• Page d'accueil
  • Des articles
  • Bloguer
  • Michael Wu de PROS - L'IA imite les humains, automatise la prise de décision, peut apprendre et s'améliorer, mais ne prendra pas votre place

Michael Wu de PROS - L'IA imite les humains, automatise la prise de décision, peut apprendre et s'améliorer, mais ne prendra pas votre place

Publié: 2019-06-08

Pour ceux d'entre vous qui ont regardé la série ces derniers temps, je suis allé à un certain nombre d'événements de l'industrie au cours des dernières semaines pour parler avec un certain nombre de personnes, la plupart de ces conférences ayant lieu à Las Vegas.

Eh bien, préparez-vous pour cela, j'étais encore à Vegas… pour une autre conférence… encore. Mais cette fois-ci, j'étais là pour Outperform, une conférence organisée par PROS ; un fournisseur de solutions basées sur l'IA qui optimisent la vente dans l'économie numérique.

Et non seulement j'ai eu l'occasion de parler à l'une des plus grandes autorités en matière d'intelligence artificielle dans le stratège en chef de l'IA de PROS, le Dr Michael Wu, mais j'ai pu le faire avec mon ami et co-animateur de CRM Playaz, Paul Greenberg.

Comme nous sommes tous de bons amis et grâce à la capacité de Michael à expliquer l'IA/l'apprentissage automatique/l'apprentissage en profondeur en des termes que la plupart des humains peuvent comprendre, nous avons pu nous amuser un peu tout en apprenant beaucoup sur ce qu'est et n'est pas l'IA. Et ce qu'il remplacera ainsi que ce qu'il ne remplacera pas.

Vous trouverez ci-dessous une transcription éditée de notre conversation. Pour voir la conversation complète, regardez la vidéo ou cliquez sur le lecteur SoundCloud intégré ci-dessous.

Alors, qu'est-ce que l'IA de toute façon ?

Paul Greenberg : Pour l'être humain ordinaire, qu'est-ce que l'IA ? Quelle est la différence entre l'apprentissage automatique ? De manière réaliste, quels en sont les avantages réels par opposition à tout le battage médiatique que vous entendez tout le temps ?

Michael Wu : Permettez-moi d'abord de parler un peu de l'apprentissage automatique. Parce que c'est le fondement de celui-ci. En fait, tout revient au big data. Ainsi, l'apprentissage automatique n'est vraiment qu'un processus. Il y a un processus de transformation des données en un modèle en une sorte d'algorithme, n'est-ce pas ? Donc, vous avez des données, les données, j'ai un modèle là-dedans, d'accord

Et vous utilisez l'apprentissage automatique et un tas d'algorithmes, puis vous utilisez ces algorithmes pour essentiellement sélectionner ces modèles, n'est-ce pas ? Et puis vous les transformez en modèle, puis c'est ce qu'est vraiment l'apprentissage automatique. C'est vraiment juste un tas d'algorithmes que les data scientists utilisent.

Une définition simple de l'intelligence artificielle

Mais qu'est-ce que l'IA ? AI Is, c'est en fait beaucoup plus difficile à définir. Je dirais cela parce que la définition de l'IA change tout le temps. Il existe en fait depuis un certain temps et il existe, je dirais, 40 à 50 ans ; le concept de celui-ci. La construction de celui-ci est bien sûr beaucoup plus récente. Donc, au fil du temps, ce concept d'IA a en fait beaucoup changé. La façon dont j'aime voir l'IA en ce moment, vous savez, c'est vraiment juste un mimétisme de certains comportements humains et décisions humaines.

Et lorsque la machine peut imiter quelque chose que les humains font, cela est considéré comme de l'intelligence artificielle. Mais, ce n'est en fait pas suffisant en soi. Je dirais qu'il devait y avoir deux autres critères. L'un est l'automatisation de l'action décisionnelle et l'autre que beaucoup de gens manquent, la capacité d'apprendre et de s'améliorer.

C'est ainsi que j'aime définir l'IA. C'est une sorte de machine à imiter les décisions et les comportements humains. Avec la particularité d'être capable d'automatiser les décisions, les actions et la capacité d'apprendre, et de s'améliorer au fil du temps.

Le plus grand malentendu sur l'IA

Brent Leary : Quelle est la chose la plus irritante que les gens semblent toujours confondre ou confondre à propos de ce domaine que vous entendez encore et encore et qui vous rend fou à ce sujet ?

Michael Wu : Il s'agit d'une image qui circule depuis longtemps sur Internet. C'est cette image qui dit que l'apprentissage en profondeur est une sorte d'apprentissage automatique, et que l'apprentissage automatique est une sorte d'IA. Très souvent, j'entends des gens dire que, oh, l'apprentissage automatique est un sous-ensemble de l'IA, et non l'inverse. Pour rendre hommage à celui qui a créé cette image, je dirais que ce n'est pas complètement faux.

