De nombreuses personnes ont regardé David Hand, de l'Imperial College de Londres ; Lene Bjørg César, Novozyme ; Francisco Navarro, Solvay ; et Aziza Yormirzaeva, Corning Environmental Technologies, discutent de l'apprentissage automatique et de l'intelligence artificielle.
Les téléspectateurs ont posé beaucoup de questions intéressantes, mais, en raison de contraintes de temps, l'animateur Malcolm Moore de JMP n'a pas pu répondre à tous pendant l'événement. Nous avons estimé que de nombreux membres de la grande communauté JMP partageaient ces questions et seraient intéressés par les réponses.
Q : Si l’augmentation du nombre de scientifiques possédant des compétences en matière de données signifie une innovation et une mise sur le marché plus rapides des produits, cela peut également signifier une augmentation du risque de prendre de mauvaises décisions. Êtes-vous d'accord? Si oui, comment pouvons-nous atténuer ce risque ?
R : L'analyse est un outil puissant qui peut être utilisé pour « voir des choses qui ne pourraient pas être vues sans lui, un peu comme un télescope ou un microscope », comme l'a dit un intervenant, mais comme tout outil, des risques découlent d'une mauvaise utilisation. Dans les grandes organisations, les data scientists ou les statisticiens des centres d'excellence internes peuvent guider les experts en processus dans les meilleures pratiques des techniques analytiques. Cependant, le plus grand risque réside dans le fait de contourner complètement les experts en processus en faveur d’une dépendance excessive aux machines pour prendre de bonnes décisions. Un examen attentif des résultats de toute entreprise analytique, par des experts en processus, est le meilleur moyen d'atténuer ce risque. D’un autre côté, il est également tout aussi important de considérer les risques liés à l’inaction ou au maintien du statu quo, comme par exemple perdre l’opportunité d’augmenter la capacité d’innovation ou d’accélérer la commercialisation des produits.
Q : Suis-je le seul à trouver que le biais pro-innovation fait obstacle à une discussion sensée sur les bases, telles que la définition du problème, le GIGO, le DOE et les systèmes de mesure ?
R : Cette question a reçu de nombreux likes pendant l'événement. La réponse : Non, vous n’êtes pas le seul. De toute évidence, ce sentiment est partagé par beaucoup. Il semblerait que, souvent, la ruée vers l'innovation amène les expérimentateurs à négliger les bases, telles que vous les avez décrites, au profit d'une approche de développement par essais ou par facteur à la fois. Lorsque cela se produit, le meilleur conseil est de soulever ce point et de souligner la valeur de ces fondamentaux lors des discussions avec les collègues lors de la planification des expériences.
Q : On m’a demandé de prédire les inventions commercialement réussies à partir de la littérature sur les brevets et non-brevets. Les experts en ML et en IA sont-ils souvent invités à le faire ?
R : David Hand a abordé cette question lors de la discussion. Les data scientists sont souvent sollicités pour se lancer dans ce type d’exercice. (En particulier, les données sur les brevets constituent un sujet fréquent d'analyse, comme le montrecette présentationlors d'un récentSommet découverte JMP). David a évoqué une situation similaire dans laquelle il avait été chargé de créer un modèle pour prédire le succès des start-ups, qu’il a qualifié de « très, très difficile ». Cependant, deux nouvelles fonctionnalités de JMP Pro 16 – l'analyse des sentiments et la sélection de termes – facilitent considérablement cet exercice. ( Cette courte vidéo montre comment ces fonctionnalités fonctionnent.)
Q : Beaucoup pensent que le véritable objectif de l’apprentissage automatique et de l’IA est de permettre à la technologie de nous indiquer comment optimiser et/ou traiter les écarts de signal, par exemple dans les modèles de données des capteurs. Jusqu’où sommes-nous d’atteindre cet objectif ?
