Modèle sur l’AI

Modèle basé sur l’AI

Dans la plupart des cas, l’IA a besoin de milliers, voire de centaines de milliers d’images étiquetées. Obtenir ce montant à lui seul peut être un défi important pour certains systèmes, c’est pourquoi le crowdsourcing est souvent utilisé pour ce processus. Dans certains cas complexes, comme l’utilisation d’images médicales, des millions d’exemples sont nécessaires pour garantir la précision requise. Et cela devient encore plus difficile : l’IA a besoin d’un nombre équilibré d’images – c’est-à-dire la même quantité d’images des deux scénarios, malade et sain, ce qui n’est pas toujours possible.

 

 

Les fournisseurs

Une fois que le modèle d’IA est formé, il peut être intégré dans un processus automatisé. Les principaux fournisseurs de RPA, dont UiPath, rendent cette intégration relativement fluide. Il est bien sûr important que l’automatisation soit adaptée à l’application exécutée. Par exemple, il est relativement facile et peu risqué de détecter si un emballage a été endommagé afin de présenter une demande d’indemnisation, tandis que la détection d’ombres cancérigènes sur une image radiographique doit être manipulée avec beaucoup de précaution. Nous ne voulons pas que la RPA envoie automatiquement des e-mails aux patients sur la base du modèle de l’IA.

Dans ce cas, nous devons comprendre les valeurs possibles de faux-positif (la machine dit qu’il y a un cancer s’il n’y en a pas) et de faux-négatif (la machine dit qu’il n’y a pas de cancer s’il y en a un – ce qui peut être bien pire) et avoir des personnes en train de saisir les résultats qui pourraient être limites ou inquiétants pour les patients.

Apprendre à vos robots à voir peut être une compétence précieuse en matière d’automatisation si elle est utilisée correctement et de manière appropriée. Pour savoir comment la vision artificielle peut être utilisée dans votre entreprise, contactez-nous.