Comment l'intelligence artificielle explicable peut propulser la croissance de l'industrie 4.0
L'intelligence artificielle explicable peut aider à combler le fossé entre la compréhension humaine et le fonctionnement des modèles d'intelligence artificielle.
La toute première révolution industrielle a historiquement démarré avec l'introduction de technologies fonctionnant à la vapeur et à l'eau. Nous avons parcouru un long chemin depuis lors, et l'actuelle quatrième révolution industrielle, ou industrie 4.0, est axée sur l'utilisation des nouvelles technologies pour stimuler l'efficacité industrielle. Parmi ces technologies figurent l'internet des objets (IoT), l'informatique en nuage, les systèmes cyber-physiques et l'intelligence artificielle (IA). L'IA est le principal moteur de l'industrie 4.0. Elle permet aux machines intelligentes de s'autosurveiller, d'interpréter, de diagnostiquer et d'analyser toutes seules. Les méthodes d'IA, telles que l'apprentissage automatique (ML), l'apprentissage profond (DL), le traitement du langage naturel (NLP) et la vision par ordinateur (CV), aident les industries à prévoir leurs besoins de maintenance et à réduire les temps d'arrêt.
Image symbolique
pixabay.com
Toutefois, pour assurer un déploiement et une intégration stables et sans heurts des systèmes basés sur l'IA, les actions et les résultats de ces systèmes doivent être rendus compréhensibles, ou, en d'autres termes, "explicables" aux experts. À cet égard, l'IA explicable (XAI) se concentre sur le développement d'algorithmes qui produisent des résultats compréhensibles par l'homme et réalisés par des systèmes basés sur l'IA. Le déploiement de l'IA explicable est donc utile dans l'industrie 4.0.
Récemment, un groupe de chercheurs, dont le professeur adjoint Gwanggil Jeon de l'université nationale d'Incheon, en Corée du Sud, a passé en revue les technologies d'IA et de XAI existantes et leurs applications dans l'industrie 4.0. Leur étude, publiée dans IEEE Transactions on Industrial Informatics, a été mise en ligne le 27 janvier 2022, puis publiée dans le volume 18, numéro 8 de la revue le 8 août 2022.
"Bien que les technologies d'IA comme DL puissent résoudre de nombreux problèmes sociaux en raison de leurs excellentes performances et de leur résolution, il est difficile d'expliquer comment et pourquoi de telles performances sont obtenues. Par conséquent, il est nécessaire de développer XAI, afin que DL, comme la boîte noire actuelle, puisse être modélisée plus efficacement. Il sera également plus facile de réaliser des applications", a déclaré le professeur Jeon à l'adresse , expliquant sa motivation pour cette étude.
Les méthodes basées sur XAI sont classées en fonction de tâches spécifiques de l'IA, comme l'explication des caractéristiques, la prise de décision ou la visualisation du modèle. Les auteurs notent que la combinaison de l'IA de pointe et des méthodes basées sur l'IAX avec les technologies de l'industrie 4.0 donne lieu à diverses applications réussies, précises et de haute qualité. L'une de ces applications est un modèle XAI réalisé à l'aide de la visualisation et du ML qui explique la décision d'un client d'acheter ou non une assurance non-vie. Grâce à l'IAO, les humains peuvent reconnaître, comprendre, interpréter et communiquer la manière dont un modèle d'IA tire des conclusions et prend des mesures.
L'utilisation de l'IA dans l'industrie 4.0 présente manifestement de nombreux avantages notables, mais elle se heurte aussi à de nombreux obstacles. Le plus important est la nature énergivore des systèmes basés sur l'IA, l'exigence exponentielle d'un grand nombre de cœurs et de GPU, ainsi que le besoin de réglage fin et d'optimisation des hyperparamètres. Au cœur de tout cela se trouvent les données collectées et générées par des millions de sources, d'appareils et d'utilisateurs, introduisant ainsi des biais qui affectent les performances de l'IA. Il est possible de gérer ce problème en utilisant les méthodes de l'IAO pour expliquer le biais introduit.
"L'IA est la principale composante de la transformation industrielle qui permet aux machines intelligentes d'exécuter des tâches de manière autonome, tandis que l'IAX développe un ensemble de mécanismes capables de produire des explications compréhensibles par l'homme", conclut le professeur Jeon.
L'adaptation des méthodes basées sur l'IAO peut nous rapprocher de la réalisation efficace de villes, d'usines, de soins de santé et de cyber-sécurité intelligents !
Note: Cet article a été traduit à l'aide d'un système informatique sans intervention humaine. LUMITOS propose ces traductions automatiques pour présenter un plus large éventail d'actualités. Comme cet article a été traduit avec traduction automatique, il est possible qu'il contienne des erreurs de vocabulaire, de syntaxe ou de grammaire. L'article original dans Anglais peut être trouvé ici.
Publication originale
Autres actualités du département science
Recevez les dernières actualités de l’industrie chimique
Ne manquez plus aucune actualité : notre newsletter consacrée à l'industrie chimique, aux méthodes analytiques, aux laboratoires et à la technologie des processus vous informe tous les mardis et jeudis. Les dernières nouvelles du secteur, les produits phares et les innovations - de manière compacte et compréhensible dans votre boîte de réception. Recherché par nos soins, pour que vous n'ayez pas à le faire.
