Accueil Robotique Code to Joy : Pourquoi tout le monde devrait apprendre un peu de programmation – Entretien avec Michael Littman

Code to Joy : Pourquoi tout le monde devrait apprendre un peu de programmation – Entretien avec Michael Littman

0
Code to Joy : Pourquoi tout le monde devrait apprendre un peu de programmation – Entretien avec Michael Littman


Code to Joy : pourquoi tout le monde devrait apprendre un peu de programmation est un nouveau livre de Michael Litman, professeur d’informatique à l’université Brown et administrateur fondateur d’AIhub. Nous avons parlé à Michael de ce que couvre le livre, de ce qui l’a inspiré et du fait que nous sommes tous familiers avec de nombreux concepts de programmation dans notre vie quotidienne, que nous en soyons conscients ou non.

Pourriez-vous commencer par nous parler un peu du livre et quel est le public visé ?

Le public visé n’est pas celui des informaticiens, même si j’ai reçu un accueil très chaleureux de la part des informaticiens, ce que j’apprécie. L’idée derrière ce livre est d’essayer d’aider les gens à comprendre que dire aux machines quoi faire (c’est ainsi que je vois une grande partie de l’informatique et de l’IA) est quelque chose de vraiment accessible à tous. Il s’appuie sur les compétences et les pratiques que les gens possèdent déjà. Je pense que cela peut être très intimidant pour beaucoup de gens, mais je ne pense pas que ce soit nécessaire. Je pense que les fondations sont là pour tout le monde et qu’il s’agit simplement de les exploiter et de construire par-dessus. Ce que j’espère, et ce que je constate, c’est que l’apprentissage automatique et l’IA aident les gens à faire des rencontres à mi-chemin. Les machines écoutent mieux à mesure que nous essayons de mieux leur dire quoi faire.

Qu’est-ce qui vous a décidé à écrire ce livre, quelle a été votre inspiration ?

J’ai donné de grands cours d’introduction à l’informatique et j’ai l’impression qu’il contient un message important sur la façon dont une connaissance plus approfondie de l’informatique peut être très enrichissante, et je voulais l’apporter à un public plus large.

Pourriez-vous parler un peu de la structure du livre ?

L’essentiel du livre parle des composants fondamentaux qui composent les programmes ou, en d’autres termes, qui constituent la manière dont nous disons aux ordinateurs quoi faire. Chaque chapitre couvre un sujet différent – ​​boucles, variables, conditions, par exemple. Dans chaque chapitre, je parle de la manière dont ce concept est déjà familier aux gens, de la manière dont il apparaît dans la vie quotidienne. Je souligne des logiciels ou des sites Web existants sur lesquels vous pouvez utiliser ce concept particulier pour indiquer aux ordinateurs quoi faire. Chaque chapitre se termine par une introduction à certains concepts de l’apprentissage automatique qui peuvent aider à créer cette construction de programmation particulière. Par exemple, dans le chapitre sur les conditions, je parle de la façon dont nous utilisons tout le temps le mot « si » dans la vie ordinaire. Les mariages, par exemple, sont structurés de manière très conditionnelle, avec des déclarations telles que « si quelqu’un a quelque chose à dire, parlez-en maintenant ou taisez-vous pour toujours ». C’est une sorte de déclaration « si-alors ». En termes d’outils avec lesquels jouer, je parle de fiction interactive. À mi-chemin entre les jeux vidéo et les romans se trouve cette idée selon laquelle on peut créer une histoire qui s’adapte au fur et à mesure de sa lecture. Ce qui rend cela intéressant, c’est cette notion de conditions : le lecteur peut faire un choix et cela provoquera un branchement. Il existe des outils vraiment merveilleux pour pouvoir jouer avec cette idée en ligne, vous n’avez donc pas besoin d’être un programmeur à part entière pour utiliser les conditions. Le concept d’apprentissage automatique introduit ici est celui des arbres de décision, qui est une forme plus ancienne d’apprentissage automatique dans laquelle vous donnez à un système un tas d’exemples, puis il génère un petit organigramme pour la prise de décision.

Parlez-vous de l’IA générative dans le livre ?

Le livre était déjà en production au moment où ChatGPT est sorti, mais j’étais en avance sur la courbe, et j’avais une section spécifiquement sur GPT-3 (pré-ChatGPT) qui parle de ce que c’est, comment l’apprentissage automatique le crée, et comment il peut lui-même être utile dans la création de programmes. Donc, vous le voyez des deux côtés. Vous avez l’impression que cet outil aide réellement les gens à dire aux machines quoi faire, et aussi la façon dont l’humanité a créé cet outil en premier lieu en utilisant l’apprentissage automatique.

Avez-vous appris quelque chose de particulièrement intéressant ou surprenant en écrivant le livre ?

