Qu’est-ce que l’IA White Box et Black Box ?



Il y a de nombreuses discussions sur l’utilisation de l’intelligence artificielle (IA). Comme il s’agit d’un procédé relativement nouveau et imprévisible, les débats sur les moyens d’application les plus sûrs et les plus éthiques sont illimités.

Dans cet article, nous allons plonger dans l’IA boîte blanche et boîte noire, expliquer les deux concepts, proposer des exemples de leurs cas d’utilisation et enfin découvrir lequel est le meilleur.

L’une des choses notables qui ressortent est l’utilisation de l’IA boîte noire et boîte blanche et leur comparaison pour décider laquelle est la meilleure. Et ce n’est pas seulement une question de débat idéologique ; des lois et des politiques entières ont été élaborées sur la base des avantages et des dangers perçus des deux.

Qu’est-ce que l’IA White Box et Black Box ?

Ici, nous allons plonger dans l’IA boîte blanche et boîte noire, expliquer les deux concepts, proposer différents exemples de leur utilisation et éventuellement découvrir lequel est le meilleur.

IA boîte blanche

Comme la plupart des gens le savent, la plupart des programmes d’intelligence artificielle (IA) fonctionnent en tirant des conclusions logiques basées sur les données accessibles.

La conclusion pourrait être une recommandation de décision, par exemple refuser ou approuver une candidature ou même développer une nouvelle donnée, comme la rédaction d’un e-mail. Essentiellement, l’IA en boîte blanche est une IA qui est transparente sur le fonctionnement de son algorithme et sur la manière dont il tire des conclusions.

Disons qu’une IA est chargée d’analyser les demandes de prêt et de déterminer si un candidat convient. Une IA boîte blanche est ouverte sur la manière dont elle analyse chaque application, quels facteurs sont pris en compte et comment elle parvient à sa conclusion.

Lorsque l’IA approuve ou refuse une telle demande, les utilisateurs et les concepteurs de l’IA peuvent savoir ce qui a conduit à la décision et comment. Ils peuvent également prédire quels types de solutions telles que l’intelligence artificielle seraient proposées.

Certains modèles d’apprentissage automatique utilisés pour l’IA en boîte blanche incluent les arbres de décision, la régression linéaire et les systèmes basés sur des règles. Étant donné leur simplicité et leurs processus prévisibles, les IA en boîte blanche sont souvent utilisées dans des secteurs comme les entreprises, où la transparence totale est très appréciée.

Connexes : Qu’est-ce que l’IA sensible et deviendra-t-elle réelle ?

IA boîte noire

De l’autre côté, il y a l’IA boîte noire. Ce type d’IA n’est pas transparent sur son fonctionnement interne et sur la manière dont elle arrive à ses différentes conclusions. Vous pouvez lui donner une entrée et obtenir une sortie, mais vous ne pouvez pas examiner le code du système ou la logique qui a produit la sortie.

Comme dans le cas d’une demande de prêt, l’IA approuverait ou refuserait ces demandes, mais ne dirait pas comment elle prend ces décisions.

L’IA boîte noire est considérablement délicate car elle est connue pour être très précise dans la réalisation de projections. Des exemples d’IA boîte noire en action incluent les algorithmes d’apprentissage profond – les mécanismes qui les sous-tendent sont brillants mais trop complexes pour être compris par les humains.

Certaines des avancées en matière d’IA proviennent de l’IA en boîte noire, et auparavant, elles étaient considérées comme la norme de l’industrie. Mais maintenant, la plupart ont abandonné l’utilisation de l’IA boîte noire en raison de son manque de transparence. Cela ne veut pas dire que l’IA boîte noire a été abandonnée. Comme dit précédemment, cela semble produire des résultats brillants. Néanmoins, la plupart des entreprises choisissent de ne pas utiliser une telle intelligence artificielle dans leurs opérations quotidiennes.

Quel est le meilleur?

Maintenant que vous savez comment fonctionnent l’IA boîte blanche et l’IA boîte noire, il convient de se demander si l’une est meilleure que l’autre. La vérité est que les deux sont utiles, mais l’un ou l’autre peut devenir un meilleur choix en fonction de la situation actuelle. Par exemple, les entreprises traitant des informations sensibles ou fournissant des services à des tiers doivent comprendre comment fonctionnent leurs algorithmes d’IA.

Dans de tels scénarios, opter pour une IA en boîte blanche est préférable. Bien que les IA en boîte noire ne soient plus la norme de l’industrie, elles restent précieuses pour le développement continu de l’IA. Même si leur fonctionnement interne n’est pas entièrement compris, des idées potentielles peuvent émerger. De plus, les IA boîtes noires font preuve d’une grande efficacité et leurs avancées précieuses ne doivent pas être ignorées.

Essentiellement, l’IA en boîte blanche est meilleure pour la pratique de l’industrie, tandis que l’IA en boîte noire offre un grand potentiel pour la croissance et le développement futurs de l’IA.

L’IA White Box et Black Box peuvent-elles fonctionner ensemble ?

Les modèles d’IA boîte noire et boîte blanche peuvent être utilisés en relation les uns avec les autres. Les exemples incluent les modèles d’interprétabilité post hoc utilisés pour aider à déterminer comment les décisions du modèle d’IA ont été prises. Ainsi, bien que le modèle d’intelligence artificielle n’explique pas comment une décision a été prise, les modèles d’interprétabilité aident à les étudier.

