Des experts lancent un appel global à la mise sur pied de lignes rouges en matière de développement d'IA,

Dix lauréats du prix Nobel de la paix figurent parmi les signataires de l'appel

Des experts de divers domaines parmi lesquels une dizaine de prix Nobel de la paix viennent de lancer un appel global à la mise sur pied de lignes rouges en matière de développement d’intelligence artificielle. Cet appel, comme de précédents aux contenus similaires, tombent dans un contexte de perception de l’intelligence artificielle comme un moyen de dominer sur les nations. Le tableau suscite des questionnements sur la possibilité de la mise sur pied de lignes rouges en matière de développement d’intelligence artificielle et leur applicabilité à l’échelle globale.

L’on assiste en effet à la militarisation de l’intelligence artificielle comme le souligne le président ukrainien Volodymyr Zelenskyy

Le président Volodymyr Zelenskyy a profité de son discours à l'ONU pour avertir les dirigeants mondiaux que nous vivons actuellement « la course aux armements la plus destructrice de l'histoire de l'humanité ». Le président de l'Ukraine a profité de son discours devant l'Assemblée pour évoquer l'évolution rapide des technologies militaires et la menace que cela représente pour les populations du monde entier. Il a déclaré à l'ONU que cette course aux armements était d'autant plus destructrice qu'elle était alimentée par l'intelligence artificielle et que le monde ne faisait pas assez pour se protéger contre cette menace.


Robots-chiens, drones, etc. : Tous les pays sont lancés dans le développement d’armes animées par l’intelligence artificielle

Les robots-chiens par exemple font partie des centres d’intérêt de plusieurs armées de par le monde. Ces robots s’appuient à la base sur des applications de détection et suivi d’objets. Dans ce cas, il y a au préalable collecte des images provenant de caméras avant puis détection d’objet sur une classe spécifiée. Cette détection utilise Tensorflow via le tensorflow_object_detector. Le robot accepte n'importe quel modèle Tensorflow et permet au développeur de spécifier un sous-ensemble de classes de détection incluses dans le modèle. Il effectue cet ensemble d'opérations pour un nombre prédéfini d'itérations, en bloquant pendant une durée prédéfinie entre chaque itération. L'application détermine ensuite l'emplacement de la détection la plus fiable de la classe spécifiée et se dirige vers l'objet.

L’application est organisée en trois ensembles de processus Python communiquant avec le robot Spot. Le diagramme des processus est illustré ci-dessous. Le processus principal communique avec le robot Spot via GRPC et reçoit constamment des images. Ces images sont poussées dans la RAW_IMAGES_QUEUE et lues par les processus Tensorflow. Ces processus détectent des objets dans les images et poussent l'emplacement dans PROCESSED_BOXES_QUEUE. Le thread principal détermine alors l'emplacement de l'objet et envoie des commandes au robot pour qu'il se dirige vers l'objet....