AI Flashcards
exam 30% (23 cards)
Quelle est la définition d’un système d’intelligence artificielle (SIA) selon l’OCDE ? Quelles sont ses principales composantes ?
C’est une machine plus ou moins AUTONOME qui influence sont environnement en produisant des résultats afin de répondre à des objectif. Utilise des données ou intrants procurés par des machines ou humains.
1. perçoit environnement réel ou virtuel
2. représente ses perceptions sous forme de modèles
3. il offre plusieurs résultats en utilisant la déduction.
Ainsi quatre mots clés: environnement, données - intrants, modèle IA et résultat.
En quoi consiste la différence entre un SIA et un simple programme informatique classique ?
Le simple programme informatique classique agit souvent à base de règles fixes tandis que le système d’intelligence artificielle utilise plutôt une apprentissage automatique ou profond.
L’apprentissage à base de règles fixes: le système suit des commandes fixes pour suivre une tâche. Son comportement ne change pas. C’est comme un peu l’automatisation.
mots clés: routine logique
L’apprentissage automatique-profond: le système est capable de créer ses propres règles en se basant sur des base de connaissances numérisées et de les utiliser dans des situations quelconques. Ses comportement peuvent être parfois imprévisibles puisqu’il applique ses propres règles. Il est capable de s’adapter à différentes situations. C’est comme un peu l’autonomisation.
mots clés: propre règle
Expliquez en quoi un algorithme peut être comparé à une recette de cuisine. L’explication vise à faire comprendre, par analogie, la nature de l’intelligence d’un algorithme.
Un algorithme peut être comparé à une recette lorsqu’il s’agit d’un programme. En effet, on dit une recette de cuisine puisque l’algorithme est donné des directions précises à suivre afin d’atteindre une tâche. De plus, lorsqu’on suit une recette il n’est pas nécessaire de tous comprendre. Il est de même pour les programmes d’ordinateur. Il est ainsi possible pour les programmes de suivre des tâches simples afin de créer quelque chose de plus compliqué.
Quelle est la différence entre un algorithme à base de règles fixes et un algorithme à base d’apprentissage ? Illustrez la différence avec l’exemple d’un personnage non-joueur (NPC) de jeu vidéo.
Base fixe: Des directions sont données se qui permet de faire des tâches/comportements prédéterminés. Une personne non joueur dans un jeu vidéo suit des règles fixes et ainsi une routine rigide qui est facile de prédire.
Base d’apprentissage: Les règles sont formés par lui même, il est capable d’ajuster son comportement en conséquent. Une personne non joueur peut adapter son comportement et ainsi apprendre par essais erreur. Elle peut développer des tactiques et développer ses propres règles afin d’anticiper le comportement des autres joueurs.
Qu’est-ce que l’apprentissage automatique ? En quoi diffère-t-il d’un programme classique (ou logiciel), comme un système expert ?
Donnez un exemple concret de tâche qui peut être apprise grâce à l’apprentissage automatique, mais qui est beaucoup plus difficile par la programmation classique d’un système expert.
L’apprentissage automatique permet à l’IA d’apprendre à partir de données procurées. On fournit des exemples pour que la machines soient capables de formés ses propres règles. La machine est comme un élève et nous sommes l’enseignant. Il est important de tenir en tête qu’elle imite le fonctionnement de connectivité des neurones et des synapses d’un cerveau.
La différence avec une programme classique est que la machine n’a pas besoin qu’un humain code pour lui. On lui donne simplement des données brutes et elle arrange ses propres paramètres. Ainsi l’apprentissage automatique raisonne de manière symbolique, déterministe, probabiliste, statistiques. Il est capable de gérer des cas non prévus et est utile pour des tâches dont on ne sait pas formuler les règles.
Un exemple est l’association d’images. Un système d’apprentissage automatique est capable de distinguer les caractéristiques et ainsi être capable par la suite de réassocier les images. Le système classe les images ce qui lui d’être plus attentif différents détails.
Quelle est la particularité des réseaux de neurones artificiels par rapport aux autres formes d’apprentissage automatique ?
C’est comme un cerveau humain. Il sont capable d’apprendre des données à l’aide de schéma hiérarchique. Ils n’ont pas besoin qu’on leur fournisse d’indication afin d’apprendre ou de produire un résultat. Il réajuste seulement le poids synaptique de son réseau de neurone: modification des connexions internes.
