IA : IBM annonce IBM Condor pour 1000 quBits

IBM a présenté cette année son dernier projet, le microprocesseur quantique IBM Hummingbird’ capable de traiter jusqu’à 65 qubits d’information et vient remplacer le processeur IBM Falcon, conçu en 2019 pour 27 qubits.

IBM prévoit déjà son prochain processeur pour 2021 qui devrait atteindre une puissance de 127 qubits, puis un nouveau de 433 qubits en 2022. 

Et en 2023, IBM pense accéder au seuil des 1000 qubits avec le processeur IBM Condor (1121 qubits).

2019 - 27 qubits ; 2020 - 65 qubits ; 2021 - 127 qubits ; 2022 - 433 qubits ; 2023 - 1121 qubits.

Vivement demain.

IA : IBM franchit une étape décisive en informatique quantique.

IBM annonce avoir atteint un volume quantique de 64 ce qui lui permet de rattraper le même niveau qu'un ordinateur quantique Honeywell. 

C’est ce jeudi 20 août 2020 que IBM assure avoir franchi cette limite, alors que son objectif de janvier était de 32. La société a doublé ce volume grâce à une série de nouvelles techniques logicielles et matérielles appliquées à un système déjà déployé au sein de Q Network d'IBM, son réseau collaboratif de développeurs et de professionnels de l'industrie.

IBM a obtenu ce résultat grâce à un ensemble de techniques nouvelles visant à améliorer tout circuit quantique exécuté sur un système IBM Quantum. La société les mettra à disposition dès les prochaines versions des services logiciels cloud d'IBM, ainsi que dans le kit de développement logiciel multiplateforme à source ouverte Qiskit.  Pour rappel, IBM a mis à disposition 28 ordinateurs quantiques sur le cloud IBM, dont 8 systèmes fonctionnant avec un volume quantique de 32 et aujourd’hui de 64.

Référence ZDNET : https://www.zdnet.com/article/ibm-hits-new-quantum-computing-milestone/

IA : Compétition pour force brute de calcul.

L’institut public de recherche Riken et le groupe informatique Fujitsu annoncent aujourd’hui la performance de vitesse de calcul de 415 millions de milliards d’opérations à la seconde pour leur nouveau supercalculateur Fugaku (415,53 pétaflops). La machine japonaise devient ainsi la plus rapide du monde (voir le communiqué).

Le nom du champion vient du nom nippon du Fuji Yama. L’ordinateur est installé au sein du Riken Center for Computational Science (R-CCS) à Kobe (Japon). 

Mis à la disposition du monde de la recherche, Fugaku devrait dès 2021 permettre de travailler sur la modélisation de la diffusion du Sars-Cov-2 et du COVID-19, mais également sur la conception de nouveaux médicaments, celles de solutions énergétiques, d’optimisations industrielles, à la recherche fondamentale sur l’univers, sur des problématiques d’Intelligence artificielle et d’informatique quantique, ou à la simulation de catastrophes naturelles ou industrielles.

Mais la compétition reste ouverte, et les américains et chinois prévoient déjà des concurrents dont les puissances attendues sont en exaflops, soit en milliards de milliards d’opérations à la seconde.

IA : La cybersécurité menacée par l'IA.

Alors que certains clament l’importance que doit jouer l’Intelligence Artificielle dans le déconfinement, on trouve sur le Web, à l’initiative de DarkTrace® qui rappelle que le Net n’est pas un espace de confiance (lien ici), un rapport très intéressant (lien ici) "Les Attaques Renforcées par l’IA et la Bataille des Algorithmes" décrivant les conditions dans lesquelles des groupes de couards, se prenant pour des mercenaires qui ne risquent rien derrière leurs machines, utilisent l’IA pour pirater, foutre le waï et faire du fric à bon compte, sans aucune sans aucune morale jusqu’à ce que les informaticiens aient le courage, un jour, de faire le ménage chez eux.

L’article est consacré aux attaques agressives basées sur l’IA, dans un contexte où tous les outils et les éléments open source nécessaires pour mettre en œuvre une attaque basée sur l’IA existent bel et bien aujourd’hui, faciles d’accès, à la disposition de tous les médiocres, malades mentaux et salopards de toutes espèces, dont certains pourraient être organisés en « groupe de hackers professionnels » … « régi comme n’importe quelle entreprise » … « au service du plus offrant ». Ainsi, l’article prévoit « que les cyberattaques basées sur l’IA ne sont plus à quelques années de nous, mais qu’elles apparaîtront manifestement dans un futur proche ».

Dans un premier temps, les auteurs documentent le cycle de vie d’une attaque standard, en montrant comment les outils de l’IA peuvent « améliorer et rationaliser le processus » … « pour gagner en efficacité ». Dans un second temps, ils détaillent « le cycle de vie complet d’une attaque basée sur l’IA ».

Ainsi, « les cybercriminels exploiteront l’IA pour générer des attaques personnalisées, très ciblées et difficiles à détecter » et « L’IA supprimera la dimension humaine de l’attaque, ce qui compliquera l’identification des auteurs » obligeant les organisations à « devoir utiliser des outils de défense basés sur l’IA capables de lutter contre cette nouvelle génération d’attaques en utilisant les mêmes méthodes ». Malheureusement, autant les cyberdélinquants, qui n’ont que ça à faire et le font par dérangement des tuyaux neuronaux, sont en avance, autant les cyberdéfenseurs sont, si l’on comprend bien le propos, littéralement « à la rue ».

L’anatomie standard d’une attaque actuelle demande aux pirates beaucoup de prudence. On peut décrire une suite d’étapes plus ou moins complexes et efficaces.

