La transformation de l’informatique | Examen de la technologie du MIT

Wing elle-même n’a jamais eu l’intention d’étudier l’informatique. Au milieu des années 1970, elle est entrée au MIT pour poursuivre des études d’ingénierie électrique, inspirée par son père, professeur dans ce domaine. Lorsqu’elle a découvert son intérêt pour l’informatique, elle l’a appelé pour lui demander s’il s’agissait d’une mode passagère. Après tout, le domaine n’avait même pas de manuels. Il lui a assuré que ce n’était pas le cas. Wing a changé de major et n’a jamais regardé en arrière.

Anciennement vice-président d’entreprise de Microsoft Research et maintenant vice-président exécutif de la recherche à l’Université de Columbia, Wing est un leader dans la promotion de la science des données dans plusieurs disciplines.

Anil Ananthaswamy a récemment interrogé Wing sur son ambitieux programme de promotion d’une « IA digne de confiance », l’un des 10 défis de recherche elle est identifiée dans sa tentative de rendre les systèmes d’IA plus justes et moins biaisés.

Q : Diriez-vous qu’il y a une transformation en cours dans la façon dont le calcul est effectué ?

R : Absolument. La loi de Moore nous a menés loin. Nous savions que nous allions atteindre le plafond pour la loi de Moore, [so] l’informatique parallèle a pris de l’importance. Mais le changement de phase était le cloud computing. Les systèmes de fichiers distribués d’origine étaient une sorte de baby cloud computing, où vos fichiers n’étaient pas locaux sur votre machine ; ils étaient ailleurs sur le serveur. Le cloud computing prend cela et l’amplifie encore plus, là où les données ne sont pas près de chez vous ; le calcul n’est pas près de chez vous.

Le prochain changement concerne les données. Pendant très longtemps, nous nous sommes concentrés sur les cycles, rendant les choses plus rapides : les processeurs, les CPU, les GPU et davantage de serveurs parallèles. Nous avons ignoré la partie données. Maintenant, nous devons nous concentrer sur les données.

Q : C’est le domaine de la science des données. Comment le définiriez-vous? Quels sont les défis liés à l’utilisation des données ?

UNE: J’ai une définition très succincte. La science des données est l’étude de l’extraction de la valeur des données.

Vous ne pouvez pas simplement me donner un tas de données brutes et j’appuie sur un bouton et la valeur sort. Cela commence par la collecte, le traitement, le stockage, la gestion, l’analyse et la visualisation des données, puis l’interprétation des résultats. Je l’appelle le cycle de vie des données. Chaque étape de ce cycle représente beaucoup de travail.

Q : Lorsque vous utilisez des données volumineuses, des préoccupations surgissent souvent concernant la confidentialité, la sécurité, l’équité et les préjugés. Comment résoudre ces problèmes, en particulier en IA ?

UNE: J’ai ce nouveau programme de recherche dont je fais la promotion. Je l’appelle IA digne de confiance, inspirée par les décennies de progrès que nous avons réalisés dans le domaine de l’informatique digne de confiance. Par fiabilité, nous entendons généralement la sécurité, la fiabilité, la disponibilité, la confidentialité et la convivialité. Au cours des deux dernières décennies, nous avons fait beaucoup de progrès. Nous avons des méthodes formelles qui peuvent assurer l’exactitude d’un morceau de code ; nous avons des protocoles de sécurité qui augmentent la sécurité d’un système particulier. Et nous avons certaines notions de vie privée qui sont formalisées.

Une IA digne de confiance fait monter la barre de deux manières. Tout d’un coup, nous parlons de robustesse et d’équité – la robustesse signifie que si vous perturbez l’entrée, la sortie n’est pas très perturbée. Et nous parlons d’interprétabilité. Ce sont des choses dont nous n’avions jamais l’habitude de parler lorsque nous parlions d’informatique.