Il est capable de reconnaitre une image, une voix ou traduire parce que ses tâches demandent un code trop compliqué pour les humains à coder.
Plus il y a de couches, plus la puissance est grande.
Quels sont les deux facteurs technologiques et historiques ayant permis l’explosion de l’apprentissage profond ?
La puissance de calcul: Les réseaux de neurones on besoin d’une grande puissance de calcul afin que des modèles puisse s’entrainer. Les GPU-processeurs- peuvent traiter simultanément des milliers d’opération, faire beaucoup de calcul. Plus la puissance est grande, plus le développement des réseaux peu être possible.
et les données d’entraînement: Elle a besoin de grosse base de donnés pour s’entrainer. Grâce au web, les modèles ont accès a des millions d’images et de textes qui sont téléchargés sur le web chaque jour.
Expliquez la différence entre l’automatisation et l’autonomisation ? Pourquoi ces deux concepts, souvent confondus, soulèvent des enjeux distincts pour la société ? Concrétisez l’explication en l’illustrant par un exemple.
L’automatisation: Les machines sont capables de faire des tâches complexes dont les humains ne sont pas capables de faire. Donne une tâche qui se répète souvent, comme un peu l’apprentissage a base fixe.
L’autonomisation: Permet un apprentissage autonome et d’envisager l’IA. Capable de s’adapter à des situations. Permet de prendre la place d’un humain sur de nombreuses tâches.
Enjeu automatisation:
Peut être propice à des pertes d’emploi, chômage. Par exemple dans une usine où on fait l’assemblage d’auto. La construction - assemblage de l’auto était autrefois fait par des humains est maintenant fait par des robots qui sont programmer de faire une seule tâche à longueur de journée.
Mots clé: productivité et emploi
Enjeu autonomisation: Peut être propice à une enjeu où se questionne sur la limite d’autonomie et de la cognition qui est accordé à une machine. Sera-t-elle capable de prendre de bonne décisions?
Mots clé: contrôle, sécurité et éthique
L’IA tente d’imiter la pensée humaine. Cependant, celle-ci est caractérisée par deux grands systèmes : système 1 (intuition) et système 2 (rationalité). Quelle est la différence entre pensée intuitive et pensée rationnelle ? Est-ce que l’IA générative correspond davantage à l’un de ces systèmes de la pensée humaine ?
Le système 1 : C’est basé sur l’intuition. C’est de donnée des réponse rapidement sans même qu’on sache comment expliquer notre raisonnement la plupart du temps. C’est un raisonnement rapide et inconscient.
Le système 2: C’est basé sur une réflexion approfondie. La pensée rationnelle se base sur jugement plus lent et claire. On utilise une raisonnement qui est explicable.
L’IA possède beaucoup plus un système 1. Il donne des réponses rapides et intuitive en déduisant des régularités qu’ils voit dans le problème posé tout en se basant sur ses bases de données. Il ne fait pas vraiment un raisonnement conscient. On peut voit qu’elle commet des erreurs et qu’elle enchaine souvent des mots ce qui démontre qu’elle utilise son intuition - instinct.
Biomimétisme : pourquoi est-ce important en IA ? Développez l’exemple de la Roomba et du nématode (C. elegans). Pourquoi ce biomimétisme est préférable à d’autres approches informatiques ?
Le biomimétisme est de s’inspirer d’un mécanisme d’un être vivant afin de coder une machine et de lui faire accomplir certaines tâches.
exemple: la roomba est un aspirateur intelligent qui s’inspire d’un nématode soit un ver. Ce ver est capable de se déplacer et survivre à la recherche de nourritures ou d’un partenaire sans comprendre vraiment son environnement. Il possède donc une intelligence minimale et efficace ce que le robot aspirateur à besoin.
On l’utilise car c’est une solution robuste, simple et économique. C’est plus simple de copier un mécanisme - comportement qui existe déjà et de le coder. Aucune complexification n’est nécessaire.
Quelles implications philosophiques découlent du fait que des IA puissent accomplir des tâches complexes (ex : résoudre un problème mathématique, donner un avis juridique valide ou poser un diagnostic médical correct), cela sans compréhension consciente de la réalité ?
Les systèmes se basent sur des bases de données préexistantes qui leur permettent de répondre à différentes problématiques ou questions.
