dispositifs sociaux d’interaction
Investissement fort dans la recherche :
En robotique sociale
En intelligence artificielle et en apprentissage développemental
https://hoomano.com
Quelques chiffres
Lyon, France
Tokyo,Japan
Une équipe de recherche et un laboratoire commun
80 clients en 4 ans
Une équipe de 20 personnes (ingénieurs, développeurs, marketing, etc.)
Deux sites
https://hoomano.com
Exemples de domaines d’application
Welcoming & Guiding Welcomes visitors in a proactive wayProactive behaviour to engage non-attentive visitors
Education Attracts and keeps attentionBetter memorization of concepts
Elderly care Entertains and brings fun to occupantsCreates emotions and joy
Retail Customers loyaltyRise of the average basket
Tourism Improves tourists flow managementPromotes brand image with innovation
Security Gives security instructionsVisitor safety check log database
https://hoomano.com
Quelques clients
https://hoomano.com
La famille des robots sociaux
PepperSoftbank Robotics
NaoSoftbank Robotics
HeasyHease Robotics
BuddyBluefrog Robotics
SanbotQihan
JiboJibo
ZenboAsus
CozmoAnki
Où utilise-t-on de l’IA dans un robot social ?
Vision
Reconnaissance de la parole Synthèse vocale
Navigation
Détection d’émotions
Compréhension du langage et
génération de réponses
Vers des interactions plus naturelles
Fin du clavier, vers des interaction vocales
Intelligence émotionnelle, dimensions co-verbale et non verbale
Enjeux des interactions long terme et de la conversation naturelle
Quels enjeux pour la recherche en robotique sociale ? Vers des interactions plus naturelles
Apprendre avec des objets d’aujourd’hui comment nous voudrons interagir avec les IA de demain
Exemple : détection de l’attention de l’utilisateur
Exemples d’applications (jeux)
Présentation du Labcom
Explorer l’apprentissage développemental pour améliorer les interactions Humains-Robots
LIRIS and Hoomano: two complementary approaches
LIRIS: computer science Lab.
SMA group: artificial intelligence and constructivist learning.
Hoomano: 3.5 years of experience in developing applications for social robots and experimentations with end-users.
DQN to adapt gestures to dialog content
Internship - Caroline Montassier - INSA Rouen
How to learn appropriate gestures (animations) as co-verbal information depending on a textual content?
- How to map “sentiment” and “gesture” without prior representation?- How to gather feedback from users on the mapping quality?- What are the other possible use-cases?
Multimodal learning with robotic data
Internship - Brice Denoun - INSA Lyon
How to use multimodal learning with robotic data to improve awareness of robots?
- How to choose the data to combine?- How to deal with poor quality of some data?- What are the possible use-cases?- What methodology to compare the architectures?
Modeling empathy with a focus on interaction
Ongoing PhD thesis:
Empathic Responses by Social-Robots in Human-Robot Interactions Using Developmental Learning
Experimentations in cognitive sciences:
How to measure the quality of an empathic response during a medium-term interaction - towards news tools inspired from psychology
Publication
Developmental Learning for Social Robots in Real-World Interactions. Alexandre Galdeano, Alix Gonnot, Clément Cottet, Salima Hassas, Mathieu Lefort, Amélie Cordier. Human Robot Interactions (HRI). 2018.
Qu’est-ce que l’intelligence artificielle ?
Quelques définitionsAI is the science of making machines do things that would require intelligence if done by men”. Marvin Minsky
Tant qu’on ne sait pas comment résoudre le problème, appelons cela de l’IA. Quand on aura une solution, on dira que c’est de la programmation.
Les systèmes d’IA sont des systèmes capables d’autonomie, d’adaptation et d’apprentissage, ce qui implique qu’ils perçoivent, décident et agissent, sur l’environnement (voire interagissent).
Cet animal est-il intelligent ?
Et moi ?
À quoi sert l’IA ?
Qu’est-ce qu’un robot ?
Quels sont les problèmes durs à résoudre ?
“Elle n’a pas pu mettre le chat dans le sac car il était trop grand !”
Intelligence Artificielle Générale vs. Intelligence Artificielle Spécifique (AGI / ANI)
Domaine pluridisciplinaire
Touche tous les métiers, avec des vocabulaires différents
Des divergence de points de vue
Reproduire des fonctions cognitives
Représentations symboliques
Raisonner, déduire
Émuler l’être humain
Un monde de contrastes
Résoudre efficacement un problème
Représentations numériques
Calculer, prédire
Augmenter l’être humain
Une brève histoire de l’IA
Histoire de l’IA
1950 202019701960 200019901980 2010
1996 - Deepblue
1956 - Dartmouth (McCarthy, Minsky, Simon, Newell, ...)
1957 - Le perceptron
1950 - Turing - Mind
2012 - Imagenet
2015 - AlphaGo
2011 - Watson
https://hoomano.com
Les différentes “époques” de l’IA
Emprunté à David Lavenda sur slideshare - https://www.slideshare.net/dlavenda/ai-and-productivity
https://hoomano.com
Aux origines des réseaux de neurones...
