Qu’est-ce qu’une IHM basée sur l’IA ?
Les interfaces homme-machine (IHM) assistées par l’IA sont des systèmes qui impliquent des interactions entre le système technique d’une machine et un opérateur dans un contexte et à travers divers canaux :
– la machine est elle-même une hiérarchie de systèmes interconnectés capables d’acquérir des données en temps réel, de les traiter, d’utiliser l’intelligence artificielle et de créer des modèles ;
– l’opérateur présente des spécificités et des performances intra-individuelles et inter-individuelles, notamment la mobilisation de capacités cognitives et d’entraînement pour une tâche donnée ;
– les canaux incluent, mais ne sont pas limités à : la vision et l’imagerie, la voix et le son, le toucher et l’haptique, l’immersion 2D-3D, et un développement possible des interactions (directes) cerveau-machine. Elles impliquent à la fois des échanges directionnels de machine à homme et d’homme à machine. Elles visent à fournir des informations, à mettre en place des décisions, à agir et à vérifier les conséquences de l’action pour la meilleure récupération, tant du côté humain que du côté machine.
La conception des IHM compatibles avec l’IA doit tenir compte de la capacité d’apprentissage, de l’intentionnalité et de l’augmentation
Trois caractéristiques de l’IA doivent être prises en compte par les concepteurs d’IHM : la capacité d’apprentissage, l’intentionnalité et l’augmentation.
Source: Presans
L’apprentissage de l’IA nécessite un va-et-vient naturel de l’IHM
L’aptitude à l’apprentissage est la capacité de faire des prédictions sur un grand ensemble de données en échantillonnant un petit nombre de points de données. Cette caractéristique implique que l’IA possède des attributs cognitifs, tels que l’observation impartiale, la connaissance permanente de l’environnement et l’identification de modèles partagés par différentes occurrences. Les données servant de source d’apprentissage pour l’IA peuvent être recueillies par l’IHM auprès d’un humain situé à proximité, grâce aux progrès technologiques rapides dans le domaine de l’exploration des données, de la reconnaissance visuelle et du traitement du langage naturel. Par exemple, une équipe de NVIDIA développe une nouvelle méthode d’apprentissage de l’IA pour les robots industriels qui vise à imiter de près la façon dont nous apprenons nous-mêmes, y compris l’apprentissage ponctuel. Cela implique que nous devons nous préparer à une interface naturelle centrée sur l’homme afin de former les IA de manière efficace et efficiente, sans interface de formation pour les humains afin d’apprendre à former l’intelligence artificielle avec elle. En outre, afin de déterminer la qualité et la clarté de l’apprentissage de l’IA par les humains, les IHM compatibles avec l’IA doivent permettre une communication itérative en va-et-vient entre les humains et l’intelligence artificielle. Si l’opérateur humain commet une erreur pendant qu’il forme l’IA, l’interface doit l’informer de l’erreur commise et de la manière de la corriger le plus rapidement possible.
L’intentionnalité de l’IA exige la transparence
Au-delà de la détection, de la compréhension et de l’apprentissage du contexte des objets et des environnements environnants, les IA peuvent exécuter des tâches de manière indépendante sur la base des informations et des connaissances recueillies. Le niveau d’automatisation de la sélection des décisions et des actions nécessite plus ou moins d’intervention de la part des humains. Si l’on applique ces niveaux d’automatisation aux voitures autonomes, les agents artificiels dotés d’un niveau d’automatisation moyen suggéreront à un conducteur humain de changer d’itinéraire pour arriver plus tôt à destination et ne modifieront l’itinéraire que si le conducteur l’autorise. Au contraire, l’intelligence artificielle avec le plus haut niveau d’automatisation changerait l’itinéraire sans aucune alerte ou notification. Dans ce cas, un conducteur humain ne peut pas comprendre pourquoi la voiture autonome change d’itinéraire, même s’il peut deviner que l’IA a trouvé un meilleur itinéraire.
Même si le changement d’itinéraire apporte de meilleures performances, comme une arrivée plus tôt que prévu ou une conduite plus sûre, le fait de changer de voie sans aucune notification suscite un sentiment d’insécurité et rend difficile la confiance dans l’IA. La confiance est le moteur des conceptions d’IA et d’IHM qui impliquent des opérateurs humains même lorsque ce n’est pas strictement nécessaire, et qui fournissent des explications et des visualisations donnant accès aux intentions du robot.
L’augmentation de l’IA nécessite une répartition collaborative des tâches
Il existe différents types de collaboration entre les humains et les machines dotées de l’intelligence artificielle en fonction de deux caractéristiques : le degré de dépendance de la tâche d’un travailleur humain par rapport à la tâche de la machine dotée de l’intelligence artificielle et le degré d’implication du travailleur humain dans la machine dotée de l’intelligence artificielle en termes d’exécution de la tâche, de prise de décision et de résolution des erreurs. Grâce à ces deux caractéristiques, la collaboration entre les humains et les machines dotées de l’intelligence artificielle peut être classée en trois catégories : augmentation humaine, supervision humaine, intervention humaine et automatisation.
Source: Presans
La manière dont les tâches, les rôles et les responsabilités sont attribués aux humains et aux machines dotées de l’intelligence artificielle est différente dans chaque catégorie de collaboration. Dans le cas de l’augmentation humaine, les machines dotées d’IA jouent le rôle de collègues intelligents et robustes. Par exemple, l’exosquelette portable de Hyundai soutient le bras d’un travailleur humain pendant les tâches aériennes et le RoboGlove de General Motors réduit la tension des tendons des travailleurs humains qui saisissent des objets toute la journée. La machine dotée d’une IA augmentée peut également assister le travailleur humain dans des tâches telles que le dimensionnement d’une boîte d’emballage et la fourniture de la bonne quantité de ruban adhésif au travailleur humain pour les tâches d’emballage. De même, les tâches assignées à un travailleur humain et à une machine dotée de l’intelligence artificielle sont du même niveau d’importance et de difficulté, ou étroitement liées les unes aux autres. De même, la supervision humaine indique que les tâches assignées à un travailleur humain et à une machine dotée de l’intelligence artificielle appartiennent au même flux d’exécution. Par exemple, un travailleur humain indique l’endroit où les colis doivent être livrés, puis une machine pilotée par l’IA charge les colis et les livre à l’endroit désigné. La seule différence ici est le rôle dans la tâche : un travailleur humain joue le rôle du patron dans cette tâche, tandis qu’une machine dotée de l’IA prend le rôle du subordonné. L’intervention humaine nécessite une
action supplémentaire de la part d’un travailleur humain pour prendre le relais d’une machine ou résoudre une situation aussi rapidement que possible lorsque la machine rencontre des difficultés inattendues.
La cartographie des caractéristiques de conception des technologies IHM basées sur l’IA peut aider à orienter les feuilles de route en matière d’innovation
Presans peut aider les innovateurs industriels à identifier les caractéristiques de conception qui optimiseront les performances des IHM basées sur l’IA : apprentissage, intentionnalité et augmentation.
