L'open source veut démocratiser l'intelligence artificielle Ces logiciels ouverts et gratuits peuvent être implémentés par de grands groupes mais aussi de petites entreprises qui veulent résoudre des problématiques business précises. Utiliser l'intelligence artificielle pour répondre à des problématiques business est devenu un jeu d'enfant pour les entreprises. Pour que même de petites PME au budget serré puissent bénéficier de ces nouveaux outils, les start-up du secteur développent des solutions open source, dont l'utilisation est gratuite. Ces sociétés proposent également des applications faciles à utiliser, auxquelles les professionnels qui n'ont pas dans leur équipe de cadors de l'informatique peuvent accéder en déboursant quelques milliers d'euros. Créée en 2005 et basée à Redwood City, à côté de San Francisco, Numenta a développé NuPIC (Numenta platform for intelligent computing), un logiciel open source biomimétique qui imite le fonctionnement du cortex cérébral de l'Homme. Le code source de NuPIC est accessible gratuitement en ligne.
Publicité : l'intelligence artificielle soigne les "adlergics" "Prédire le bandeau publicitaire le plus cliqué ne relève pas de l'intelligence artificielle, prévient Emmanuel Brunet, directeur exécutif d'Eulerian Technologies. Choisir des liens sponsorisés, effectuer des recommandations de produits... Ces applications semblent très loin d'une vraie logique d'IA." Car les modèles statistiques sont trop souvent marketés en IA, alors que la véritable innovation réside dans la fin du marketing automation de masse qui conduit nombre d'internautes à installer des bloqueurs de publicité. Analyse de l'audience, scoring et ciblage en sont désormais alimentés. Si peu d'entreprises sur le marché proposent cette automatisation personnalisée, Emarsys compte parmi elles. L'IA ... pour adapter le contenu Mais pour séduire le consommateur, le contenu prime. Images, signatures, textes, call-to-action, appellation personnalisée jusqu'au coloris : en temps réel, l'IA viendrait en appui des marketeurs pour automatiser la personnalisation du contenu créatif.
AI and Machine Learning Glossary | Pathmind The intent of this glossary is to provide clear definitions of the technical terms specific to deep artificial neural networks. It is a work in progress. Activation An activation, or activation function, for a neural network is defined as the mapping of the input to the output via a non-linear transform function at each “node”, which is simply a locus of computation within the net. Each layer in a neural net consists of many nodes, and the number of nodes in a layer is known as its width. Activation algorithms are the gates that determine, at each node in the net, whether and to what extent to transmit the signal the node has received from the previous layer. Adadelta Adadelta is an updater, or learning algorithm, related to gradient descent. ADADELTA: An Adaptive Learning Rate Method Learn to build AI in Simulations » Adagrad Adaptive Subgradient Methods for Online Learning and Stochastic Optimization Adam Adam: A Method for Stochastic Optimization Affine Layer AlexNet Attention Models Autoencoder
Start-up: cette folie douce qui pousse à lever plutôt qu'à gagner de l'argent... Je me souviens de nos premiers rêves avec mon associé. Il y a 5 ans lorsque nous nous apprêtions à créer notre start-up. On voulait lever de l'argent et revendre sous trois ans. Avec le temps notre vision a évolué. L'écosystème des start-up est atteint d'une douce folie. 90% des start-up ne frachissent pas le cap des 5 ans Selon une étude de l'INSEE publiée en 2016, en France, sur les 10.000 start-up recensées ces cinq dernières années, 90% n'ont pas franchi le cap des cinq ans. Prenons l'exemple malheureux de Take eat easy qui, après avoir levé 16 millions d'euros, a fait faillite en oubliant au passage de payer ses 160 salariés, 2.500 coursiers, ses nombreux restaurants partenaires et ses photographes… Vous vous souvenez de Viadeo? Quand un artisan ou un commerçant est en déficit plusieurs années de suite, il dépose le bilan. Cette année, nous ferons 2,5 millions d’euros de chiffre d’affaires. Pour que les start-up s’inscrivent durablement dans l’économie mondiale. C’est possible.