Étape 1 : Récupération d’informations à grande échelle sur les réseaux sociaux, grâce à des faux profils pendant une phase de reconnaissance qui dure plusieurs semaines. Les cibles sont identifiées manuellement ou semi-automatiquement et les pirates entreprennent une phase d’approche, en devenant amis avec certains acteurs de la cible et récolter des informations à leur sujet. Simultanément, une analyse de la victime détermine les vecteurs d’attaque potentiels grâce à une panoplie d’outils et d’algorithmes, par exemple pour casser les capcha ou mots de passe. Étape 2 : Envoi d’e-mail d’hameçonnage ciblé à partir des informations précédentes, et contenant des documents ou messages avec des macros malveillantes. Parallèlement, on sonde activement les serveurs Web de la victime pour y trouver des vulnérabilités. Étape 3 : Si l’intrusion réussit, le malware établit un canal de commande et de contrôle (C2) qui se fond dans l’environnement en essayant d’éviter les pare-feu. Étape 4 : Récupération de mots de passe par force brute en exécutant des keyloggers et tentant de dérober les informations d’identification des administrateurs, en repérant les comptes qui utilisent des mots de passe faibles ou répétés. Étape 5 : Les informations récoltées sont utilisées pour des déplacements latéraux en utilisant les techniques Pass the Hash et Mimikatz. Les assaillants piratent ainsi une machine cliente après l’autre, en essayant de mettre la main sur des comptes aux privilèges élevés pour tenter d’accéder à de nouvelles machines d’administration. Étape 6 : Si les pirates finissent par identifier les données qu’ils cherchent, et sans trier, ils regroupent et extraient les données morceau par morceau vers leur serveur C2. Les données dérobées sont triées ensuite avec d’autres algorithmes, bien au chaud dans leurs propres machines.

On voit que les cyberattaquants risquent un échec à chaque fois et que la procédure incrémentale récupère des gigaoctets de bruits par rapport à l’information recherchée ou commandée. Le but des équipes de cybersécurité repose dont sur trois objectifs : empêcher les effractions, les détecter pour les stopper ou éventuellement les utiliser, noyer l’information pertinente dans une somme d données afin de la rendre la plus inextricable possible. La stratégie consiste donc, pour les cyberpirates, de se tourner résolument vers des cyberattaques augmentées par l’IA. Cette nouvelle génération consiste à utiliser les outils d’IA pour simplifier, automatiser et rendre indétectable chacune des étapes précédentes. On réduit ainsi le facteur de risque de se voir bloqué ou repéré, voire poursuivi, et on augmente le rendement. Étape 1 : Ce sont des chatbots qui deviennent amis avec la personne par qui l’effraction se fera, et qui a été déterminée par big data. Ces bots calculent les types de profils recherchés parmi les dizaines (ou centaines) d’employés ainsi bernés, croyant de bonne foi être en relation avec des personnes, par exmple des lcients, des fournisseurs ou des collègues. Des profils et des photos ont créés par une IA en fonction des attentes et des affinités des personnes cibles. Les outils de résolution automatique de captcha seraient utilisés pour la reconnaissance automatisée d’images sur les sites Web des victimes. Étape 2 : L’hameçonnage est ciblé par rapport aux renseignements des bots pour des attaques convaincantes, avec des tweets réalistes pour de nombreux employés dont l’un au moins téléchargerait des documents infectés, ou renfermant des liens vers des serveurs d’attaque à l’aide d’algorithmes d’exploit kits. Le classement par IApeut tenir compte de toutes les informations historiques, en apprenant de mieux en mieux avec le temps (deep learning). Un moteur de fuzzing autonome pourrait alors parcourir en permanence le périmètre de la victime pour découvrir de nouvelles vulnérabilités, et cela de manière suffisamment courte pour disparaître et ne pas laisser de trace après que le crawler trouve le nouvel actif et pour que le moteur de fuzzing découvre une vulnérabilité exploitable. Étape 3 : Imitation de l’activité habituelle de l’entreprise Une fois que l’infection initiale lancée, par fuzzing ou par l’ingénierie sociale automatisée, le canal de C2 serait établi, en attente furtive tout en apprenant son comportement de ou des machines afin de veiller à imiter le fonctionnement d’une ou des machines non infectées. La stratégie devient alors indétectable, en se fondant dans les opérations habituelles de l’entreprise, et en utilisant les ports les plus habituels pour communiquer avec des API spécifiques sur Internet. Étape 4 : Un outil créerait une liste de mots-clés uniques en s’appuyant sur les documents et les e-mails présents sur la machine infectée et créer des permutations par machine learning supervisé à visée de piratage avancé par force brute. Étape 5 : L’identification des chemins optimaux, une fois les comptes identifiés et les mots de passe récupérés, favorise le déplacement latéral pour se rapprocher des données désirées. L’utilisation des méthodes de planification automatisées basées sur l’IA réduirait considérablement le temps requis pour atteindre la destination finale. Étape 6 : L’extraction de données peut commencer une fois que les documents cibles présélectionnés ont été acquis (par exemple reconnaissance de plans spécifiques, de notices, etc.). En même temps, On pourrait extraire des documents compromettants pouvant être utilisés ultérieurement pour du chantage ou de la déstabilisation. Les procédures étant automatisées, elles peuvent être multipliées à l’envi et conduites en parallèle, ce qui surcharge de travail les équipes de défense.

La conclusion de l’étude repose sur un constat simple : Seule l’IA peut combattre l’IA, et il devient urgent de développer des programmes de détection des signes les plus subtils d’une action pour que l’équipe de sécurité puisse couper toute communication, le temps de purger le système… ce qui est une autre stratégie pour retarder une entreprise. uant à croire en la supériorité des hommes pour se protéger ou pour défendre leur système, autant croire que les logiciels de radiologie sont médiocre par rapport à un médecin spécialiste et un Alpha Go ne battra jamais Lee Sedol.

Télécharger le rapport (ici).

IA - TECH : 25 Technologies pour booster l’économie post confinement

Le magasine Forbes propose aujourd’hui une liste prévisionnelle des technologies à mettre en œuvre pour booster l’économie de sortie de confinement (lien ici). Pour le magasine, il ne fait aucun doute que, malgré la crise terrible qui frappe le monde, cette décennie va mettre en œuvre des avancées technologiques permettant de compenser, rattraper voire rayer l’effet désastreux du confinement pour une reprise économique drivée par les technics.

Voici les 25 nouvelles technologies, dont bon nombre sont déjà de la compétence des ingénieurs diplômés de l’ENSC (voir plus de détail, lien ici).

