Investir dans l’intelligence artificielle (IA) – Tout ce que vous devez savoir

L’intelligence artificielle (IA) est un domaine qui ne nécessite aucune introduction. L’IA a suivi les principes de la loi de Moore qui déclare que la vitesse et les capacités des ordinateurs devraient doubler tous les deux ans. Depuis 2012, la quantité de calcul utilisée dans les plus grands entraînements d’IA augmente de façon exponentielle avec un doublement tous les 3 à 4 mois, ce qui a entraîné une croissance de 300 000 fois des ressources informatiques allouées à l’IA depuis 2012. Aucun autre secteur ne peut se comparer à ces statistiques de croissance.

Nous explorerons quels domaines de l’IA conduisent cette accélération, quelles entreprises sont les mieux positionnées pour tirer parti de cette croissance, et pourquoi cela importe.

Types d’apprentissage automatique

Apprentissage automatique est un sous-domaine de l’IA qui consiste essentiellement à programmer les machines pour qu’elles apprennent. Il existe plusieurs types d’algorithmes d’apprentissage automatique, le plus populaire de loin est l’apprentissage profond, qui consiste à alimenter des données dans un Réseau de neurones artificiels (ANN). Un ANN est un réseau très gourmand en calcul, composé de fonctions mathématiques reliées entre elles dans un format inspiré des réseaux neuronaux du cerveau humain.

Plus on alimente un ANN avec de grandes quantités de données, plus l’ANN devient précis. Par exemple, si vous essayez d’entraîner un ANN à identifier des images de chats, en lui fournissant 1 000 images de chats, le réseau aura un faible niveau de précision d’environ 70 %, si vous augmentez à 10 000 images, le taux de précision peut monter à 80 %, si vous l’augmentez à 100 000 images, vous avez alors porté la précision du réseau à 90 %, et ainsi de suite.

C’est là l’une des opportunités : les entreprises qui dominent le domaine du développement de puces IA sont naturellement prêtes à croître.

Il existe de nombreux autres types d’apprentissage automatique prometteurs, comme l’apprentissage par renforcement, qui consiste à entraîner un agent par la répétition d’actions et les récompenses associées. En utilisant l’apprentissage par renforcement, un système d’IA peut rivaliser avec lui-même dans le but d’améliorer ses performances. Par exemple, un programme jouant aux échecs jouera contre lui-même de façon répétée, chaque partie améliorant ses performances lors de la partie suivante.

Actuellement, les meilleures formes d’IA utilisent une combinaison d’apprentissage profond et d’apprentissage par renforcement, ce que l’on appelle communément l’apprentissage profond par renforcement. Toutes les principales entreprises d’IA dans le monde, comme Tesla, utilisent une forme d’apprentissage profond par renforcement.

Bien qu’il existe d’autres systèmes d’apprentissage automatique importants en cours de développement, comme le méta-apprentissage, pour simplifier, l’apprentissage profond et son cousin plus avancé, l’apprentissage profond par renforcement, sont ceux que les investisseurs doivent connaître le mieux. Les entreprises à la pointe de cette avancée technologique seront les mieux placées pour profiter de la croissance exponentielle massive que nous observons dans l’IA.

Science des données & Big Data

S’il existe un facteur différenciateur entre les entreprises qui réussiront et deviendront des leaders du marché, et celles qui échoueront, c’est le big data. Tous les types d’apprentissage automatique dépendent fortement de la science des données, qui se décrit le mieux comme un processus de compréhension du monde à partir des motifs présents dans les données. Dans ce cas, l’IA apprend à partir des données, et plus il y a de données, plus les résultats sont précis. Il existe quelques exceptions à cette règle, appelées surapprentissage, mais les développeurs d’IA en sont conscients et prennent des précautions pour y remédier.

L’importance du big data explique pourquoi des entreprises comme Tesla bénéficient d’un net avantage concurrentiel en matière de technologie de véhicules autonomes. Chaque Tesla en mouvement utilisant le pilote automatique transmet des données vers le cloud. Cela permet à Tesla d’utiliser l’apprentissage profond par renforcement et d’autres ajustements d’algorithmes afin d’améliorer le système global de véhicules autonomes.

C’est également la raison pour laquelle des entreprises comme Google seront très difficiles à détrôner pour les concurrents. Chaque jour qui passe, Google collecte des données provenant de sa myriade de produits et services, y compris les résultats de recherche, Google Adsense, les appareils mobiles Android, le navigateur Chrome et même le thermostat Nest. Google accumule plus de données que toute autre entreprise dans le monde. Cela ne compte même pas tous les projets ambitieux auxquels ils participent.

En comprenant pourquoi l’apprentissage profond et la science des données sont importants, nous pouvons alors déduire pourquoi les entreprises ci-dessous sont si puissantes.

Entreprises d’IA à investir

Il existe trois leaders du marché actuels qui seront très difficiles à contester.

