De nos jours, l’intelligence artificielle (IA) se glisse dans tout ce que nous utilisons. Qu’il s’agisse de créer du contenu pour vos flux Facebook et Instagram ou de déverrouiller votre téléphone avec votre visage, l’IA comprend et améliore la façon dont nous interagissons avec le monde qui nous entoure. Nous avons vu des films sur la façon dont l’IA peut prendre le contrôle du monde, et nous lisons des articles de presse sur la façon dont les machines en savent plus sur nous que jamais. Mais l’IA va-t-elle vraiment conquérir le monde ? Sinon, quelles sont les applications pratiques de l’IA ? Et, à un niveau plus fondamental, qu’est-ce que l’IA ? Il y a tellement de questions, et le domaine peut être vaste et décourageant.
Pourquoi se soucier de comprendre l’IA ?
En bref, avoir une connaissance de base de l’impact de l’IA sur les outils et les produits peut ouvrir de nombreuses portes. Si vous travaillez en tant que manager dans une entreprise, comprendre comment les machines peuvent apprendre des modèles dans les données peut vous aider à décider quelles fonctionnalités intelligentes les ingénieurs devraient construire. Si vous travaillez en tant que développeur ou ingénieur, connaître les principes fondamentaux de l’IA et des algorithmes d’apprentissage automatique peut vous aider à optimiser ce que vous construisez, augmentant probablement la valeur de vos produits. Si vous ne vous intéressez guère à la technologie, eh bien, l’IA est une innovation majeure qui a le pouvoir de changer radicalement votre vie. Les conséquences de la construction de machines capables de traiter des informations plus rapidement que nous ou de prendre de meilleures décisions que nous pourraient être énormes.
Comment peut-on commencer à apprendre l’IA ?
Il existe de nombreux outils. Coursera propose des cours d’introduction destinés aux programmeurs, YouTube propose des vidéos éducatives – convertissez vos YouTube MP3 avec Youzik – et des manuels existent pour que les praticiens puissent affiner leurs compétences. Mais jusqu’à récemment, il n’y avait pas de moyen accessible pour toute personne ayant des connaissances en mathématiques au niveau du lycée d’acquérir des compétences tangibles en IA.
Trace Comics est un nouveau site dédié à rendre l’apprentissage de l’informatique simple et amusant. Actuellement, ils ont lancé avec un seul sujet – l’intelligence artificielle, mais ils ont plusieurs séries au sein de l’IA, comme « Hot Topics in AI » et « AI Math Essentials ». Dans chaque bande dessinée, ils ont des liens vers des lectures supplémentaires sur les techniques qu’ils couvrent, donc si vous cherchez à comprendre comment mettre en œuvre ces algorithmes ou à en savoir plus sur une technique particulière, vous pouvez trouver certaines des meilleures ressources liées sur Trace.
Qu’est-ce qui est le plus important à savoir ?
Les réponses à cette question varient en fonction de ce que vous faites. Si vous êtes un profane simplement curieux de l’IA, les quatre premières séries sont super utiles à lire. Elles couvrent certains des sujets brûlants de l’IA à un niveau élevé, ainsi que des problèmes concrets de sécurité de l’IA pour vous apprendre comment les chercheurs essaient de construire l’IA sans prendre le contrôle du monde ou voler les emplois de tout le monde.
Si vous êtes un manager qui veut exploiter la puissance de l’IA dans les produits que votre entreprise construit, Trace comics couvre certaines techniques importantes pour que les machines apprennent des données à un niveau élevé, de sorte que vous sachiez quoi suggérer à vos ingénieurs. Aucune connaissance mathématique supérieure au niveau du lycée n’est requise. Trace a une série qui vous met à niveau sur les mathématiques que vous devez connaître.
Si vous êtes un ingénieur, Trace présente des techniques pratiques de manière concise et engageante de sorte que lorsque vous mettez en œuvre des algorithmes, prenez des cours ou lisez des manuels, vous avez une bonne compréhension de haut niveau de ce qui se passe. Ils publient une nouvelle série chaque semaine, et les séries deviennent plus avancées couvrant des techniques allant de la régression linéaire aux réseaux neuronaux profonds en pratique.