1. L’intelligence artificielle (au programme de toutes les années, plus parcours de 3eme année, et chaire ENSC/IBM autour de Watson) ;
2. L’Internet des objets (IoT) ;
3. Les technologies portables et l’humain augmenté (au programme de toutes les années et parcours de 3ème année) ;
4. Le Big data et l’analyse augmentée (voir le DU Big data et statistiques pour l’ingénieur) ;
5. Les environnements intelligents (au programme de deuxième année) ;
6. Les Blockchains et la protection de registres ;
7. Le cloud et la technologie de pointe (au programme) ;
8. La réalité augmentée (idem) ;
9. Les jumeaux numériques ;
10. Le traitement du langage (au programme) ;
11. Les interfaces vocales ;
12. La vision artificielle et la reconnaissance faciale (en collaboration avec l’Institut d’optique, antenne de Bordeaux) ;
13. Les robots et cobots (spécialité de 3ème année) ;
14. Les véhicules autonomes (équipe de recherche avec l’IFSTTAR) ;
15. La 5G ;
16. La génomique et l’édition génétique ;
17. La co-créativité homme-machine et le design augmenté (en collaboration avec les écoles de Condé) ;
18. Les plateformes numériques ;
19. Les drones et les véhicules aériens sans pilote (projets de 2eme année avec les simulateurs de la plateforme technologique) :
20. La cybersécurité ;
21. Les ordinateurs quantiques (au programme de la chaire ENSC/IBM) ;
22. L’automatisation des procédés robotiques (cf. l’option de 3ème année) ;
23. La personnalisation de masse et les micromoments ;
24. Les impressions en 3D et 4D ;
25. La nanotechnologie et la science des matériaux.

Voici une liste qui semble déjà bien remplie à l’ENSC, et qui donne plein d’idées pour collaborer avec l’ENSEiRB-MMK, l’Ecole de chimie (ENSCBP), l’Ecole des biotechnologies (ENSTBB), l’IOGS, et l’Institut Mines Telecom, dans un projet de rapprochement à reprendre par la nouvelle équipe de direction.

IA - TECH : Le calcul quantique à température normale.

Les techniques actuelles de conception de  l'ordinateur quantique (liens vers ce site) sont confrontées à plusieurs limites qu’essaient de dépasser plusieurs centres de recherche et les industriels du domaines. L’une d’elles, et non des moindres, est celle du maintien d’une température très basse, proche du zéro absolu (vers -273,15°C), afin de figer les composants intimes du calcul quantique pour permettre l’état de superposition des QuBits. En effet, cet état de superposition quantique est très fragile et les supraconducteurs utilisés doivent être plongés dans des enceintes d’azote liquide. Le calculateur quantique est alors un cryostat sur les composants duquel on agit par l’intermédiaire d’émetteurs de micro-ondes ou de faisceaux magnétiques.

Une publication de Nature communications par un consortium international coordonné par une équipe suédoise de l'université de Linköping, et associant des chercheurs académiques hongrois, russes et américains, ainsi que du Thomas J. Watson research center de Yorktown Heights (NY, USA) de l’industriel IBM, montre qu’il est possible de maintenir à température ambiante normale l’état de superposition quantique au sein du carbure de silicium (noté SiC). Ce matériau, la moissanite, est formé par l’association d’un atome de silicium et d’un atome de carbone. On le trouve sous forme naturelle dans quelques météorites, ou de manière très rare sous forme d’inclusion dans des diamants ou dans certaines riches exceptionnelles. La solution est de synthétiser ce composant habituellement utilise en joaillerie ou dans l’industrie comme substitut du diamant.

SHS : Le trafic aérien comme indice d’activité humaine.

Flightradar24 est né par hasard du passe-temps de deux suédois fanas d’aviation. C’est aujourd’hui un entreprise d’une vingtaine de personnes, située à Stockholm, qui se donne pour objectif de donner en temps réel la position et les caractéristiques techniques, commerciales et de vol de tous les aéronefs en vol dans le monde.

Le dispositif est l’exemple même d’une source de données ouvertes (open data) contributive. Elle est alimentée par un ensemble de sources officielles (administrations) et commerciales (les informations des compagnies aériennes), mais aussi par un réseau « crowdsourcing », de « planespotters » et de passionnés d’aviation qui contribuent à alimenter le système en informations.

En fait, la très grande majorité (de 60 à 70%) des avions en vol, dès la mise en route du ou des moteurs et jusqu’à leur extinction au parking d’arrivée, utilise un transpondeur ADS-B. Il s’agit d’un dispositif embarqué qui envoie en permanence des informations sur la localisation précise sur la carte, l’altitude, la vitesse, le cap, la destination et toute une série d’informations. 

Pour récolter ces informations, la société recueille les données des nombreuses installations professionnelles hébergées dans les aéroports, celles des compagnies, mais également celles fournies par un immense réseau collaboratif d’amateurs et de radio-amateurs dotés de récepteurs ADS-B, eux peu partout à travers le monde (estimé à Plus de 13000 contributeurs). Cet ensemble est complété par les informations de la Federal Aviation Administration (FAA) des États-Unis, qui transmet ses données avec une latence inférieure à cinq minutes, à partir desquelles le système peut facilement extrapoler la position estimée des aéronefs concernés, et par un calcul de « multilatération » qui permet de calculer la position d’appareils équipés d’un autre type de transpondeur. Le système est en évolution continue avec des projets d’intégration des avions d’Etat, et des contributions d’autres systèmes similaires tels que « PlaneFlightTracker » avec des informations sur les vols privés et ceux de l’Otan et de la Russie.

Quoi qu’il en soit, les informations permettent de comparer les données concernant l’activité avant et après le confinement.

IA - TECH - BIO : Sur le tableau de bord Covid-19 de l’Université Johns Hopkins.

L'université privée Johns Hopkins (UJH) dispose de l’une des écoles de médecine des plus réputées du monde, en appui de l'hôpital du même nom. Fondée en 1876 à Baltimore (Maryland, USA) grâce à un don de plusieurs millions de dollars d’un magnat du chemin de fer, l’UJH arrive au 10° rang des universités des Etats-Unis (selon le dernier palmarès de l’U.S. News & World Report), et elle est particulièrement renommée en sciences médicales. Son école de médecine occupe la deuxième place juste derrière Harvard, avec un palmarès de 18 lauréats du prix Nobel de médecine, parmi les 37 de l’université, qui soit y ont été formés soit y ont enseigné. Pour donner une idée de l’excellence, qui aux USA se paie toujours rubis sur l’ongle, voici les tarifs des droits d’inscription (voir ici). Voilà de quoi, peut-être, privilégier une forme d’originalité nationale française qui produit des médecins prodiguant une médecine moins prestigieuse mais de fonctionnaires et pseudo-fonctionnaires de grande qualité, salariés de fait par une sécurité sociale exigeante mais détentrice de la réglementation des tarifs du soin.