1. Intelligence fonctionnelle sans vraiment comprendre le but. Il suit des règles seulement mais n’a pas de conscience par rapport à ses actions. Imitation statistique seulement.
2. L’IA ne peut être utilisé pour donner une opinion juridique. Si on se base sur celle-ci alors on affirme qu’on peut justifier de nombreuses actions sans sens. On se base seulement sur des symboles ou des calculs.
3. L’IA est-il une machine de confiance? Pouvons-nous confier des tâches particulières comme un diagnostic médical où notre sécurité est en jeu à une machine ? Il n’a aucune réelle expérience ni sentiment et n’a pas de réelle conscience de notre vie réelle, comment peut-il avoir un raisonnement logique.
Qu’est-ce que l’intelligence universelle, soit le point de vue des sciences cognitives ? Précisez : pourquoi les cogniticiens utilisent ce concept pour étudier l’IA plutôt qu’une mesure psychométrique comme le QI ?
L’intelligence universelle est une Intelligence applicable à tous(Fourmis, primates, humains…). Demande d’être capable de s’adapter, d’apprendre et de comprendre des situations. C’est d’être capable aussi de traiter l’information pour atteindre des objectifs.
Le QI a été conçu historiquement pour évaluer certaines aptitudes humaines (logique, verbal, spatial…) par rapport à la population humaine. Il n’a aucun rapport et ignore de nombreuses capacités. Le test est fait pour un cerveau humain et non une machine. Il s’agit donc d’un test biaisé qui vient de la psychologie et qui est centré sur les caractéristiques de l’humain seulement. Afin d’évaluer l’IA on a donc besoin de concept interdisciplinaire: traitement de l’information, d’objectifs, d’adaptation.
Discutez de l’idée suivante : « L’intelligence artificielle ne sera jamais une intelligence homologue à la nôtre, mais restera toujours analogue. » Êtes-vous d’accord ? Pourquoi ?
Homologue: même origine
Analogue: même fonction.
Il vrai d’affirmer cette phrase parce que l’IA est de nature différente que le cerveau. AU niveau du matériel ils sont très différents. De plus, les réseaux de neurones artificielles possèdent beaucoup moins de connexions que nos neurones a nous. Cependant elle exerce certaines fonctions similaires au cerveau comme résoudre des problèmes, raisonner de manière intuitive… Il est donc analogue sur certaines sphères. Il ne peut cependant ressentir des émotions, il n’a aucun sens, aucun vécu. De plus, il est possible de dire que l’IA n’évolue pas par lui même, il produit le même résultat mais il est rare qu’il va se surpasser par lui même. On peut comparer un avion à un oiseau. L’avion parait plus efficace mais nécessite l’humain pour évoluer. L’oiseau possède des sens, un vécu et peut développer de nombreuses habiletés sans que personnes l’aide.
En tenant compte des principales différences entre le cerveau humain et un ordinateur, sur les plans fonctionnel, matériel et cognitif : pourquoi peut-on dire que le cerveau humain reste supérieur aux IA actuelles ?
- La flexibilité: Le cerveau est capable de passé d’une tâche à l’autre, d’apprendre en continu, de s’adapter à des situations… L’IA a plus de difficulté à s’adapter à des situations très rapidement. Il lui demande encore certaines précisions qu’on doit lui fournir si on ne comprend pas très bien notre problématique. De plus, contrairement à l’IA, le cerveau fait preuve de beaucoup de créativité ce que les systèmes d’IA non pas vraiment. Il on tendance à s’inspirer beaucoup plus de donnés ou d’image et les recopient.
- Les sens: Le cerveau traite plusieurs sens en même temps ainsi fait plusieurs tâches. Cependant, l’IA est fait beaucoup moins de multitâches. Le cerveau est très sensible au son et au variation ce qui est plus compliqué pour l’IA.
- L’énergie: Le cerveau demande pas beaucoup d’énergie soit 20 watts. Cependant l’IA consomme des centaines de watts.
- La plasticité: Les connexions synaptiques se renforcent, s’affaiblissent, de nouvelles synapses se forment, d’anciennes disparaissent, et ce tout au long de la vie en réponse à l’expérience. Cependant, un programme d’IA, s’il perd une partie de son réseau (corruption de poids, panne de matériel) ne va pas s’auto-réparer de façon intelligente.
