Le Deep learning est-il dangereux pour l’humanité ?

1. Contexte

• Historique :

• Le deeplearning est né dans les années 2000, et a été rapidement repéré par les grandes entreprises de l'époque, qui ont investis dans le deeplearning.
• Au fur et a mesure de l'avancement des technologies, il est devenu plus simple d'utiliser le deeplearning.
• En 2012, le "Google Brain" a réussit, après une analyse de millions de photos, a discerner un chat dans une photo; cela a été une grande avancée pour le procédé de machine learning (d'aprentissage par la répétition, en corrélation avec le deeplearning).
• Plus récemment, en 2015, Google a réussi a battre un joueur professionel au jeu de Go grace a "AlphaGo", un algorithme de deeplearning.

• Définition :

Le deeplearning (apprentissage profond) est utilisé dans le milieu de l'informatique pour faciliter un choix a l'humain grâce a une machine donnant un préavis selon les exemples étudiés par la machine. La machine possède un réseau neuronal virtuel permettant de reproduire la façon de réfléchir humaine et qui permet a la machine de s'améliorer au fil du temps et au fur et a mesure des expériences.
Ces architectures permettent aujourd’hui de conférer du « sens » à des données en leur donnant la forme d’images, de sons ou de textes.

• Actualité :

Récemment grâce au deep learning, des intelligences artificielles on réussies a créer des musiques "inspirées d'autre musiques". Le deep learning est aussi utilisé pour..

2. Les articles choisis

3. Synthèse

Le deeplearning peut engendrer des dérives dangereuses comme le deepfake pour manipuler les populations en créant des faux discourd politiques par exemple. Il peut aussi manipuler l'opinion des gens sur Internet comme avec l'affaire de l'élection de Donald Trump, ou des pubs politiques ciblées aurait été mises sur Facebook.

Cependant, le deeplearning peut être utilisé pour nous simplifier la vie avec des recommendations ciblées et ou des prises de décisions automatisées. Les algorithmes de Google ou même ceux de Facebook, quand utilisés correctement, peuvent aider a fluidifier l'utilisation d'un site et permettre un gain de temps considérable.

Aussi, le deeplearning a permis de prévoir des épisodes météorologiques comme El Nino. Cela laisse a penser que l'on peut utiliser le deeplearning a des fins préventives, pour prévoir des tempêtes, des séismes ou même des catastrophes météorologiques futures.

Mais le deeplearning est dangereux par sa nature même; le deeplearning, par définition, apprend. Qui nous dis donc que dans plusieurs années, un développeur fou ne va pas créer une intelligence artificielle utilisant la méthode du deeplearning sans lui mettre de règle, qui finira par surpasser l'humanité comme dans les films de science fiction américains?

En conclusion, le deeplearning peut être dangereux si on ne limite pas son utilisation a des fins scientifiques. Rendre le code pour des librairies de deeplearning public (comme PyTorch, comme exemple) n’est peut être pas une bonne idée ; n’importe qui peut l’utiliser pour faire n’importe quoi ; bon ou mauvais. Tout est donc une question d’utilisation, et donc pourquoi pas établire des règles simillaires aux lois de la robotique pour le deeplearning.

Des règles simples, des règles fondamentales : "une entité controllée par ordinateur ne peut pas effectuer d'action dans le monde réel" serait probablement un très bon début.

4. Carte mentale

5. Bibliographie/sitographie

Projets utilisants le deeplearning