R : Cette question a également été abordée par le panel. Chaque membre a souligné la valeur acquise en tirant parti de l'apprentissage automatique et de l'IA pour améliorer la compréhension de processus ou de modèles qui n'auraient pas pu être observés sans ces méthodes, mais également l'importance des experts en processus pour interpréter ces résultats. Nous sommes désormais à un point où les machines peuvent optimiser, détecter, interpréter, signaler et même décider des actions à entreprendre, mais il existe d’énormes risques à leur permettre de les mettre en œuvre de manière autonome en supprimant les spécialistes de l’équation. D'ailleurs,Explorateur de données fonctionnellesdans JMP Pro est un excellent outil d'apprentissage automatique pour analyser les données des capteurs.
Q : Avez-vous été confronté à des réticences face au fait que quelque chose a été fait d'une manière différente dans le passé, en particulier dans l'environnement manufacturier ? Si oui, qu’avez-vous fait pour persuader les gens d’utiliser les nouveaux outils et fonctionnalités disponibles ?
R : Le refoulement est une réponse courante à quiconque tente de mettre en œuvre un changement. Le conseil pour surmonter ce problème est de voir grand, de commencer petit et de diffuser vos succès. L’apprentissage automatique peut être utilisé pour résoudre de gros problèmes ou révolutionner des secteurs entiers, mais il peut également aider à résoudre de petites choses qui passent inaperçues pour la plupart des gens. Et même si votre entreprise, votre service ou votre équipe résiste au changement, il existe peut-être déjà des exemples de réussite ailleurs dans votre entreprise ou près de chez vous qui trouveront un écho auprès de vos collègues. Vous pouvez trouver une collection de telles histoiresici. Souvent, la peur du changement peut être à l’origine de cette réticence. Si c'est le cas,CONSEILS, le cours en ligne gratuit de JMP qui peut aider les scientifiques et les ingénieurs à surmonter leurs peurs, pourrait s'avérer utile.
Q : Je pense qu'il existe une certaine confusion autour des différences et des chevauchements entre les termes IA et ML non supervisé, ainsi que ML supervisé et analyse prédictive/inférentielle. Un ensemble de définitions plus claires serait le bienvenu .
R : En effet ! Pour ajouter à ce que les panélistes ont discuté lors de l'événement,cette page de SASfait un excellent travail en expliquant les différences et les chevauchements entre ces termes. En bref:
Intelligence artificielle : science générale consistant à construire des machines pour imiter les capacités humaines.
Apprentissage automatique : un sous-ensemble spécifique de l'IA relatif aux techniques par lesquelles les machines sont entraînées à apprendre.
Apprentissage supervisé : développement de modèles pour classer, expliquer ou prédire les résultats des données à l'aide de données dont les résultats sont connus.
Apprentissage non supervisé : comparer ou différencier des points de données en fonction de modèles ou de structures sous-jacentes au sein des données elles-mêmes, sans utiliser de variables de réponse.
Analyse prédictive/inférentielle : utiliser l'apprentissage supervisé ou non supervisé pour faire des prédictions ou déduire des connaissances et une compréhension du monde qui nous entoure (processus de fabrication, développements de produits, conditions météorologiques, marchés boursiers, etc.).
Q : Quelle est la meilleure façon de réunir les experts en données et les experts « physiques » (par exemple, en développement de capteurs) ? Très souvent, le premier manque de compréhension des artefacts physiques, tandis que l’autre ne comprend pas à quoi devraient ressembler les données idéales.
R : Idéalement, les experts en données et les experts physiques sont les mêmes. JMP offre la puissance de l'analyse aux scientifiques et ingénieurs les mieux placés pour comprendre leurs processus individuels, mais qui n'ont pas nécessairement de formation en science des données. Dans la mesure du possible, les statisticiens et ceux ayant une formation en science des données jouent un rôle de conseiller ou de superviseur pour soutenir ces experts en processus dans leurs efforts.
Existe-t-il un enregistrement de cette séance et où puis-je le trouver ? (A moins que ce sujet reste un mystère...)