- Conscience: Le cerveau a un esprit conscient, nous ressentons des émotions, nous avons un point de vue subjectif sur le monde. Il possède un système ce qui est plus difficile a avoir chez l’IA. L’IA est pour l’instant un oracle statistique qui donne des réponses sans “savoir” pourquoi elle les donne. (système 1)
- Sémantique: Le cerveau est capable de donner un sens profond, vécu, personnel et lie le langage à des émotions et expériences. L’IA analyse et génère du texte basé sur des données. Il ne ressent rien.
- L’entrainement: Le cerveau est capable d’apprendre n’importe quoi. L’IA sans entrainement a de la difficulté a apprendre quelque chose, il est perdu.
Quelle est la différence entre un cerveau, un esprit et un agent ? Donnez un exemple d’agent intelligent sans esprit.
Cerveau: C’est un organe physique faite de neurone, de synapse… C’est une “machine” qui génère nos pensées.
Esprit: c’est ce qui représente les concept immatériel (pensée, émotions, intentions, conscience …). Présence de moralité, sens, croyances. C’est comme la vie mentale.
Agent: C’est un quelque chose d’autonome. N’a pas forcément d’esprit ou de cerveau. L’agent est défini par son comportement. Il a but.
Agent intelligent sans esprit:
1. Les plantes, les champignons = n’ont pas de cerveau et ainsi aucun esprit pourtant accomplisse des taches comme la photosynthèse. Mécanisme réagit par contact.
2. L’aspirateur intelligent (Roomba): agent intelligent sans esprit. Il accomplit une tâche et le fait de manière autonome parce que sont programme lui permet. Il fait un apprentissage a base de règles fixes et cependant n’a pas nécessairement d’esprit (émotions, conscience de ses actions, raisonnement …)
3. Tous les IA actuelle: Siri, Alexa, voiture intelligente, jeu vidéo … Tous sont intelligents et agissent de manière autonome mais n’ont aucune conscience de leur entourage, aucun esprit, aucune émotions etc.
En quoi l’intelligence hybride (humaine + IA) est-elle une nouvelle forme d’intelligence collective ?
définition l’intelligence collective: c’est une association des compétences humains-humains.
C’est une nouvelle forme d’intelligence moderne où l’humain et l’IA collabore ensemble. Ils combinent leurs compétences ensemble. Ainsi elle permet aux humains d’obtenir des compétences surhumaines. L’IA apporte ses forces(grande bases de données, réflexion poussé, capable de faire des tache plus dangereuses et complexes…) avec l’humain (raisonnement, créativité, conscience…). Ça apporte donc une énorme diversité. L’IA ne remplace pas l’humain, il aide l’humain.
Plus en détails: L’IA peut traiter d’énormes quantités de données, aller très vite, ne pas se fatiguer, apporter des analyses statistiques pointues ; l’humain peut apporter la compréhension du contexte, la créativité, l’éthique, l’intuition, et la souplesse d’adaptation.
Avantage:
1.résoudre des problèmes complexes
2.augmenter l’intelligence humaine
3.intégration de l’IA et utilisation responsable dans la communauté (entreprise, école…)
4. Augmente productivité
Exemple concret: médecin diagnostic où IA regarde image conseille et médecin apporte ses connaissances et son jugement.
Pourquoi le délestage cognitif (cognitive offloading) constitue-t-il le principal défi de l’intelligence hybride ? Donnez l’exemple de l’éducation : quel est l’effet mesuré du délestage cognitif sur l’apprentissage et le développement de la pensée critique chez les jeunes ?
C’est comme un peu shut down la moitié de son cerveau et dépendre de quelque chose d’autre comme l’IA. L’humain s’appuie sur l’IA pour faire certaines tâches mentales à sa place (Calcul, souvenir d’une info…). C’est plus rapie et efficace parce que la machine le fait très vite.
Conséquences: L’humain peut perdre ses compétences ou ne plus développer certaines capacités cognitives. On crée une dépendance. Soit par exemple comme un peu avec les GPS.
Si on se rend à un point ou on ne veut plus rien faire sans l’IA. On a pas amélioré l’Intelligence, on l’ajuste déplacé.
exemple éducation: Si un étudiant délègue systématiquement à ces outils la résolution de problèmes, la recherche d’informations, voire la rédaction de ses travaux, il risque de passer à côté de l’apprentissage profond de ces compétences. Ainsi plus utilise IA, plus raisonnement critique diminue. Le parfait exemple dans le système d’éducation est la calculatrice. On n’apprend de moins a moins a faire des calculs à la main.