Emprunté à Yann Le Cun - https://www.youtube.com/watch?v=_1Cyyt-4-n8&list=WL&index=12&t=0s
De quelle “IA” parle-t-on aujourd’hui ?
https://hoomano.com
Un vocabulaire riche
Apprentissage machine (machine learning)
Apprentissage profond (deep learning)
Apprentissage supervisé (supervised learning)
Apprentissage par renforcement (reinforcement learning)
Apprentissage non supervisé (unsupervised learning)
Réseaux de neurones (neural networks)
Science des données (data science)
Deep Reinforcement Learning
Emprunté à Tim Elliot - https://timoelliott.com/blog/2016/10/a-shortcut-guide-to-machine-learning-and-ai-in-the-enterprise.html
https://hoomano.com
Les domaines de l’IA
Apprentissage machine
Robotique
Vision par ordinateur
Reconnaissance de la parole
Traduction automatique
Interactions en langage naturel
Systèmes cognitifs
Traitement automatique de la langue
Modélisation des connaissances
Systèmes multi-agents
Contraintes
Planification
Raisonnement
Réseaux bayésiens…
AI, A Modern Approach. Stuart Russell and Peter Norvig. 3rd Edition.
https://hoomano.com
Machine Learning vs. Data Science vs. AI
Graphic by NVidia
https://hoomano.com
Exemples
Applications : véhicules autonomes, traduction automatique, marketing, publicité en ligne, inspection visuelle de défauts, reconnaissance de la parole, filtres anti-spam, reproduction de la parole, génération de textes, génération d’images, animation de robots, deep fakes (animation réaliste de visages)
Domaines / secteurs : environnement, énergie, santé, ville intelligente, vente, transports, voyages, éducation, jeux, silver economy, loisirs, commerce, tourisme, BTP, comptabilité, services supports, télécommunications, sécurité, luxe et mode, automatisation, industrie, matériaux
Pourquoi une telle accélération ?1. Des succès visibles du grand public 2. Une convergence de facteurs 3. Des opportunités économiques4. Des enjeux sociétaux
https://hoomano.com
1. Quelques succès qui interpellent le grand public
https://hoomano.com
2. Une convergence de phénomènes
Données + Puissance de calcul + (Open source) + (Usages)
https://hoomano.com
D’où proviennent les données ?
https://www.weforum.org/agenda/2018/05/what-happens-in-an-internet-minute-in-2018
https://hoomano.com
3. Des opportunités économiques
Gain de temps
Réduction des coûts
Création de valeur
Augmentation des connaissances L’IA est la 4ème révolution industrielle !
https://hoomano.com
4. Des débats et des enjeux sociétaux
L’IA impacte nos vies et nos emplois (mais comment ?)
Les robots vont voler nos emplois (vraiment ?)
Les modèles de prise de décision changent, et la chaîne de décisions avec
Est-ce que c’est de l’IA ? Est-ce que ce n’en est pas ? (le continuum de l’IA)
Les biais en IA, la diversité, l’explicabilité
La géopolitique de l’IA
L’éthique des systèmes artificiellement intelligents
La propriété intellectuelle des contenus produits par l’IA
https://hoomano.com
À retenir
Les frontières de l’IA se déplacent en permanence
Certaines technologies issues des recherches en IA sont désormais des commodités
L’IA reste clairement une révolution technologique, qui a de nombreuses conséquences, en particulier sociétales...
Les écueils à éviter
https://hoomano.com
Les écueils usuels liés au déploiement de l’IA
J’ai des DATA, je peux faire de l’IA !
Le problème de la préparation et de la labellisation des données
Le problème classique du “Garbage in - Garbage out”
Les interactions entre les équipes IT et les équipes IA
La peur de manquer l’opportunité. Il FAUT faire de l’IA ! (Vraiment ?)
Partie 3
Exemples d’applications (catalogue)
https://hoomano.com
Reconnaissance de caractères
Le Cun - http://yann.lecun.com/exdb/lenet/a35.htmlGoogle AI - https://ai.googleblog.com/2019/03/rnn-based-handwriting-recognition-in.htmlCarter et al. - https://distill.pub/2016/handwriting/
https://hoomano.com
Recommendation de contenu
https://medium.com/@humansforai/recommendation-engines-e431b6b6b446Examples from Netflix, Spotify and Pocket
https://hoomano.com
(Parenthèse sur la vision)
Courtesy of Chris Owen - Cognite Venture - Vision and the Deep Learning Explosion - Stanford Talk - 13 oct 2017.