Comment l'apprentissage automatique s'intègre à l'IA

L'apprentissage automatique est en fait utilisé à peu près dans toutes les IA modernes, n'est-ce pas ? Il est donc logique d'intégrer correctement l'apprentissage automatique dans l'IA. Mais si vous faites cela, vous dites que l'apprentissage en profondeur est une sorte d'apprentissage automatique. Et l'apprentissage automatique n'est en fait pas une sorte d'IA, mais est utilisé dans toutes les IA. Mais si vous regardez cette image, avec le genre de cercles concentriques d'apprentissage en profondeur dans la partie la plus intérieure, puis l'apprentissage automatique à l'extérieur de cela, puis à l'extérieur de cela, c'est l'IA, n'est-ce pas ? Les gens arrivent très souvent à la conclusion erronée que l'apprentissage automatique est en fait une sorte d'IA, ce qui n'est en fait pas vrai.

Le seul exemple que je pourrais vous donner est, par exemple, le V8 est une sorte de moteur, n'est-ce pas ? Tout le monde sait que le V8 est une sorte de moteur. Donc, si vous faites ce genre d'erreur en disant que le V8 est un moteur, à l'intérieur d'une voiture, n'est-ce pas, et qu'il y a un moteur dans chaque voiture, n'est-ce pas ? Ensuite, si vous regardez cette image, vous pouvez parfois arriver à la mauvaise conclusion, que le moteur est en fait une sorte de voiture. Ce qui est ridicule, non ? Vous savez, un moteur n'est pas une voiture. Donc, c'est la seule chose qui me rend très souvent fou, que les gens disent que, ah, l'apprentissage automatique est une sorte d'IA, et l'IA n'est pas une sorte d'apprentissage automatique, ce n'est pas tout à fait vrai.

Pourquoi les gens devraient cesser de s'inquiéter de la prise de contrôle des machines

Paul Greenberg: Permettez-moi de lancer une autre chose, cela me rend fou. J'entends toujours des histoires de panique constantes sur l'IA remplaçant les humains, bla bla bla, l'histoire de Sky Net.

Voici l'affaire, de mon point de vue, vous avez dit son mimétisme, c'est-à-dire son approximation, et c'est le meilleur qu'il soit. Ce ne sera jamais un substitut d'être humain, ça ne peut pas l'être. Il ne crée pas comme le font les humains.

Le scientifique en chef des données de Salesforce, Richard Socher, a en fait fait un commentaire une fois où il a dit, et j'adore ce commentaire : "L'IA ne veut rien", ce qui est vraiment une excellente façon de le dire, ce qui signifie que vous devez dire AI, va faire ça, et ensuite ça ira faire ça et apprendre. Mais il ne va pas dire : « Je vais faire ça ». Alors est-ce le premier, est-ce vrai ? Deuxièmement, ai-je raison d'être irrité par cela ou devrais-je demander à une IA d'être irritée pour moi ?

L'IA offre une optimisation pour votre entreprise

Michael Wu: Eh bien, je veux dire, je pense que c'est vrai dans une certaine mesure, je dirais que les algorithmes d'IA d'apprentissage automatique fonctionnent sur ce que nous appelons l'optimisation des fonctions auto-objectives.

Donc en fonction de ce que vous vouliez optimiser non ? Ensuite, il trouvera des moyens d'optimiser quoi que ce soit. C'est simplement un algorithme mathématique qui essaie d'optimiser quelque chose.

Donc, si vous voulez optimiser les ventes, ou certaines personnes disent qu'elles ont fait des expériences, pour voir ce que ferait la machine lorsqu'elles essaieraient d'optimiser les bénéfices ou quelque chose du genre. Ou si vous essayez d'optimiser le gain d'un jeu comme les échecs ou quelque chose comme ça, que feraient-ils correctement ? Donc, très souvent, c'est lorsque les machines font quelque chose en dehors de ce que nous attendons d'elles.

C'est généralement parce que nous n'avons pas spécifié la limite, la contrainte. Vous devez l'optimiser, mais nous ne lui avons pas dit de l'optimiser avec certaines contraintes. Les machines peuvent apprendre à tricher, mais tout ce qu'elles essaient de faire, c'est d'optimiser. Ils disent : « tu ne m'as pas dit que je ne peux pas tricher. Je ne connaissais rien à la tricherie. Mais si vous dites que d'accord, vous devez optimiser cela, sous la contrainte que vous ne pouvez pas faire ceci, ceci, ceci, ceci et cela. Alors il le fera, il suivra cela.