IA générative : en quoi la méthode Input/Output prompting, même avec une instruction (prompt) précise, est-elle limitée pour résoudre des problèmes complexes? (Vous le savez aussi d’expérience, puisque vous avez beaucoup utilisé l’IAgen cette session!) Et que devons-nous faire pour surmonter cette limite intrinsèque de l’IA générative ?
Input/Output: On donne une instruction (question) à la machine pour ensuite avoir une réponse.
Pour des problèmes complexe: La méthode Input/Output n’est pas favorable parce que l’IA utilise souvent un raisonnement où il déduit la réponse- la suite de mot la plus probable. Ses réponses sembles correctes elle sont souvent trop courte ou pas assez approfondi. Il se base sur ses données qu’il possède et nous donne des réponses sans vraiment vérifier son raisonnement. Ainsi on peut avoir des résultats souvent faux ou erronés. Il va donc “halluciner” (invente réponse). De plus, il va souvent manquer de créativité et est incapable de faire plusieurs taches à la fois.
Comment surmonter ses problèmes?:
1. Dit de décomposer le problème
2. Avoir un échange interactif avec et on pause beaucoup de questions pour mener a une réponse plus détaillée
3. Donne un rôle et un contexte
4. Faire une rétroaction avec lui ou vice-versa.
Pourquoi, selon Geoffrey Hinton, l’intelligence artificielle (numérique) est supérieure à l’intelligence humaine (biologique) ?
- Possible de copier l’intelligence numérique et faire plusieurs AI qui on tous le même savoir. Le cerveau ne peut être copier. Ainsi apprentissage et partage des connaissances rapides et efficaces VS apprentissage lent et impossible de partager connaissances.
- Cerveau ont une taille maximal et une vitesse de calcul moyenne. IA n’est pas contraint par son volume et sa puissance de calcul est infinie. On peut ajouter de la mémoire, augmenter la puissance de calcul en ajoutant des processeurs, en parallélisant sur des serveurs. Ainsi puissance et vitesse élevée vs puissance et vitesse faible.
- l’IA n’a pas besoin de pause vs cerveau oui
- IA apprendre beaucoup plus vite que le cerveau. Capable de lire beaucoup plus vite, analyse d’image …
- IA n’a pas d’émotion qui influence son apprentissage ou pourrait être la cause d’un oublie.
6.l’intelligence digitale peut s’améliorer beaucoup plus vite que l’intelligence biologique car on optimise le software et le hardware en continu
Exemple: Si une IA fait une découverte (par exemple trouve un motif dans des données), immédiatement toutes les instances de ce modèle pourraient le savoir. Un humain qui fait une découverte doit la publier, l’expliquer, la vulgariser, former d’autres personnes – c’est long et parfois les connaissances se perdent.
Expliquez le débat en IA qui divise les fonctionnalistes, comme Alan Turing, et les physicalistes, comme John Searle, à propos de l’intelligence possible des machines informatiques. Rappel : le premier a illustré son argument avec l’expérience du jeu de l’imitation (test de Turing), alors que le second a illustré le sien avec l’expérience philosophique de la chambre chinoise.
Turing=fonctionnaliste: Si la machine est capable de faire les même tache (communiquer et raisonner) que l’humain alors on peut le considéré comme un agent intelligent et dire qu’elle comprend et raisonne. Sa compréhension est réelle même si le mécanisme est différent. Ainsi il impose son jeu d’imitation où si une machine peut converser de manière indistinguable d’un humain, alors on peut dire qu’elle pense ou qu’elle est intelligente. Ce qui compte c’est l’entrée et la sortie.
Searle = physicaliste: La machine ne comprend pas ce qu’elle dit ou écrit. Il répète seulement ce qui lise. Il fait juste de la syntaxe sans sémantique. Il apporte de l’importance à la matière. Il ne croit pas qu’on peut acquérir une compréhension, conscience, raisonnement seulement en manipulant des 0 et 1. Comme dans un chambre chinoise où un homme qui ne parle pas chinois doit répondre a des questions avec un manuelle en chinois, il manipule des symboles sans avoir la signification ou le sens. L’intelligence forte = agent intelligent et conscient.
