Partie 2

L'intelligence artificielle

Entrainer une IA


Nous proposons ci-dessous des exemples d'activités et d'outils web qui vont permettre aux élèves d'entrainer une intelligence artificielle à reconnaitre des images, des sons, des postures...

Vous pouvez choisir parmi les activités proposées, celles qui vous paraissent les plus adaptées à votre classe.


Nous conseillons cependant de commencer par "Teachable machine" et de conserver les activités suivantes, "Scol_IA" et "Cognimates", pour aller plus loin, si vous le souhaitez.


Teachable machine

Outil web accessible à tous, qui permet de créer des modèles de machine learning rapidement et facilement, sans aucune expérience ni connaissances en programmation.

En choisissant un projet d'image standard, vous pourrez paramétrer et utiliser un système de reconnaissance d'images.

Préparez au moins deux collections d'images, entrainez votre IA et testez-la.

Pour commencer simplement, vous pouvez récupérer deux collections d'échantillons d'images, motos et voitures, dans l'activité suivante, proposée par Scol_IA au jour 2.

Cliquez sur l'image ci-dessous pour accéder au site internet.

"Teachable machine" utilise un type d'apprentissage automatique (machine learning) différent de celui de la machine qui apprend à gagner au jeu de Nim, qui est de l'apprentissage par renforcement.

Il s'agit ici d'apprentissage supervisé : pour apprendre, cette machine a besoin de données déjà triées. Elle peut alors s'appuyer sur cette catégorisation pour calculer une prédiction concernant de nouvelles données non triées.

Cette activité est l'occasion d'aborder un autre élément essentiel d'un système d'intelligence artificielle : les données (valeurs d'entrée).

En utilisant l'IA mise à disposition sur le site "Teachable machine", l'algorithme est toujours le même.
Il sera ainsi possible de mettre en évidence l'importance des données pour obtenir une IA efficace.

  • Qualité et quantité

Pour rester dans l'exemple de la reconnaissance d'images, avec deux collections d'images de motos et de voitures, si les images des échantillons sont de mauvaise qualité ou peu nombreuses, l'IA ne sera pas très efficace. Avec des images de bonne qualité et nombreuses, l'IA sera plus efficace.

Il est alors possible d'extrapoler à d'autres systèmes d'IA : pour garantir de bons résultats, les IA sont particulièrement gourmandes en données en très grande quantité (les big datas) et dont la fiabilité est la meilleure possible.

  • Biais

Dans les collections d'échantillons qui servent à entrainer l'IA, si l'on ne choisit que des images de voitures blanches ou rouges, et que des images de motos noires ou jaunes, lorsqu'on testera l'IA avec une image de voiture noire, elle sera moins efficace que si on l'entraine avec des images de voitures et de motos de toutes les couleurs.
Il s'agit de biais qui peuvent être introduits, volontairement ou non, et qui vont impacter les valeurs de sortie. Les biais volontaires servent à orienter les propositions de l'IA. Les biais involontaires faussent les résultats.
Du point de vue des utilisateurs, il est important de pouvoir avoir confiance en l'IA. Les concepteurs devraient donc chercher à limiter au maximum les biais. Il leur faut pour cela s'assurer d'utiliser des données collectées de façon neutre et respectant la diversité des situations qu'elles cherchent à représenter.

  • Efficacité spécifique

En entrainant cette IA avec des images de voitures et de motos et en la testant avec une image totalement différente, d'un animal par exemple, il sera facile de mettre en évidence l'efficacité très spécifique d'une IA : dans notre exemple, elle sera très efficace pour distinguer des voitures et des motos, mais incapable de reconnaitre quoi que ce soit d'autre.
Plus largement, c'est l'occasion de parler des "IA faibles" et des "IA fortes", comme évoqué sur la page "
IA : définition et enjeux" de ce site.

Scol_IA

5 jours, 5 activités d'introduction aux compétences numériques en lien avec l'intelligence artificielle.

Lien vers le site du GTnum#Scol_IA : https://scoliablog.wordpress.com/

  • Jour 1 : Reconnaissance de voix

"Pour leur anniversaire, Viviane et Victor ont reçu pour cadeau une tablette tactile. Nous allons explorer avec eux la dictée vocale."

  • Jour 2 : Reconnaissance d'images

"Aujourd’hui, nous allons découvrir une passion de Viviane : la mécanique. Elle souhaite découvrir de nouveaux engins de chantier. Aide Viviane à les identifier avec la reconnaissance visuelle."

  • Jour 3 : Apprentissage machine

"Viviane et Victor doivent ranger leurs chambres. Pour cela, leurs parents leur proposent d’utiliser la tablette pour identifier les objets de la maison. Découvrons ensemble comment le faire".

  • Jour 4 : Interaction humain-machine

"Viviane est seule aujourd’hui et elle aimerait parler à quelqu’un ou jouer à deux. Viviane s’interroge : est-il possible de devenir amie avec une machine ?"

  • Jour 5 : Histoire et impact sociétal

"Avec Victor et Viviane, nous avons découvert les nouvelles possibilités de la tablette qui sont utiles au quotidien. Mais il en reste plein d’autres à découvrir, allons à leur découverte !"

Le dossier pédagogique

Cognimates

Une plate-forme d'éducation à l'IA pour créer des jeux, programmer des robots et former des modèles d'IA.

Cliquez sur l'image ci-dessous pour accéder au site internet.