La recherche des exemples pour chaque chapitre m’a amené à approfondir tout un tas de sujets. Cette notion de fiction interactive, et le fait qu’il existe des outils pour créer de la fiction interactive, m’a semblé assez intéressante. En recherchant un autre chapitre, j’ai trouvé un exemple tiré d’un livre de prières juif qui m’a tellement choqué. Ainsi, les livres de prières juifs (et je ne sais pas si cela est également vrai dans d’autres systèmes de croyance, mais je connais surtout le judaïsme), contiennent des choses que vous êtes censé lire, mais ils portent peu de marques conditionnelles. parfois. Par exemple, on pourrait dire « ne lis pas ceci si c’est un samedi », ou « ne lis pas ceci si c’est la pleine lune », ou « ne lis pas si c’est la pleine lune un samedi ». J’ai trouvé un passage qui comportait en fait 14 conditions différentes qu’il fallait vérifier pour décider s’il était approprié ou non de lire ce passage particulier. Cela m’a surpris – je n’avais aucune idée que les gens étaient censés faire autant de calculs complexes lors d’une activité de culte.

Pourquoi est-il important que tout le monde apprenne un peu de programmation ?

Il est vraiment important de garder à l’esprit l’idée qu’en fin de compte, ce que fait l’IA nous permet de dire plus facilement aux machines quoi faire, et nous devrions partager cette capacité accrue avec une large population. Les ingénieurs en apprentissage automatique ne devraient pas être les seuls à pouvoir indiquer plus facilement aux ordinateurs quoi faire. Nous devrions trouver des moyens de rendre cela plus facile pour tout le monde.

Parce que les ordinateurs sont là pour vous aider, mais c’est une voie à double sens. Nous devons être disposés à apprendre à exprimer ce que nous voulons d’une manière qui puisse être réalisée avec précision et automatiquement. Si nous ne faisons pas cet effort, d’autres parties, souvent des entreprises, interviendront et le feront à notre place. À ce stade, les machines travaillent pour servir les intérêts des autres plutôt que les nôtres. Je pense qu’il est devenu absolument essentiel de rétablir une relation saine avec ces machines avant de perdre davantage de notre autonomie.

Des dernières réflexions ou points à retenir que nous devrions garder à l’esprit ?

Je pense qu’il y a ici un message pour les chercheurs en informatique également. Lorsque nous disons aux autres quoi faire, nous avons tendance à combiner une description ou une règle, quelque chose qui ressemble en quelque sorte à un programme, avec des exemples, quelque chose qui ressemble davantage à des données. Nous les mélangeons simplement lorsque nous nous parlons. À un moment donné, lorsque j’écrivais le livre, j’avais un lave-vaisselle qui ne fonctionnait pas et j’ai voulu comprendre pourquoi. J’ai lu son manuel et j’ai été frappé par la fréquence à laquelle, en disant aux gens quoi faire avec le lave-vaisselle, les auteurs mélangeaient systématiquement une description de haut niveau de ce qu’ils vous demandaient de faire avec un lave-vaisselle particulier. , des exemples frappants : une règle sur ce qu’il faut charger dans le panier supérieur et une liste d’articles qui correspondent à cette règle. Il semble que ce soit la manière dont les gens souhaitent à la fois transmettre et recevoir des informations. Ce qui est fou pour moi, c’est qu’on ne programme pas les ordinateurs de cette façon. Soit nous utilisons quelque chose qui est strictement de la programmation, toutes les règles, pas d’exemples, soit nous utilisons l’apprentissage automatique, où ce ne sont que des exemples, pas de règles. Je pense que la raison pour laquelle les gens communiquent de cette façon entre eux est que ces deux mécanismes différents ont des forces et des faiblesses complémentaires et que lorsque vous combinez les deux, vous maximisez les chances d’être compris avec précision. Et c’est le but lorsque nous disons aux machines quoi faire. Je souhaite que la communauté de l’IA réfléchisse à la manière dont nous pouvons combiner ce que nous avons appris sur l’apprentissage automatique avec quelque chose de plus proche de la programmation pour créer un moyen beaucoup plus puissant de dire aux machines quoi faire. Je ne pense pas que ce soit un problème encore résolu, et c’est une chose à laquelle j’espère vraiment que les gens de la communauté y réfléchiront.


Code to Joy : pourquoi tout le monde devrait apprendre un peu de programmation est disponible à l’achat maintenant.

Michael Litman

Michael L. Littman est professeur d’informatique à l’Université Brown, où il étudie l’apprentissage automatique et la prise de décision dans des conditions d’incertitude. Il a remporté plusieurs prix universitaires pour l’enseignement et ses recherches sur l’apprentissage par renforcement, la planification probabiliste et la résolution automatisée de mots croisés ont été récompensées par trois prix du meilleur article et trois prix d’article influent. Littman est codirecteur de la Humanity Centered Robotics Initiative de Brown et membre de l’Association pour l’avancement de l’intelligence artificielle et de l’Association for Computing Machinery. Il est également membre de l’American Association for the Advancement of Science Leshner Leadership Institute for Public Engagement with Science, axé sur l’intelligence artificielle. Il est actuellement directeur de division pour l’information et les systèmes intelligents à la National Science Foundation.




AIhub
est une organisation à but non lucratif dédiée à connecter la communauté de l’IA au public en fournissant des informations gratuites et de haute qualité sur l’IA.

AIhub est une organisation à but non lucratif dédiée à connecter la communauté de l’IA au public en fournissant des informations gratuites et de haute qualité sur l’IA.


Lucy Smith est rédactrice en chef d’AIhub.

LAISSER UN COMMENTAIRE

S'il vous plaît entrez votre commentaire!
S'il vous plaît entrez votre nom ici