Comment l’intelligence artificielle explicable peut propulser la croissance de l’industrie 4.0

Historiquement, la toute première révolution industrielle a démarré avec l’introduction de la technologie à vapeur et à eau. Nous avons parcouru un long chemin depuis lors, avec la quatrième révolution industrielle actuelle, ou Industrie 4.0, qui se concentre sur l’utilisation de nouvelles technologies pour stimuler l’efficacité industrielle.

Certaines de ces technologies incluent l’Internet des objets (IoT), le cloud computing, les systèmes cyber-physiques et l’intelligence artificielle (IA). L’IA est le moteur clé de l’industrie 4.0, automatisant les machines intelligentes pour qu’elles s’auto-surveillent, interprètent, diagnostiquent et analysent toutes seules. Les méthodes d’IA, telles que l’apprentissage automatique (ML), l’apprentissage en profondeur (DL), le traitement du langage naturel (NLP) et la vision par ordinateur (CV), aident les industries à prévoir leurs besoins de maintenance et à réduire les temps d’arrêt.

Cependant, pour assurer le déploiement et l’intégration fluides et stables des systèmes basés sur l’IA, les actions et les résultats de ces systèmes doivent être rendus compréhensibles, ou, en d’autres termes, « explicables » aux experts. À cet égard, l’IA explicable (XAI) se concentre sur le développement d’algorithmes qui produisent des résultats compréhensibles par l’homme réalisés par des systèmes basés sur l’IA. Ainsi, le déploiement XAI est utile dans l’Industrie 4.0.

Récemment, un groupe de chercheurs, dont le professeur adjoint Gwanggil Jeon de l’Université nationale d’Incheon, en Corée du Sud, a étudié les technologies IA et XAI existantes et leurs applications dans l’industrie 4.0. Leur avis a été publié dans Transactions IEEE sur l’informatique industrielle.

« Bien que les technologies d’IA comme DL puissent résoudre de nombreux problèmes sociaux en raison de leurs excellentes performances et de leur résolution, il est difficile d’expliquer comment et pourquoi de telles bonnes performances sont obtenues. Par conséquent, il est nécessaire de développer XAI, afin que DL, comme l’actuel boîte noire, peut être modélisée plus efficacement. Il sera également plus facile de faire des applications », a déclaré le professeur Jeon expliquant sa motivation derrière l’étude.

Les méthodes basées sur XAI sont classées en fonction de tâches d’IA spécifiques, telles que les explications de caractéristiques, la prise de décision ou la visualisation du modèle. Les auteurs notent que la combinaison de méthodes de pointe basées sur l’IA et XAI avec les technologies de l’industrie 4.0 se traduit par diverses applications réussies, précises et de haute qualité. L’une de ces applications est un modèle XAI réalisé à l’aide de la visualisation et du ML qui explique la décision d’un client d’acheter ou de ne pas acheter une assurance non-vie. Avec l’aide de XAI, les humains peuvent reconnaître, comprendre, interpréter et communiquer comment un modèle d’IA tire des conclusions et agit.

L’utilisation de l’IA dans l’industrie 4.0 présente clairement de nombreux avantages notables ; cependant, il comporte également de nombreux obstacles. Le plus important est la nature gourmande en énergie des systèmes basés sur l’IA, l’exigence croissante exponentielle d’un grand nombre de cœurs et de GPU, ainsi que la nécessité d’un réglage fin et d’une optimisation des hyperparamètres. Au cœur de cela se trouvent des données collectées et générées à partir de millions de sources, d’appareils et d’utilisateurs, introduisant ainsi un biais qui affecte les performances de l’IA. Cela peut être géré en utilisant des méthodes XAI pour expliquer le biais introduit.

« L’IA est le principal composant de la transformation industrielle qui permet aux machines intelligentes d’exécuter des tâches de manière autonome, tandis que XAI développe un ensemble de mécanismes capables de produire des explications compréhensibles par l’homme », conclut le professeur Jeon.

Fourni par l’Université nationale d’Incheon