Il ne fonctionne pas encore parfaitement, mais il offre le meilleur des deux mondes en matière d’IA : nous obtenons l’efficacité de l’IA boîte noire tout en bénéficiant de la transparence de l’IA boîte blanche.

Les secteurs réglementés interdits d’utiliser l’IA boîte noire pour les tâches quotidiennes pourraient également l’utiliser comme outil de confirmation. Disons qu’une décision qui doit être prise est élaborée par une IA boîte blanche.

La même institution peut demander à une boîte noire d’IA d’essayer de résoudre le même problème pour confirmer si le premier était correct. À bien des égards, l’IA boîte blanche et l’IA boîte noire peuvent être utilisées pour s’améliorer mutuellement et offrir davantage d’avantages à ceux qui les utilisent.

Related:L’IA revigorera-t-elle notre approche de la productivité ?

Opportunités et défis

Les modèles d’IA en boîte blanche et en boîte noire offrent de nombreuses opportunités. Pour l’IA en boîte blanche, certains de ses avantages incluent :

  • Prise de décision au sein de l’industrie publique. Étant donné que ces modèles d’IA sont efficaces et transparents, ils peuvent contribuer à minimiser les retards bureaucratiques et à accélérer la prise de décision tout en s’alignant sur les normes officielles
  • Transparence dans l’espace juridique. L’IA en boîte blanche peut être utilisée pour rendre des jugements au sein du secteur juridique tout en créant plus de transparence, ce qui constitue un problème majeur dans l’espace juridique depuis de nombreuses années
  • Prise de décision dans des contextes largement réglementés. Par exemple, les écoles où diverses tâches telles que la notation des devoirs des étudiants et d’autres processus largement standardisés bénéficieraient d’une intelligence artificielle (IA) transparente tout en respectant les règles existantes
  • Revue des processus existants. La transparence offerte par l’IA en boîte blanche signifie que les utilisateurs peuvent tester et revoir leurs processus actuels. Par exemple, une institution peut modifier certaines variables de ses processus actuels et voir comment les résultats de l’IA changent en conséquence
  • Exploration de l’IA dans les secteurs sensibles. Divers secteurs traitant de questions sensibles comme la sécurité et le droit se montrent plutôt réticents à explorer l’intelligence artificielle. Mais il est fort probable que l’IA en boîte blanche soit adoptée par ces secteurs, ce qui pourrait favoriser son adoption

Malgré ses avantages, l’IA en boîte blanche ne parvient pas à générer des développements révolutionnaires par rapport aux IA en boîte noire. En raison de cette limitation, l’IA en boîte blanche est couramment utilisée dans des scénarios moins complexes, ce qui empêche une amélioration rapide. De plus, ses performances plus lentes résultent non seulement du fait qu’il produit des résultats, mais également de la fourniture d’explications pour ses conclusions, ce qui le rend inadapté aux situations extrêmement urgentes.

Pour l’IA boîte noire, les avantages sont les suivants :

  • Utilisations dans le secteur financier. La haute efficacité de l’IA boîte noire lui permet d’analyser d’énormes quantités de données financières, de faire des prédictions sur l’état du marché et de donner des recommandations viables
  • Développement plus rapide de l’IA. L’IA boîte noire nécessite moins de formation de la part des opérateurs humains et peut se développer plus rapidement que les IA boîte blanche. C’est là que réside la possibilité de développer l’intelligence artificielle à un rythme plus rapide et avec une efficacité accrue
  • Surmonter les défauts humains. L’IA boîte noire pourrait être appliquée à des situations et à des secteurs où la compréhension humaine semble insuffisante. Cela inclut la détection de fraudes ou de modèles de comportement d’espèces non humaines que nous n’avons pas encore compris

En attendant, parmi les problèmes qui méritent d’être pris en compte lorsqu’il s’agit de l’IA boîte noire, figurent les suivants :

  • Il existe une méfiance croissante à l’égard des IA dépourvues d’algorithmes transparents, ce qui rend certaines personnes très réticentes à utiliser les IA boîtes noires. Même les IA dont le fonctionnement interne est connu du grand public ne sont utilisées que dans certains domaines tels que le monde universitaire. Comme vous pouvez l’imaginer, les habitants de ces espaces seraient même très réticents à utiliser l’IA boîte noire
  • L’IA boîte noire peut être sujette à des biais. Étant donné que leur fonctionnement interne est quelque peu privé, il n’existe aucun moyen de savoir si l’outil d’intelligence artificielle (IA) fonctionne avec des préjugés et des préjugés. Cela rend difficile son application à des secteurs comme le domaine juridique, où les préjugés constituent déjà un défi
  • La validité des résultats ne peut être confirmée

Les plats à emporter

L’IA boîte blanche et l’IA boîte noire représentent deux stratégies de développement de l’IA : une transparence totale en matière d’algorithmes sur lesquels nous nous appuyons ou l’acceptation des avancées de l’IA même si nous n’avons aucune idée de leur fonctionnement.

Pour l’instant, les autorités semblent faire preuve de prudence, mais cela ne signifie pas que les IA à boîte noire sont hors de propos. À l’avenir, nous nous attendons à ce que les deux modèles d’IA soient utilisés massivement et nous poussent davantage vers le développement technologique, que nous les comprenions entièrement ou non.




Navigation des articles