Si l’hôpital Johns Hookins et son école de médecine sont en plein centre-ville de Baltimore, le campus principal de l’université est situé en périphérie, au milieux de grands parcs. Et c’est paradoxalement là qu’est née la carte interactive la plus célèbre du moment : sa carte interactive de référence de l'évolution de la pandémie de Covid-19 suivie jour après jour depuis le 22 janvier 2020. Reconnue comme l’une des meilleures sources mondiales, suivie par les politiques du monde entier, et entre autre par les chercheurs concernés par le Covir-19 et les experts des santé publique, cette base de données est issue au départ de presque rien à l’initiative de Lauren Gardner, professeur associé en génie civil à l’IJH, et de Ensheng Dong, une de ses étudiantes chinoises. Déjà formées à la modélisation des épidémies de rougeole et du zika, elles ont commencé à travailler sur la diffusion du virus Sars-Cov-2 en janvier, alors que l'épidémie était limitée à la Chine (voir son interview dans  Science). L'équipe compte aujourd’hui une douzaine de chercheurs et techniciens, et les informations sont réactualisées chaque heure, jour et nuit, sept jours sur sept. Gageons que cette équipe adepte de l’efficacité et de la gratuité sera soutenue par l’une des facultés les plus riches du monde, même s’il ne s’agit pas de médecins.

IA : L’intelligence des machines à calcul.

En octobre 1950, le mathématicien anglais Alan Turing publiait dans la revue « Mind » un article majeur intitulé « Computing machinery and intelligence.» (Mind, 59, 433-460, 1950). Cet article est aujourd’hui considéré par certains comme l’acte de naissance de l’intelligence artificielle. C’est dans ce fameux article que Turing évoqua pour la première fois le test qui porte son nom et qui consiste, par l’intermédiaire d’un dispositif électronique, à faire dialoguer un être humain alternativement avec deux interlocuteurs, l’un humain et l’autre artificiel. Selon Turing, le jour où l’expérimentateur humain, au terme d’une conversation non préparée, sera incapable de dire s’il a affaire à un interlocuteur humain ou électronique, on pourra alors considérer que les ordinateurs seront devenus véritablement intelligents.

Près de 70 ans passés, les scientifiques et ingénieurs tentent toujours de décrocher ce « Graal » que constitue la première machine intelligente « au sens de Turing ». Dans ces dernières années, une étape décisive a été franchie lorsque l’ordinateur Watson d’IBM a gagné aux États-Unis contre des humains la grande finale du jeu Jeopardy, un jeu nécessitant de très bonnes qualités d’association et de raisonnement portant sur des connaissances de culture générale considérées comme ouvertes, et donc jusqu’ici spécifiquement humaines. Une nouvelle étape a consisté en 2016 pour AlphaGo, développé par Google DeepMind, à battre l’un des meilleurs joueurs mondiaux, et l’année suivante de confirmer l’exploit contre le champion du Monde de la discipline. La machine qui s’était entraînée contre elle-même, a même inventé une nouvelle stratégie qui a désarçonné les experts, stratégie qui est aujourd’hui étudiée et enseignée par les spécialistes de ce jeu millénaire.

L’industriel IBM, titulaire de la chaire « sciences et technologies cognitiques » de l’ENSC, est l’un des acteurs mondiaux de l’aventure vers les machines intelligentes. Il a ainsi continué à perfectionner Watson, lui permettant d’être reconnu au meilleur niveau dans la résolution de problèmes complexes nécessitant  de nombreuses inférences heuristiques sur des données non structurées, et pour lesquels la puissance informatique brute n’est pas suffisante. IBM parle pour cela d’un accès à une nouvelle « ère cognitive ». C’est notamment dans le domaine des données médicales que Watson a permis aux meilleurs centres de recherche permettant de recruter des patients pour de nouveaux essais cliniques afin d’accélérer le testing des diagnostics, des traitements et de l’échange des dossiers médicaux.

L’évolution de Watson s’oriente maintenant vers celle de ses composants électroniques et IBM propose des microprocesseurs réellement neuro-mimétiques, afin de pouvoir rivaliser avec le cerveau humain tout en s’en inspirant. Ce programme de recherche, SyNAPSE (Systems of Neuromorphic Adaptive Plastic Scalable Electronics), a été lancé en 2008 mais porte aujourd’hui ses fruits en tant que première réalisation. Un microprocesseur spécifique, la puce « TrueNorth » développée par la marque, comporte par exemple un million de neurones artificiels dotés chacun de 256 synapses, soit 256 millions de synapses,  en intégrant 5,4 milliards de transistors. Chacun de ces neurones artificiels est pourvu d’une mémoire permettant de gérer les priorités de chacune des connexions. Selon IBM, il s’agit de l’un des composants électroniques les plus complexes et les plus sophistiqués jamais réalisés : un première ébauche de l’élément de base d’un futur ordinateur « neuromorphique », directement inspiré de la structure et du fonctionnement du cerveau.

Les « neuroprocesseurs » représentent une véritable rupture technologique pour ce qui est de la performance, en s’affranchissant d’une imitation programmée sur ordinateurs classiques. Ils sont surtout plus rapides en disposant des propriétés des systèmes parallèles, mais surtout permettent de consommer 1000 fois moins d’énergie qu’une puce traditionnelle de puissance équivalente. 

Pour IBM, l’effort ne se limite pas là puisque le calculateur neuromorphique associe 16 puces « TrueNorth » entre elles, groupées par quatre fois quatre, ce qui représente au total l'équivalent de 16 millions de neurones et donc de plus de quatre milliards de synapses. Nous sommes encore loin du cerveau humain mais pouvons commencer à envisager la simulation de certaines aires ou structures fonctionnellement spécifiques. Une telle architecture est cependant déjà capable, selon IBM, d’effectuer 46 milliards d’opérations synaptiques par seconde et par watt. Le but est de permettre de doter le plus grand nombre de la puissance embarquée d’un cerveau artificiel, pour une IA collaborative, alors que nous n’avons aujourd’hui accès qu’à des puissances des calcul 120 millions de fois supérieures à celles utilisées pour une mission Apollo.