https://hoomano.com
Détection d’objets en temps réel
Redmond, Josep, Farhadi, Ali 2016
https://hoomano.com
Application aux véhicules autonomes
Zhao, Qi, Shen, Shi, Jia 2017
https://hoomano.com
Agriculture, développement durable
Deere and Blue River - 2016
https://hoomano.com
Reconnaissance faciale
Deep Dense - Facebook - 2015https://www.rt.com/news/368307-facial-recognition-criminal-china/
https://hoomano.com
Marketing
Courtesy of Lucas Nacsa - Neovision
https://hoomano.com
Chatbots et assistants conversationnels
https://newsroom.mastercard.com/press-releases/mastercard-makes-commerce-more-conversational-with-launch-of-chatbots-for-banks-and-merchants/
https://hoomano.com
Assistants vocaux
https://hoomano.com
Traduction automatique, en place
Google Translate - 2016.
https://hoomano.com
Traduction et contexte
Deep L - 2018
https://hoomano.com
Détection de fraude
https://www.technology.org/2013/08/08/foiling-financial-fraud/https://www.technologyreview.com/s/545631/how-paypal-boosts-security-with-artificial-intelligence/
https://hoomano.com
Annotation semi-automatique d’images
Under the hood: Building accessibility tools for the visually impaired on Facebook - 2018
https://hoomano.com
Robots sociaux
https://hoomano.com
Et même l’art !
Berenson https://deepdreamgenerator.com
Partie 4
Le futur de l’IA - opportunités et défis
https://hoomano.com
Tendances de recherche
Dans le domaine du Deep LearningGenerative Adversarial NetworksDeep Reinforcement Learning
Dans le domaine des interactionsVocalTraitement automatique de la langueTraductionInteractions long termeDépasser les questions de perception ( )
Pour l’industrialisation de l’IAEmbarquer le calcul Préparer les données
En rapport avec les donnéesSmall DataExplicationsSécuritéMonétisation des transactions (location de données)
https://hoomano.com
Défis et enjeux liés à l’intégration de l’IA
Comment intégrer plusieurs solutions d’IA au sein d’un système ?Briques d’IA et boîte à outilsIA as a Service
Comment faire accepter l’IA en interne et par les usagers ? Qualité des donnéesDisponibilité des donnéesBiaisExplicationCommunication des équipes IT et IAImpact de l’infrastructure
https://hoomano.com
Vers une boîte à outils pour l’IA
Comment intégrer plusieurs solutions d’IA ?
Défi de l’alignement des données ?
Principe de parcimonie sur la puissance de calcul
https://hoomano.com
Considérations écologiques et énergétiques
https://hoomano.com
Les données :nouveaux matériels et de nouveaux modèles
https://hoomano.com
Générations de données pour l’entraînement
Alhaija, Hassan Abu et al. “Augmented Reality Meets Computer Vision: Efficient Data Generation for Urban Driving Scenes.” International Journal of Computer Vision(2018): 1-12.
https://hoomano.com
Vers des solutions physiques pour la réduction des coûts de traitement
https://hoomano.com
Small Data
http://smalldata.io/
https://hoomano.com
Biais, discernement, évaluation, explication
Mesure de l’erreur
Explication
Justification
Biais
https://hoomano.com
Exemples concrets de biais
https://www.wired.com/story/when-it-comes-to-gorillas-google-photos-remains-blind/https://www.technologyreview.com/s/603763/how-to-upgrade-judges-with-machine-learning/http://nber.org/papers/w23180 https://www.forbes.com/sites/parmyolson/2018/02/26/artificial-intelligence-ai-bias-google/#57403a1d1a01
https://hoomano.com
Sécurité, ou comment tromper les modèles
http://www.evolvingai.org/fooling https://medium.com/@samim/adversarial-machines-998d8362e996 Practical Black-Box Attacks against Machine Learning - https://arxiv.org/pdf/1602.02697.pdfRobust Physical-World Attacks on Deep Learning Models - https://arxiv.org/abs/1707.08945
https://hoomano.com
Les opportunités de la GDPR quant aux aux données
https://eugdpr.org/
Objectivité
Respect de la vie privée
Considérations éthiques
Justifications, explications
Nouvelles approches du biais
Propriété intellectuelle
https://hoomano.com
De la perception à l’apprentissage, quelques défis à relever
“Elle n’a pas pu mettre le chat dans le sac car il était trop grand !”
On est assez loin du bon sens…
https://www.zdnet.com/article/googles-best-image-recognition-system-flummoxed-by-fakes/
L’éléphant dans la pièce
https://www.quantamagazine.org/machine-learning-confronts-the-elephant-in-the-room-20180920/
https://hoomano.com
Deep Reinforcement Learning (DRL, DQN)
https://hoomano.com
Generative Adversarial Networks
https://www.theverge.com/2017/10/30/16569402/ai-generate-fake-faces-celebs-nvidia-gan
Pour comprendre la beauté ?
https://hoomano.com
Generative Adversarial Networks
Zhang et al. 2016.https://arxiv.org/pdf/1802.08216.pdf
Pour générer des images
https://hoomano.com
CNN pour le transfert de styles
http://genekogan.com/works/style-transfer/
https://hoomano.com
Quelle confiance en les médias ?
Buzzfeed Video - https://www.youtube.com/watch?v=cQ54GDm1eL0
Recommended