L’avenir de l’AA (et de la RO!) passe par leur hybridation. Une de nos devises est « là où l’apprentissage automatique rencontre la recherche opérationnelle », et c’est vraiment là que Funartech excelle et se distingue des autres entreprises. Nous défendons avec force la combinaison de l’AA et de la RO pour tous les projets industriels.
La RO et l’AA ne suffisent peut-être pas, mais ils devraient être envisagés dans toute solution analytique.
Il existe essentiellement quatre façons de combiner l’AA et la RO :
- L’usage désormais « classique » de l’AA en prétraitement et de la RO en post-traitement.
- Utiliser la RO pour améliorer l’AA.
- Utiliser l’AA pour améliorer la RO.
- Une hybridation complète des deux, où nous développons de nouveaux algorithmes.
Les deux du milieu sont purement techniques et n’intéressent que les praticiennes et praticiens de l’AA et de la RO.
1. L’AA et la RO comme boîtes noires séparées
C’est l’approche la plus courante lorsque des entreprises proposent de combiner l’AA et la RO. Souvent, l’AA sert à prédire et la RO sert ensuite à optimiser à partir de ces prédictions.
Prenons un exemple : vous êtes une compagnie ferroviaire et vous voulez réparer ou remplacer vos voies. Vous voudrez évidemment le faire au moindre coût. Comment s’y prendre? Découpez le problème en deux étapes.
Utiliser l’AA pour détecter les défauts. Installez des caméras sous les wagons de vos trains et prenez des photos en rafale. Avec la vision par ordinateur et l’apprentissage profond, repérez les défauts sur les images et assemblez-les pour obtenir un réseau des défauts de vos voies. Vous pouvez classer la nature des défauts en plusieurs catégories — à remplacer immédiatement, dans 3 mois, dans 6 mois, et ainsi de suite; de même pour les réparations.
Utiliser la RO pour optimiser votre politique de réparation et de remplacement. Une fois le réseau des défauts obtenu, il reste à savoir comment remplacer ou réparer vos voies de façon optimale. Si une équipe d’entretien est déjà sur place pour réparer une voie, il serait peut-être moins coûteux qu’elle répare aussi une voie voisine qui n’exige pas de réparation immédiate. La RO choisira une politique optimale.
Jetez un œil à nos cas d’usage : ils utilisent tous cette approche.
Cette combinaison est devenue courante en 2019
- Le Pr Yoshua Bengio et ses collègues reconnaissent la supériorité de la combinaison dans Machine Learning for Combinatorial Optimization: a Methodological Tour d’Horizon. L’article mentionne que la combinaison ne devrait servir qu’à résoudre des problèmes combinatoires — mais presque tout problème peut être formulé comme un problème combinatoire.
- Scale AI finance des projets combinant l’AA et la RO : 290 millions de dollars pour SCALE AI, la supergrappe des chaînes d’approvisionnement propulsées par l’IA.
- Gartner annonçait sa vision un peu plus tôt, en 2018 : Combine Predictive and Prescriptive Techniques to Solve Business Problems.
2. Utiliser la RO pour améliorer l’AA
La RO sert à optimiser, c’est-à-dire à minimiser ou maximiser une fonction en AA. Mais attendez : n’est-ce pas justement ce que fait l’AA? Exactement — l’AA repose fortement sur l’optimisation issue de la RO lorsqu’il optimise ses prédictions.
3. Utiliser l’AA pour améliorer la RO
L’inverse est vrai aussi. La force de l’AA, c’est la prédiction. Des recherches sont en cours pour prédire sur quelle variable brancher dans les arbres de recherche, et comment.
4. Une hybridation complète de l’AA et de la RO
Nous développons de nouveaux algorithmes qui constituent une hybridation totale des deux. Ces algorithmes ne traitent pas l’AA et la RO comme des boîtes noires séparées : ils combinent réellement les forces des deux domaines. Nous sommes convaincus qu’ils sont la voie à suivre pour résoudre n’importe quel problème, et qu’à l’avenir la RO et l’AA fusionneront en un nouveau champ d’études.
C’est l’approche que nous utilisons pour notre projet Une porte ouverte vers l’AGI.