La firme Apple s’est lancée dans une autre perspective de l’augmentation humaine par l’IA. À partir du développement de ces « neuroprocesseurs », les créateurs de SIRI, l'assistant vocal de la firme,, ont lancé un nouveau défi en fondant la société Viv Labs dont l’ambition est de concevoir un programme capable de répondre à toutes les questions que l'on peut lui poser en langage naturel (enfin, ici en anglais). Viv Labs a récemment été rachetée par Samsung, ce qui montre l’intérêt que porte l’industrie à la problématique de la compréhension artificielle. La résolution de ce type de problème associe à la fois la puissance de calcul, mais également l’accès ultra rapide à toutes les bases de données disponibles, avec des algorithmes permettant de les traiter et surtout d’en extraire très rapidement les informations pertinentes qu’il faudra mettre en perspective afin de donner du sens à une réponse par rapport aux attente du demandeur. Ce type de réponse nécessite de dépasser la problématique de la puissance de calcul des microprocesseurs puisqu’il faudra également apprendre à réorganiser selon de nouvelles logiques les bases de données et de connaissances.

Dans le domaine de la prospective, Ray Kurzweil, directeur de l’innovation scientifique chez Google, est persuadé qu’à l’horizon 2045 les ordinateurs seront devenus aussi intelligents que les êtres humains dans presque tous les domaines.

Dans cette attente, force est de constater le rapprochement de plus en plus réussi des machines et du cerveau, permettant d’envisager une ère nouvelle de cognition naturelle augmentée par l’intelligence artificielle. La révolution de l’IA embarquée permet déjà de disposer de terminaux intelligents, branchés sur des vêtements, des lunettes, des montres, des vélos, des automobiles dotés chacun d’une puissance de calcul parallèle incommensurable, et qui permettent d’envisager l’émergence d’une nouvelle cognition partagée entre cerveau naturel et systèmes collaboratifs de cerveaux artificiels.

IA : IBM ouvre ses accès gratuitement pendant 90 jours.

La chaire IBM de l’ENSC informe la communauté cognitique. 

Pendant la crise sanitaire mondiale, IBM a recensé quelques unes des offres les plus adaptées pour aider les organisations à faire face à leurs nouveaux challenges.

Le lien https://ibm.co/OffresIBM permet des accès gratuit pendant 90 jours.

Par ailleurs, pour assurer la continuité des programmes, IBM a réalisé un portail (https://www.ibm.com/remotelearning/) qui rassemble :

• des outils et ressources pour l'enseignement à distance, notamment des gratuités exceptionnelles sur certaines solutions
• des conseils pour bien accompagner chacun (enseignants, parents et accompagnants) dans ce mode d'éducation.

Le site IBM Academic Initiative (https://my15.digitalexperience.ibm.com/b73a5759-c6a6-4033-ab6b-d9d4f9a6d65b/dxsites/151914d1-03d2-48fe-97d9-d21166848e65/home) réunit des ressources gratuites, formations, vidéos, badges, logiciels et Cloud en libre-service pour les étudiants, élèves et enseignants. 

Pour en savoir plus et avoir quelques idées des sujets proposés, rendez-vous sur Academic Initiative Resources for Virtual Learning (https://www.ibm.com/blogs/global-university-programs/2020/03/leverage-ibm-academic-initiative-resources-for-virtual-learning/).

Les élèves peuvent y découvrir en autonomie les bases de l'intelligence artificielle, de la sécurité, des data sciences et de la blockchain, ou du quantique.

Ces ressources sont accessibles depuis votre adresse mail académique (ensc).

Pour tout renseignement, contacter Soit vitre responsable d’année, soit, le cas échéant, le directeur de la chaire IBM, Marc Rodier, à l’ENSC.

IA : Les niveaux de maturité quantique.

Kristel Michielsen est une physicienne belge travaillant en Allemagne, au « Jülich Supercomputing Center » (JSC). Spécialisée en informatique quantique, elle s’est distinguée dans les études portant sur les composants et leur physique, puis sur les algorithmes qu’ils peuvent supporter.
Elle est à l’origine de l’adaptation de l’échelle de maturité technologique de la NASA en une échelle QTRL : la « Quantum Technology Readiness Level ».
Dans cette échelle, le QTRL1 concerne une technologie qui se limite au cadre théorique de l'informatique quantique c’est-à-dire les études des propriétés de base des dispositifs d'informatique quantique. Le niveau  supérieur, QTRL2, consiste une fois les principes de base du dispositif, à étudier des algorithmes qui pourraient être théoriquement supportés par le technologie informatique quantique précédente. La physique des Q-bits et leurs propriétés exploitées par cette algorithmique correspond au QTRL3, qui implique des études en laboratoire pour valider les prédictions théoriques et justifier ou non la poursuite du processus de développement. Le QTRL4 correspond à la fabrication concrète des systèmes uni- ou multi-Q-bits et leurs opérationalisation en termes de superposition et intrication, qui sont testés l'une avec l'autre. Au QTRL5, des composants intégrés peuvent constituer un processeur quantique, sans correction d'erreur, mais permettant une mesure fiable des résultats. Les technologies de correction d'erreur permettent d’aborder le QTRL6, de manière fiable et répétée. Cela permet d’aborder la création d’un ou plusieurs prototypes multi-Q-bits au QTRL7 en permettant de résoudre des calculs quantiques élémentaires, dans un environnement d’utilisation fluide et non expérimentale.  Les versions évolutives d'un ordinateur quantique répondant aux tests, au QTRL8, permet de mettre en œuvre et d’aborder la suprématie quantique qui correspond au QTRL9.

IA - BIO - INFO - TECH : Les nouvelles prédictions de Ray Kurzweil (2019).

Le célèbre Ray Kurzweil, aujourd'hui responsable de la branche IA de Google, transhumaniste militant, s'est fait le spécialiste des prévisions des développements technologiques.