Alphabet Inc (NASDAQ: GOOGL)

Alphabet Inc est la société mère de tous les produits Google, y compris le moteur de recherche Google. Une brève leçon d’histoire est nécessaire pour expliquer pourquoi ils sont un tel leader du marché de l’IA. En 2010, une société britannique, DeepMind, a été créée avec l’objectif d’appliquer diverses techniques d’apprentissage automatique à la construction d’algorithmes d’apprentissage à usage général.

En 2013, DeepMind a fait sensation dans le monde avec diverses réalisations, dont le titre de champion du monde sur sept jeux Atari grâce à l’apprentissage profond par renforcement.

En 2014, Google a acquis DeepMind pour $500 Million, peu après, en 2015, AlphaGo de DeepMind est devenu le premier programme d’IA à battre un joueur humain professionnel de Go, et le premier programme à vaincre un champion du monde de Go. Pour ceux qui ne connaissent pas le Go, il est considéré par beaucoup comme le jeu le plus difficile qui existe.

DeepMind est actuellement considéré comme un leader du marché en apprentissage profond par renforcement, et un concurrent de premier plan pour atteindre l’Intelligence Artificielle Générale (AGI), un type futuriste d’IA dont l’objectif est d’atteindre ou de dépasser le niveau d’intelligence humaine.

Nous devons également prendre en compte les autres types d’IA dans lesquels Google est actuellement impliqué, tels que Waymo, un leader du marché de la technologie de véhicules autonomes, deuxième seulement derrière Tesla, ainsi que les systèmes d’IA secrets actuellement utilisés dans le moteur de recherche Google.

Google est actuellement impliqué dans tant de niveaux d’IA qu’il faudrait un article exhaustif pour les couvrir tous.

Tesla (NASDAQ: TSLA)

Comme indiqué précédemment, Tesla profite du big data provenant de sa flotte de véhicules sur route pour collecter des données via son pilote automatique. Plus de données sont collectées, plus il peut s’améliorer grâce à l’apprentissage profond par renforcement, ce qui est particulièrement important pour ce que l’on appelle les cas limites, c’est-à-dire des scénarios qui ne se produisent pas fréquemment dans la vie réelle.

Par exemple, il est impossible de prévoir et de programmer chaque type de scénario pouvant survenir sur la route, comme une valise qui roule dans la circulation ou un avion qui tombe du ciel. Dans ce cas, il y a très peu de données spécifiques, et le système doit associer des données provenant de nombreux scénarios différents. C’est un autre avantage de disposer d’une énorme quantité de données : même si c’est la première fois qu’une Tesla à Houston rencontre un scénario, il est possible qu’une Tesla à Dubaï ait déjà rencontré quelque chose de similaire.

Tesla est également un leader du marché en technologie de batteries et en technologie électrique pour les véhicules. Les deux reposent sur des systèmes d’IA pour optimiser l’autonomie d’un véhicule avant qu’une recharge ne soit nécessaire. Tesla est connu pour ses fréquentes mises à jour en direct avec des optimisations d’IA qui améliorent de quelques points de pourcentage les performances et l’autonomie de sa flotte de véhicules.

Comme si cela ne suffisait pas, Tesla conçoit également ses propres puces IA, ce qui signifie qu’elle ne dépend plus de puces tierces et peut optimiser les puces pour fonctionner avec son logiciel de conduite entièrement autonome dès le départ.

NVIDIA (NASDAQ: NVDA)

NVIDIA est l’entreprise la mieux placée pour profiter de la hausse actuelle de la demande de puces GPU (unités de traitement graphique), car elle est actuellement responsable de 80% de toutes les ventes de GPU.

Bien que les GPU aient d’abord été utilisés pour les jeux vidéo, ils ont rapidement été adoptés par l’industrie de l’IA, spécifiquement pour l’apprentissage profond. La raison pour laquelle les GPU sont si importants est que la vitesse des calculs d’IA est grandement améliorée lorsque les calculs sont effectués en parallèle. Lors de l’entraînement d’un ANN d’apprentissage profond, des entrées sont nécessaires et cela dépend fortement des multiplications de matrices, où le parallélisme est crucial.

NVIDIA publie constamment de nouvelles puces IA optimisées pour différents cas d’utilisation et exigences des chercheurs en IA. Cette pression constante à innover maintient NVIDIA en tant que leader du marché.

Choisir un courtier en actions

La première étape de votre parcours devrait être de choisir un courtier en actions. Un courtier que nous recommandons est Firstrade.

Résumé

Il est impossible d’énumérer toutes les entreprises impliquées d’une manière ou d’une autre dans l’IA ; l’essentiel est de comprendre les technologies d’apprentissage automatique qui sont responsables de la plupart de l’innovation et de la croissance que l’industrie a connues. Nous avons mis en avant 3 leaders du marché, bien d’autres suivront. Pour rester à jour avec l’IA, vous devez suivre les actualités de l’IA, éviter le battage médiatique autour de l’IA, et comprendre que ce domaine évolue constamment.