L’inférence est l’un des innombrables “nouveaux” mots qui sont entrés dans le langage courant alors que la popularité de l’intelligence artificielle (IA) a explosé ces dernières années.
Contrairement à de nombreux autres mots à la mode dans le domaine des technologies, “INFERENCE” représente quelque chose de concret et qui apporte de réels avantages aux applications du monde réel, à chaque instant de la journée.
Dans cet article, nous allons nous plonger dans l’inférence, nous expliquerons ce qu’elle signifie, pourquoi elle est importante et pourquoi vous devriez l’utiliser.
Que signifie l’inférence ?
L’inférence n’est pas une nouveauté. Selon Merriam-Webster, la première utilisation connue de ce mot remonte à 1594 – bien avant que les gens ne pensent à intégrer l’IA dans leurs solutions.
Il s’agit simplement de déduire comment nous faisons la plupart des choses que nous avons déjà apprises. Par exemple, vous pouvez reconnaître le mot suivant : Bonjour comme le mot “Bonjour” sans avoir à réapprendre à lire ou à disséquer soigneusement chaque lettre pour reconnaître que le “B” est bien un B et que le “o” est un o, et ainsi de suite. Comme vous pouvez déjà le faire, vous reconnaissez immédiatement le mot comme “Bonjour”.
L’inférence dans l’IA fait référence à la même compétence, mais au nom de l’intelligence artificielle au lieu de l’intelligence humaine.
Qu’est-ce que l’inférence en IA ?
Tout comme la façon dont vous utilisez l’inférence lorsque vous faites la plupart des choses, il en va de même pour la plupart des applications de l’intelligence artificielle. Vous n’avez pas besoin d’apprendre à lire chaque fois que vous voulez lire quelque chose, et une application d’IA ne le fait pas non plus. Elle n’a pas non plus besoin d’apprendre à identifier des visages humains, des chats, des voitures, etc., chaque fois qu’un humain, un chat, une voiture ou tout autre objet pour lequel l’IA est entraînée passe devant ses caméras et ses capteurs. Au lieu de cela, l’IA utilise l’inférence.
Tout comme vous pouvez lire instantanément un mot ou identifier une voiture, l’inférence permet aux applications d’IA de fournir des résultats instantanés. Ainsi, l’IA n’a pas besoin de télécharger une grande quantité de données dans le Cloud, où un supercalculateur détermine avec soin si l’objet capturé est une voiture et renvoie le résultat au dispositif d’IA. Au lieu de cela, l’IA utilise les compétences qu’elle a déjà acquises pour tirer des conclusions (déduire) à partir des données qu’elle reçoit. Dans ce cas, pas besoin de Cloud.
Doit-on d’abord former les dispositifs AI Edge (en périphérie)… ?
La réponse est oui et non.
Dans les cas les plus importants, la réponse est non. Creusons un peu plus et comprenons mieux ce que cela signifie.
Vous auriez raison de supposer que les dispositifs d’intelligence artificielle Edge AI doivent d’abord être formés avant de pouvoir utiliser avec succès l’inférence dans leurs applications.
Cependant, ce que cela signifie exactement est très différent avec des machines, par rapport aux humains. Alors que, par exemple, vous devrez apprendre à chacun de vos enfants à marcher, avec les dispositifs d’IA Edge, vous pouvez simplement déployer un modèle préformé et ils acquerront immédiatement la capacité d’inférer des conclusions.
Si seulement vous pouviez déployer une éducation préformée de niveau maternelle ou même secondaire chez votre enfant !
Comme son nom l’indique, un modèle d’IA préformé, que vous déployez dans votre dispositif d’IA Edge AI, a été formé à un moment donné. Cette formation peut être basée sur des données acquises à partir d’un grand nombre de sources et traitées par des ordinateurs ou des centres de données beaucoup plus puissants que votre humble dispositif d’intelligence artificielle Edge, le dotant de compétences qu’il ne pourrait probablement jamais acquérir par lui-même.
Concrètement, quelle est la bonne recette pour faire de l’EDGE inférence ?
Voici en 4 points, les solutions indispensables :
- Un dispositif EDGE (PC fanless industriel)
- L’acquisition de données terrain, comme les caméras ou les capteurs (présence, température, vibration…)
- Un matériel capable de gérer l’inférence (NVIDIA Jetson, INTEL Movidius, GOOGLE TPU…)
- Un modèle d’IA formé (Training server AI avec carte graphique type NVIDIA RTX)
Voilà, vous en savez désormais un peu plus sur l’Inférence et comment ça marche.