Imaginez que vous deviez expliquer ce qu’est l’IAgen aujourd’hui, comme ChatGPT, à une personne qui ne connaît pas du tout le sujet : composez une explication synthétique et pédagogique, permettant de faire comprendre cette technologie et pourquoi elle progresse si rapidement.
- c’est quoi?
C’est une forme d’intelligence artificielle qui est capable de créer quelque chose de nouveau en se basant sur plein d’information (base de données) qui lui sont fournis par la demande de quelqu’un (questions, problèmes…). Exemple: tu poses une question à ChatGPT. - Comment sa marche?
On peut comparer l’IA comme chatGPT à un perroquet qui a beaucoup lu de document qu’on lui a fourni. Il utilise un méthode où il prédit ce que va lui poser comme question afin d’en déduire une réponse par la suite. (comme quand on écrit sur imessage et sa nous donne des mots) Il est capable de cela parce qu’on la entrainer grâce à d’énorme base de données (image, texte…) où il a du créer une sorte schéma afin d’être capable de faire des liens entre toutes les informations fournis. Il suit donc le motif des info qu’on lui donne. Il n’a pas d’émotions, conscience… Il suit un pattern.
En plus court: Il déduit de quoi on parle et nous donne sa mémoire des informations relier a votre question et vous donne une réponse plausible.
Que fait-il?
Lire, écrire, création d’image, conversation…
Qu’est-ce que l’agentivité en IA (IA agentique), et en quoi l’apprentissage dans des environnements virtuels vise-t-il à la développer ?
Agentivité: capacité a se comporter comme une agent autonome. Il doit être capable d’initiation, soit un acteur actif. Il est capable de prendre des décisions, d’apprentissage, d’adaptation… Il réagit ponctuellement à une demande humaine, mais aussi poursuit activement un but.
L’importance d’un apprentissage dans des environnements virtuels est qu’on est capable de confronter l’IA a des situations ce qui permet de développer son initiation. Cela permet de faire essai-erreur, de s’adapter au situation… Cela offre un espace sécurisé et contrôlé où l’on peut faire évoluer une IA agent sans risque réel. (Image, objectif, action…). De plus, on peut répéter des expériences à grande échelle, d’essayer des choses impossibles ou coûteuses dans le réel, accéléré vitesse d’apprentissage.
Mots clés: Décider d’elle-même.
Exemple 3D: Jeu vidéo comme StartCraft II L’apprentissage en environnements virtuels sert de terrain d’entraînement intensif pour que les IA acquièrent l’habilité d’agir de manière autonome et coordonnée vers un but.
Le concept d’IAG (intelligence artificielle générale) est un concept qui ne fait pas consensus, surtout quant à sa définition… Pourtant, la très grande majorité des chercheurs en IA sont convaincus que nous parviendrons à la créer, d’ici quelques années ou décennies. On parle souvent d’un système d’IA de « niveau humain », mais cela rend le concept encore plus confus. Cependant vous avez lu une étude sur le sujet de l’IAG et ses enjeux qui sont, eux, bien réels. Expliquez pourquoi l’interdisciplinarité est essentielle pour comprendre et solutionner les nombreux enjeux soulevés par l’IAG.
IAG: C’est une intelligence qui est capable d’accomplir plein de taches de manière autonome que l’humain est capable de faire et ce sans se restreindre a un domaine précis. Elle est capable de comprendre, apprendre et s’adapter. Elle est capable de faire preuve de raisonnement flexible, de bon sens, et peut-être même de conscience. Cependant le concept est encore floue.
Enjeu::
1. Économique: perte d’emploi, soit que sa remplace tous les emplois cognitifs et pas seulement des taches.
2. Éthique: L’IA a t elle des droits, une conscience…
3. Scientifique: qu’es ce que l’intelligence devient concrètement, serait-on entrain de créer des clones humains…
Réponse à la question: Interdisciplinarité est donc essentiel puisque l’IA ne touche pas qu’a une seule discipline. La technologie, philosophie, science, droit… sont toutes des disciplines touchées. Bref, c’est un sujet trop vaste et aux implications trop larges pour être laissé aux seuls ingénieurs en IA. Interdisciplinarité permet donc de données plusieurs points de vue, de voir les conséquences possibles sur TOUT les secteurs, envisager des solutions.
==> On peut voir cela comme la dernière innovation parce que après c’est elle qui inventera la plupart des choses. C’est donc accueillir une nouvelle espèce.