Comment l’IA s’immisce dans le parcours d’achat 1Deliveroo : le nouvel algorithme réduit le délai de livraison de 20 %, mais… Deliveroo, la startup de livraison de repas, a revu en début d’année son algorithme de répartition des commandes. Déployé dans les 140 villes du monde où est implantée l’entreprise, le nouveau logiciel fait appel à l’intelligence artificielle pour réduire les délais entre la commande et la livraison des plats. Alors que la précédente version dispatchait les commandes de façon relativement basique (le livreur le plus près du lieu de préparation prenait en charge la course), le nouvel algorithme intègre un grand nombre de données accumulées au fil des mois ainsi que de facteurs extérieurs : le temps de préparation de chaque restaurant, les pics horaires d’activité, les conditions de trafic, la météo, etc. « L’algorithme anticipe mieux : il sait quel livreur est susceptible d’être disponible au moment où la commande est susceptible d’être prête », résume Hugues Décosse, directeur général de Deliveroo France.
What is machine learning? This article is part of Demystifying AI, a series of posts that (try) to disambiguate the jargon and myths surrounding AI. I was nine years old when I had my first taste of programming, and fell in love with the art (yes, I believe programming is as much art as it is science). I quickly became fascinated with how I could control the flow of my programs by setting logical rules and conditions, if…else statements, switches, loops and more. In later years, I learned to remove clutter from my code by creating modules and abstracting pieces of code into functions and classes. But the rule of thumb of programming remained the same: Defining the rules and logic. For decades, rule-based coding has dominated the way we create software. While this approach has served us well, it has resulted in “dumb” software, programs that will never change their behavior unless a human programmer updates the logic in one way or another. What is machine learning? What is deep learning?
Ses employés ne viennent plus au bureau, Wordpress ferme ses locaux à San Fra... 132 Hawthorne Street. Un entrepôt de 1 400 mètres carré, reconverti en loft au revêtement mural en bois avec des tables et des canapés ultra design… L’espace de travail rêvé pour un employé ? Sans parler d’une situation géographique idéale : en plein coeur de Soma, le quartier de San Francisco où cohabitent Uber, Twitter et AirBnb. Les salariés de Wordpress, le très populaire système de gestion de contenu (CMS) utilisé par quelques 75 millions de sites internet, n’en ont que faire. Sur la trentaine d’employés de la baie installés dans la baie de San Francisco, la grande majorité préfère travailler à distance. Automattic, l’entreprise éditrice de Wordpress a donc décidé de mettre la clé sous la porte, au sens premier du terme. Des salariés dans le cloud Depuis sa création en 2005, Wordpress donne le choix du télé-travail ("remote") à tous ses salariés. Des géants récalcitrants Mais certaines entreprises pionnières dans la mise en place du travail à distance ont fait marche arrière.
OUI.sncf lance une campagne pilotée par l'intelligence artificielle Pour célébrer son premier anniversaire, OUI.sncf s'est associé à JCDecaux pour créer l'IAffiche, une campagne d'affichage interactive dans deux gares parisiennes, du 14 au 19 février 2019. Objectif : poursuivre la conversation avec ses clients jusqu'en gare. Je m'abonne Du conversationnel, encore et toujours pour Oui.sncf. Dans la continuité de sa présence sur les assistants vocaux et du lancement d'un chatbot sur Messenger, OUI.sncf a dévoilé, le 14 février, une campagne d'affichage interactive réalisée en partenariat avec JCDecaux, et pilotée par une intelligence artificielle. La promotion du conversationnel L'IAffiche justifie la promesse de la marque "simple comme partir'' : "À travers nos piliers qui sont simplicité, innovation et confiance, nous avons voulu fêter cet anniversaire avec le bot, qui est un élément important de notre expérience client", poursuit Béatrice Tourvieille. Un contexte porteur Des résultats qui font sens et corroborent à la croissance de OUI.sncf. Je m'abonne
The difference between AI and machine learning, explained This article is part of Demystifying AI, a series of posts that (try) to disambiguate the jargon and myths surrounding AI. A while ago, while browsing through the latest AI news, I stumbled upon a company that claimed to use “machine learning and advanced artificial intelligence” to collect and analyze hundreds of data touch points to improve user experience in mobile apps. On the same day, I read about another company that predicted customer behavior using “a combination of machine learning and AI” and “AI-powered predictive analytics.” (I will not name the companies to avoid shaming them, because I believe their products solve real problems, even if they’re marketing it in a deceptive way.) There’s much confusion surrounding artificial intelligence and machine learning. As with the rest of this series, in this post, I’ll (try to) disambiguate the differences between artificial intelligence and machine learning to help you distinguish fact from fiction where AI is concerned.