Ainsi pédisait-il, dès 1989, la chute de l'union soviétique par la diffusion de la téléphonie mobile et des télécopieurs, que les machines vaincraient le champion du monde d’échecs avant 1998. pari gagné puisqu'en 1997 Deep Blue (IBM) gagna la célèbre rencontre contre Garry Kasparov. Il évoquait la possibilité pour un PC d'être capable dès 2010 de répondre à des questions simples en cherchant sur internet, ce dont Google s'est depuis fait une spécialité, y compris pour des requêtes multiples de sens ouvert. Il prévoyait qu'en 2009, on pourrait donner aux machines des instructions en langage naturel. Et voilà que surgit les logiciels de dictée, ainsi que les logiciels de commande tels que Siri de Apple, puis Alexa de Amazon et Dis-Google !  La technologie est aujourd'hui embarquée sur les BMW et d'autres équipementiers se précipitent dans le projet toujours plus élaboré de l'hybridité du langage et de la traduction automatique en ligne. Quant à ses prévisions sur la réalité virtuelle et augmentée, elles ont été réalisée notamment grâce aux Google classes en 2011, puis vinrent rapidement les Hololens de Microsoft et d'autre lunettes et head-up displays en aéronautique, dans la conduite des ateliers des usines 4.0 et aujourd'hui dans l'automobile pour tout le monde.

Bien entendu, nombre de ces prédictions n'ont pas été concrétisées, mais restent pourtant d'actualité. C'est dans cette perspective de Ray Kurzweil a proposé une nouvelle liste chronologique des technologies du futur.

En 2009 Ray Kurzweil réactualisait sa liste et donnait d'autres pistes dont nombreuses se sont réalisées - voir la liste des prédiction de RK dans Wikipedia : ici. 

Aujourd'hui, dix ans après cette nouvelle série prophétique, Ray Kurzweil propose une série actualisée dont voici le résumé.

2019 – Disparition des fils et câbles pour les appareils individuels et les périphériques.

2020 – Puissance de traitement des PC comparable à celle du cerveau humain.

2021 – Internet sans fil pour 85% de la surface de la Terre. 

2022 – Émergence (USA, Europe) de lois réglementant les relations entre humains et robots, et formalisation des droits, devoirs et limitations/interdictions dans ces relations.

2024 – Conduite automobile obligatoirement supervisée par l'IA, et interdiction de conduire sans aide technologique.

2025 – Avènement d'un grand marché de gadgets-implants.

2026 – Prolongement technologique de la vie humaine (au moins autant que la vie passée).

2027 – Vulgarisation et généralisation des robot personnels autonomes pour des actions complexes. 

2028 – Énergie solaire universellement répandue suffisante aux besoins énergétiques de l’humanité.

2029 – Test de Turing pour les machines et fusion IA-IN par simulation informatique du cerveau.

2030 – Nanotechnologies généralisées pour une baisse significative des coûts de fabrication

2031 – Imprimantes biologique 3D dans tous les hôpitaux pour imprimer des organes humains.

2032 – Nanorobots médicaux pour apporter des substances nutritives aux cellules en éliminant les déchets. Scanner du cerveau humain par nanorobots pour la maîtrise de son fonctionnement.

2033 – Les voitures autonomes, sans conducteur ni parfois passager.

2034 – Premier rendez-vous de l’homme avec l’intelligence artificielle

2035 – Matériel spatial de protection permanente de la Terre contre les astéroïdes.

2036 – Reprogrammation cellulaire pour guérir des maladies, et imprimantes 3D pour fabriquer des nouveaux tissus et organes.

2037 – Découverte de centaines de sous-régions cérébrales ayant des fonctions spécifiques avec décryptage algorithmique et intégration aux réseaux neuronaux artificiels.

2038 – Apparition de personnes robotisées et de produits de technologies transhumanistes tels qu'implants optionnels supplémentaires.

2039 – Nanovéhicules directement implantés dans le cerveau pour une réalité virtuelle d'immersion totale, sans équipement supplémentaire.

2040 – Recherche Internet directement par la pensée avec résultats affichés sur des lentilles de contact (ou des lunettes spécifiques).

2041 – Débit internet maximal de 500 millions de fois plus élevé qu’aujourd’hui.

2042 – Première réalisation potentielle d’immortalité grâce aux nanotechnologies.

2043 – Plasticité d'aspect du corps humain grâce à des nanorobots, et organes remplacés par des dispositifs cybernétiques ultrafiables.

2044 – Intelligence non-biologique des milliards de fois plus performante que l'intelligence biologique.

2045 – Singularité technologique. La Terre se transformera en une gigantesque machine

2099 – Extension du processus de singularité technologique à tout (ou parties de) l’Univers. 

(voir la nouvelle liste des prédictions de RK de 2019 : ici)

Perspective : 2100 - Fin de l'humanité même sous sa forme artificielle (note de l'auteur).

https://en.wikipedia.org/wiki/Predictions_made_by_Ray_Kurzweil

IA : et Vive l'inintelligence artificielle.

Les grands acteurs du monde numérique, les GAFAMI, et autres acteurs des NBIC, les grandes sociétés industrielles de l’automobiles, de l’énergie, de l’aérospatiale ou du maritime investissent  des centaines de millions de dollars dans des équipes de recherche, des laboratoires ou des start-up spécialisées dans le « deep learning » ou « apprentissage profond ». Le prestigieux prix Alan Turing a d’ailleurs été attribué cette année à Yann Lecun, Yoshua Bengio et Geoffrey Hinton pour leurs travaux sur le deep learning.

Cette approche de l'intelligence artificielle née des travaux initiaux sur les neurones formels de McCulloch et Pitts (1943) et du Perceptron de Rosenblatt (1957) repose sur l’imitation d’un réseau de neurones simplement organisés selon des règles issues des propriétés biologiques que ces éléments neuronaux présentent en eux-mêmes ou élaborent entre-eux (effet de seuil, activation excitatrice ou inhibitrice, rétropropagation, synapse de Hebb, etc.). On remarquera d’ailleurs que tous ces noms sont ceux de psychologues ou neurologues, sachant parfaitement quelles étaient les limites des modèles proposés. Cette imitation, en se prenant au sérieux, est d’ailleurs une horreur pour les neurobiologistes et psychologues, qui savent combien la complexité d’un seul neurone empêche encore à l’heure actuelle toute modélisation d’autant que celle-là doit être évolutive, non seulement en fonction de l’activité électrique (ce que le neurone formel produit comme « modèle réduit » du neurone naturel, comme pour jouer avec, comme avec une petite voiture, un train électrique ou un autre jouet pour les gamins, ados ou adultes nostalgiques), mais aussi des évolutions structurales de la membrane, des synapses, de la neurochimie, de la percolation avec les cellules supports de la neuroglie, astrocytes ou oligodendrocytes, et avec le contexte neurobioactif, pétri de neuromodulateurs, neurohormones, vascularisation, etc., tout cela dans un cerveau qui bouge, qui subit en même temps qu’il organise une chronobiologie régulant les équilibres et des temps d’activité ou de repos.

