Amazon injecte de l’humain dans le contrôle du Machine Learning
Le service managé Amazon Augmented Artificial Intelligence (A2I) vise à simplifier la supervision humaine des prédictions de modèles de Machine Learning. Objectif : améliorer la précision des modèles et des applications pour un coût raisonnable.
Amazon-injecte-de-l’humain-dans-le-contrôle-du-Machine-Learning
Le service managé Amazon Augmented Artificial Intelligence (A2I) vise à simplifier la supervision humaine des prédictions de modèles de Machine Learning. Objectif : améliorer la précision des modèles et des applications pour un coût raisonnable.
Les brusques changements de comportement durant la crise ont mis en lumière une lacune dans l’exploitation du Machine Learning. Les entreprises peinent parfois à réviser leurs modèles et ainsi à corriger leurs prédictions.
L’humain reste un maillon essentiel de l’usage de l’intelligence artificielle. Avec son service managé Amazon A2I, AWS entend d’ailleurs simplifier la supervision humaine des algorithmes de Machine Learning.
Simplifier la supervision humaine du Machine Learning
Le service cloud doit permettre aux développeurs de créer et de gérer plus facilement les workflows de validation des prédictions par des humains. Amazon A2I promet une intégration plus simple de cette supervision.
Le contrôle humain du Machine Learning vise à « améliorer la précision des modèles et des applications en identifiant et en améliorant continuellement les prédictions » présentant un faible niveau de confiance.
Amazon A2I offre pour cela la possibilité de concevoir « plus facilement » un système d’examen (review) humain. Cela comprend le processus d’examen et la gestion du personnel impliqué dans cette tâche.
AWS cite comme exemple la mise en place d’une équipe humaine chargée d’examiner et de valider l’exactitude des prévisions d’une application d’extraction d’informations financières de documents hypothécaires scannés.
Si la firme estime que le taux de fiabilité des prévisions est désormais élevé, certains cas d’usage du Machine Learning nécessitent néanmoins une supervision humaine. Mais celle-ci s’impose plus encore lorsque des doutes existent sur la robustesse des scores fournis par un modèle.
Interaction « essentielle » entre ML et examinateurs
« Cette interaction entre l’apprentissage machine et les examinateurs humains est essentielle au succès des systèmes de Machine Learning » insiste AWS. Le fournisseur cloud souligne que cette interaction est souvent coûteuse et complexe à mettre en œuvre pour un usage à l’échelle.
C’est précisément à cette problématique que souhaite répondre l’entreprise au travers d’Amazon A2I. L’entreprise renforce aussi la confiance à l’égard des prévisions délivrées par ses applications d’IA (Amazon Rekognition, Amazon Textract…).
« Le jugement humain est essentiel »
Le service de santé britannique, le NHS, est d’ailleurs client d’Amazon Textract. Le service intervient dans le traitement des 54 millions de documents de santé traités chaque mois. « Le jugement humain est essentiel et, en fait, est souvent requis pour les décisions impliquant des paiements médicaux » souligne son directeur de l’innovation, Chris Suter.
L’opérateur T-Mobile a quant à lui recours à l’intelligence artificielle dans la relation client. Une solution basée sur le Machine Learning fournit en temps réel à ses conseillers clientèle des données relatives aux remises
A2I doit permettre à l’acteur des télécoms de s’assurer que ses modèles « fournissent en permanence des informations de qualité supérieure. » Et ce, « en faisant valider par des humains des échantillons aléatoires de prédictions de modèles. »