Il s'agit de définir les paramètres

Mais peut-être avez-vous oublié certaines choses, et c'est presque comme, pensez à la façon dont un enfant va apprendre, comment les enfants apprennent. Je veux dire que si vous leur dites que, pour optimiser quelque chose ou pour faire quelque chose, ils vont essayer par tous les moyens. Et puis vous dites, peut-être qu'il veut apporter une glace à son ami, puis il essaie, et une fois il essaie de l'attraper de force et c'est comme, oh, tu ne peux pas faire ça.

Et puis la prochaine fois, je ne peux pas faire ça, d'accord, je peux le voler ? Oh, non, vous ne pouvez pas faire ça non plus. C'est vraiment un processus d'apprentissage. Vous devez leur apprendre quelles sont les limites, puis avec le temps, vous apprendrez que ce sont des limites acceptables. Et vous coïnciderez avec nos humains allant à l'exception des limites acceptables.

Brent Leary : Donc, hier, nous avons eu une petite, comme une réunion d'analystes, je suppose, avec [le PDG de PROS] Andres Reiner. Et l'une des choses qu'il a dites était que les organisations de vente modernes se concentrent actuellement sur l'optimisation des transactions. Il dit maintenant qu'ils devraient vraiment passer à l'optimisation de l'expérience client. Alors, comment ces deux choses s'emboîtent-elles? On se concentre beaucoup, en ce moment, sur l'utilisation des données pour optimiser des choses comme les transactions. Mais comment procédez-vous pour optimiser l'expérience avec toutes ces données dont vous disposez et qui sont vraiment axées sur l'optimisation des transactions ?

Comment optimiser l'expérience client

Michael Wu : Oui, je pense que si vous n'avez que des données, qui se concentrent en fait sur les transactions, c'est en fait très difficile. Vous devez collecter d'autres données. De toute évidence, il est très facile d'imaginer un scénario dans lequel vous optimisez une offre mais les gens ont une mauvaise expérience client - comme leur vendre des choses qu'ils ne veulent pas, continuer à leur envoyer des catalogues de choses qu'ils possèdent déjà ou possèdent.

Vous pourriez le faire, mais en fin de compte, vous nuisez à votre expérience client à long terme, cela pourrait en fait nuire à votre offre. Les clients finiront par vous quitter. C'est l'échelle de temps que les gens doivent regarder. Sur une courte période, si vous optimisez l'offre, vous pouvez obtenir des ventes à court terme, mais à long terme, si vous ne vous souciez pas de l'expérience client, le client partira.

Mais si vous optimisez votre expérience client, peut-être à court terme, vous n'obtiendrez pas l'augmentation de revenus que vous vouliez. Mais à long terme, les clients vont se rendre compte que cette entreprise est géniale. Je vais en fait faire des affaires avec eux et continuer à faire des affaires avec eux pour le reste de ma vie. Ou je vais encourager mes enfants, mes amis et défendre les services de cette entreprise.

C'est en fait une vision à beaucoup plus long terme. Mais comme nous le savons, la plupart des entreprises peuvent parfois être un peu courtes.

Réflexions finales sur l'IA

Brent Leary: D'accord, je sais que nous nous rapprochons de la grande note clé. Je sais que tu dois courir. Mais un dernier mot, où voyons-nous l'IA ou dois-je commencer par l'apprentissage automatique puis l'IA ? Où nous voyez-vous dans cinq ans avec ce genre de choses ?

Michael Wu : Je pense que dans cinq ans, beaucoup plus de travail sera automatisé. Je dirais la partie la plus ennuyeuse et la plus répétitive du travail. Cela devrait être automatisé. J'ai l'impression que beaucoup de gens craignent que l'ordinateur ou la machine ne prennent nos emplois. Je pense que nous faisons des travaux répétitifs depuis trop longtemps. (Et) je pense que cela aurait dû être fait par des machines.

Les humains devraient se concentrer sur ce que les humains font de mieux. Par exemple, établir des relations, faire preuve d'empathie envers les gens et résoudre des problèmes. Donc, si vous résolvez le problème une ou deux fois, vous pouvez apprendre à la machine et la machine peut le résoudre.

S'il y a des situations avec le même problème qui se pose et que les méthodes précédentes que vous avez résolues n'ont pas fonctionné, vous essayez de le résoudre à nouveau d'une manière différente. Une fois que vous l'avez résolu, vous apprenez à la machine afin qu'elle puisse s'automatiser. L'humain peut toujours se concentrer sur la résolution de nouveaux problèmes, ce qui est bien sûr beaucoup plus intéressant et beaucoup plus excitant.

Cela fait partie de la série d'entretiens individuels avec des leaders d'opinion. La transcription a été éditée pour publication. S'il s'agit d'une interview audio ou vidéo, cliquez sur le lecteur intégré ci-dessus, ou abonnez-vous via iTunes ou via Stitcher.