Les grands groupes se dotent de laboratoires d’innovation Vinci lance une structure complémentaire à ses services de recherche et développement. Ces labs se sont développés depuis une dizaine d’années. LE MONDE ECONOMIE | • Mis à jour le | Par Philippe Jacqué Il y a Big de Pernod Ricard, The Mixer d’Unibail-Rodamco, le Bizlab d’Airbus, The Square de Renault ou encore l’i-Lab d’Air Liquide. Il faut désormais compter avec le petit nouveau : Leonard. « Ce lieu sera dédié à la fois à la veille, à la prospective, à la sensibilisation aux nouvelles tendances de l’industrie tout en accompagnant les projets des collaborateurs du groupe ou des start-up. Le groupe de BTP souhaite ainsi se préparer à l’impact de la transition écologique ou de la voiture autonome ou encore préparer la numérisation des infrastructures et autres bâtiments… Le tout en se frottant à de jeunes pousses réputées plus agiles et plus téméraires qu’un grand groupe. De la banque à l’industrie en passant par les transports, tous les grands groupes s’y plongent.
Decathlon avance à fond sur l'IA Grégory Vanuynsberghe, Artificial Intelligence Project Leader pour Decathlon, présente six chantiers identifiés où l'intelligence artificielle aura un rôle à jouer pour l'entreprise dans les années à venir. Je m'abonne À quoi ressemble l'horizon de l'intelligence artificielle ? 1/ Améliorer les détections "L'utilisation de l'IA va nous permettre une meilleure détection des tendances, mais aussi des signaux faibles, notamment grâce à l'analyse de ce qui se dit sur le web (réseaux sociaux, blogs, les forums etc.). 2/ Identifier des similaritésPar l'analyse de multitude de données, l'IA est en mesure, par corrélation, d'identifier des moments clés par exemple dans la pratique d'un sport où le sportif va sûrement avoir besoin de faire évoluer son équipement pour qu'il corresponde à son nouveau niveau. 4/ Automatiser les tâches répétitives L'utilisation de l'IA par les collaborateurs leur fera bientôt gagner du temps sur les tâches chronophages et répétitives.
Machine Learning : Google lance un framework open source pour l'apprentissage renforcé Google Research lance SEED RL : un nouveau framework d’apprentissage renforcé permettant de multiplier les performances par 80 pour le Machine Learning. Plutôt que d’exploiter les CPU et les GPU, ce framwork effectue le traitement de façon centralisée. L’apprentissage par renforcement est l’une des principales techniques employées dans le domaine du Machine Learning. Elle consiste à laisser un agent autonome apprendre à effectuer des actions à partir d’expériences dans le but d’optimiser une récompense quantitative au cours du temps. Cette méthode est efficace pour l’apprentissage automatique, mais l’approche actuelle présente plusieurs faiblesses. Or, comme l’explique Lasse Espeholt, ingénieur chez Google Research, l’utilisation des CPU est bien moins efficace et beaucoup plus lente que l’utilisation d’accélérateurs. Pour remédier à ce problème, Google Research dévoile un nouveau framework IA open source dédié à l’apprentissage par renforcement.