dans ,

Un langage de programmation probabiliste pour une IA équitable

SPPL, le nouveau langage de programmation probabiliste

Un langage de programmation probabiliste permet de répondre plus efficacement et sans erreur aux problèmes difficiles de l’IA, dont l’équité.

Le secteur administratif a commencé à adopter les algorithmes d’IA pour prendre des décisions qui impactent la vie des gens. Malheureusement, ces systèmes sont parfois biaisés et ont des conséquences disproportionnées sur certaines personnes. Avec ce nouveau langage de programmation d’intelligence artificielle, des chercheurs espèrent répondre plus facilement à ces problèmes.

SPPL, le nouveau langage de programmation probabiliste

Face aux problèmes de biais auxquels l’IA fait face, des chercheurs du MIT ont mis au point un nouveau langage de programmation d’intelligence artificielle. Il s‘agit d’un langage qui permet d’évaluer l’équité des algorithmes d’une manière plus précise et plus rapide que les solutions préexistantes.

Dans un article, les chercheurs présentent donc le tout nouveau SPPL (Sum-Product Probabilistic Language) implémenté en Python et disponible en open source.

La programmation probabiliste est un domaine émergent à la frontière des langages de programmation et de l’IA. Le but de ce type de système est de faciliter le développement des algorithmes d’IA. Autrement dit, un langage de programmation probabiliste permet aux programmeurs de définir des modèles et d’effectuer des inférences probabilistes beaucoup plus facilement. Avec SPPL, les chercheurs, représentés par Feras Saad, proposent alors de fournir des solutions 3 000 fois plus rapidement.

À la différence des langages probabilistes existants, SPPL permet uniquement aux utilisateurs d’écrire des programmes pour lesquels il peut fournir des résultats d’inférence probabilistes exacts. Par ailleurs, SPPL autorise les utilisateurs à vérifier la rapidité de l’inférence pour éviter d’écrire des programmes lents.

Les impacts des algorithmes d’IA sur l’équité

Avec certains langages de programmation probabilistes tels que Gen et Pyro, les inférences ne sont qu’approximatives. Certes, il existe de nombreuses applications d’IA qui tolèrent les erreurs dues à ces inférences. Mais quand il est question d’automatiser les prises de décisions, ces applications ont un impact social dans l’analyse de l’équité.

Jean-Baptiste Tristan est un professeur associé au Boston College et ancien chercheur chez Oracle Labs. N’ayant pas participé aux recherches, il affirme cependant que SPPL offre une meilleure flexibilité et fiabilité que les autres PPL. D’après lui, SPPL est expressif avec une sémantique précise et simple. De plus la vitesse et la solidité du moteur d’inférence symbolique exact sont plus efficaces pour éviter les erreurs et résoudre les problèmes d’équité.

Laisser un commentaire

Votre adresse e-mail ne sera pas publiée.