Il s’agit donc ici encore d’une analogie, au sens ou l’analogie, ça fait comme si c’était pareil alors que tout le monde sait que ça ne l’est pas du tout (voir là) ! Le neurone formel est un analogue plus qu’élémentaire et le réseau d’analogues est encore plus élémentaires qu’il; ne traite que des informations de nature électrique, elles-mêmes sombre imitation de la conséquence des phénomènes biochimiques qui leur donne l’aspect d’une naissance. On ne traite dans le deep learning que les effet de l’ombre d’un poteau en pensant qu’elle peut représenter l’image de l’ensemble des arbres d’une forêt, voire de tous les forêts, vergers et allées ombragées du Monde.

De là pourrait-on imaginer appliquer le principe du test de l’imitation de Turing (« imitation game »). Est intelligente la machine qui ne permet pas à un observateur humain de savoir s’il s’agit d’une machine ou d’une homme. Est intelligence artificielle, en tant qu’analogue de l’intelligence naturelle (voir le post sur les machines qui ne peuvent penser), ce qui réussit le test. Une intelligence artificiellement produite qui serait incapable de ne pas montrer une supériorité inhumaine serait disqualifiée.

Imitation game : Réussi parce que la machine fait ce que fait l’homme ; Perdu lorsque la machine fait bien ce que l’homme ne peut pas faire ou fait moins bien. Il s’agit alors d’un brevet d’artifice. Si l’intelligence considérée ne l’est pas, est-elle pour autant idiote ? Un test de Turing inverse montrerait qu’elle ne l’est pas. Mais alors, quelle essence à cette pseudo intelligence ? Le même problème se pose si on considère qu’un ascenseur est capable d’une bonne imitation de l’aptitude à monter les paquets d’un étage à l’autre. Et pourquoi pas, alors, un prix Nobel pour Roux et Combalusier ? Cela ne viendrait pas à l’idée.

Pourtant l'annonce du 3 janvier de Mark Zuckerberg, patron de Facebook, qui se donne pour objectif de « construire [par deep learning] une intelligence artificielle simple pour piloter la maison ou aider dans le travail » d’ici la fin de l’année, de l’investissement de Apple rachetant Perceptio, VocallQ et Emotient, de Elon Musk et de son pari sur la voiture intelligente, sur la fusée intelligente, sur l’hyperloop Intelligent, etc., de la course aux traductions automatiques sur téléphone mobile, de IBM qui rajout le DL à Watson dans sa version « cognitive business », montre la pertinence effective du deep learning à traiter des problèmes non directement résolubles.

Le mouvement est lancé, et l'apprentissage profond devient un fantastique outil « super intelligent » pour détecter et traiter les cancers, prévoir le climat, déterminer l’apparition précoce de la maladie d’Alzheimer, et jouer avec AlphaGo ou contre les champions de Starcraft 2. Mais comme Super Man n’est probablement pas un homme, super intelligent n’est peut-être pas humainement intelligent.

IA - SHS : Nouvelle frontière franchie - la justice rendue par les machines.

La présidente de l'Estonie vient d'annoncer (selon Wired) son intention de confier le jugement des délits mineurs (dont les dommages sont inférieurs à 7 000 euros) à un système d’intelligence artificielle (IA). Ce système devra, dans un premier temps, se prononcer de manière  autonome sur la culpabilité d’un prévenu, sur le dommage subi et sur le montant de la peine. Le condamné aura la possibilité de faire appel devant un tribunal « humain » de deuxième instance, ou celui d'accepter la sentence, ce qui devrait être le cas dans un nombre significatif de cas et désengorger d’autant les tribunaux et permettant aux juges et greffiers de se consacrer au traitement des affaires plus complexes.

Une intelligence artificielle aura pour la première fois dans l'histoire de la justice la responsabilité autonome d’un jugement. Le principe de cette IA judiciaire a été développé par Ott Velsberg, directeur national des données en Estonie, et associera l’analyse des textes légaux, l’analyse des informations mises en ligne par les deux parties en conflit sur une plateforme dédiée, et les preuves, témoignages, allégations et informations personnelles concernant les parties. Là réside un second point qui peut être problématique, puisque ce principe est non conforme avec ceux de la RGPD européenne et pourrait engager à une justice prédictive avec une collecte préventive de données personnelles et les dérives de fichage qui seraient alors légalement justifiées par la commission potentielle de délits. La date de promotion de ce système est prévue pour la fin de l’année 2019.

Le premier et principal problème reste néanmoins celui, éternel, de la confiance dans la décision. En décembre 2018, un groupe de travail de la Commission européenne pour l’efficacité de la justice avait déjà proposé une charte éthique européenne sur l’utilisation de l’IA dans les systèmes juridiques. Ce qui pose problème est l’opacité du fonctionnement de tout logiciel de deep learning, dont le principe est justement d'échapper à toute possibilité de représentation cognitive. Le deep learning est en effet une méthode d’IA basée sur un  « apprentissage opaque » apprend d’elle-même en fonction de partis-pris de programmation (méthode, information de base, etc.). Il est impossible de savoir ce qui se passe précisément dans le programme, et on démontre que les apprentissages sont différents en fonction de données initiales différentes (sensibilité aux conditions initiales) et de la pratique (expérience) du programme. On peut par exemple craindre que des jugements initiaux soient moins pertinents que les suivants et qu’après un certains temps, les décisions convergent vers des bassins d’attraction, les rendant systématisées plus qu’individualisées.

IA - SHS : Ouverture de la chaire IBM Sciences et Technologies Cognitiques à l’École Nationale Supérieure de Cognitique.

« Chaire IBM Sciences et Technologies Cognitiques »

Un partenariat entre IBM et l’ENSC (Bordeaux INP) a permis l’ouverture à l’École Nationale Supérieure de Cognitique d’une « chaire IBM Sciences et Technologies Cognitiques. »

Ce dispositif innovant, annoncé au salon NOVAQ 18, valorise quatre objectifs communs :

• enraciner des initiatives pédagogiques sur l’Intelligence Artificielle pour former les ingénieurs aux enjeux et aux outils émergeant de « l'ère cognitive » ;
• définir et mettre conjointement en œuvre des projets prospectifs pour le futur d'une IA  humaine ;
• développer l'insertion professionnelle des ingénieurs diplômés de l’ENSC chez IBM ;
• contribuer à un rayonnement mutuel dans différents réseaux et écosystèmes, et au développement de l'idée d'une approche scientifique concrète des dimensions humaines de l’IA.

Depuis décembre 2018, cette chaire est dirigée par Marc Rodier, leader de l'équipe globale IBM « Cloud services for managed application development », spécialiste de Watson et des solutions cognitives d'IBM, qui intervient et enseigne la stratégie « Cloud, Analytics, and Cognitive Science » dans différentes écoles d'ingénieurs et de management. 

Il anime les travaux en étroite partenariat avec la direction, les enseignants et les enseignants-chercheurs de l’ENSC.

À l’ENSC, et aux côtés :

• de l’Institut tremplin « Carnot Cognition » géré par le CNRS, 
• de la chaire « STAH » (Systèmes Technologiques pour l’Augmentation de l’Humain) portée par la Région Nouvelle Aquitaine, 
• du laboratoire commun « HEAL » (Centre d’excellence d’Ingénierie Humaine pour l’Aérospatiale) partagé avec les entités de Thales AVS/DMS (Mérignac) et TRS (Massy-Palaiseau), 
• du « Club des entreprises de l’ENSC », 
• l’école renforce par cette chaire IBM son partenariat avec le monde du numérique et de l’Intelligence augmentée, partagée et éthique entre les humains et les systèmes technologiques du futur.

Renseignements, contacts : global@ensc.fr / +33 (0)557006700 - marc.rodier@ensc.fr

IA : Pourquoi les machines ne pensent pas.

Le projet des pionniers de l'intelligence artificielle (IA) était de vouloir « modéliser la pensée » pour pouvoir la connaître et la comprendre. Le principe était celui énoncé par Jean-Baptiste Vico selon lequel on ne connaît que ce que l'on crée, et donc que seul le créateur dispose de la connaissance de la création. C'était certainement oublier qu'il est alors facile de se prendre pour Dieu, ce que certains spécialistes de l'IA n'ont pas omis de faire. Et c'est ainsi que l'ambition a été de créer des machines intelligentes et de s'affranchir de la mission de connaissance pour aborder celle de faire. Mais que peut faire une machine intelligente, sinon de l'intelligence, et par là laisser croire qu'elle pense.

Si certains ne considèrent pas Philippe Dreyfus, mort l’été dernier à Biarritz dans l’indifférence générale, comme le père de l’informatique, c’est qu’ils ont oublié qu’il est le père du mot « informatique ». Avant lui, il y avait du calcul automatique, voire électronique, mais l’association des mots information et automatique fut en 1962 l’évènement qui nomma la discipline récente. Un peu, peut-être, comme si un créateur passant par là avait nommé Homme un singe que l’évolution darwinienne avait fait émergé comme pure « création » semantique.

Dix ans plus tard, un autre Dreyfus, Hubert, a montré en 1972 dans What Machine Can't Do  que les machines ne font qu'exécuter des règles abstraites, alors que la pensée humaine est fondée sur l'émergence de contenus mentaux, motivés par les ambitions, des espoirs, des projets, et tant de choses que les phénoménologiques regroupent sous le terme d'intentions. Cette notion d’émergence cognitive est l’une des bases de la pensée de Francisco Varela.

Turing avait déjà jeté un pavé dans la mare avec l'application du jeu de l'imitation aux machines. Ce jeu consistant pour une personne ne communiquant avec les membres d'un couple par des petits bouts de papier écrits, à deviner qui était l'homme et qui était la femme, en sachant que l'un et l'autre pouvaient imiter son partenaire. Il en fit une théorisation pour une machine versus un humain, et inventa le test de Turing. Celui-ci n'est rien d'autre que le moyen de la reconnaissance de l'intelligence à partir de la capacité d'analogie des productions de la machine avec celle de l'humain. Le problème de l’analogie est qu’il s’agit d’une assomption. On ne fait que considérer la similitude de comportement : "c’est comme si ça faisait pareil, mais on sait que ça ne fait pas pareil ... par contre les autres peuvent penser que c'est pareil". Ici, il faut rappeler deux dimensions spécifiques de l'analogie : ma croyance personnelle ou la croyance des autres. Si je fais "vroum vroum", je peux croire que j'ai une grosse voiture, et jouer à faire comme si j'avais une grosse voiture. Si j'ai une voiture qui fait "vroum vroum", les autres peuvent penser que c'est une grosse voiture, alors que je peux très bien savoir que c'est le résultat d'un tuning réussi sur une vieille cacugne. 

Appliquée à l’informatique, on peut caractériser deux catégories d'informaticiens qui déterminent deux formes d'IA. On peut imaginer une IA forte qui ambitionne de créer une vraie intelligence réalisée par des machines, et une IA faible circonscrite à des tâches spécifiques réalisant des briques d'intelligence plus ou moins efficace, mais satisfaisante pour les tâches considérées, analogues à l’intelligence humaine circonscrite à la tâche considérée. On rencontre alors ceux qui rêvent de remplacer le créateur, ou l’évolution, ou la nature, quel que soit le nom qu’on donne à ce qui motiverait ce qui est, et ceux qui tentent de résoudre des problèmes concrets, précis et circonscrits, avec le plus d'efficacité et de sérieux possibles, dans un jeu d’imitation partielle.

Or, si la discussion sur la globalité de l’intelligence ou l’existence d’une collection d’intelligences reste entière, celle de la pensée ne fait pas de doute. Une pensée ne peut qu’être globale, et toute tentative d’une décision d’une pensée partielle est une négation du concept même de la pensée. Donc, dans l’attente d’une éventuelle  IA forte, les machines ne pensent pas.