Le quizz techno de l'été

Réponse 3 – Un algorithme de hachage

Un algorithme de hachage est une fonction qui transforme un texte simple et quelconque en un texte très complexe et d’une longueur fixe. L’idée principale est que s’il est impossible de trouver le texte de départ (généralement un mot de passe ou un fichier) à partir du texte final, le même texte de départ sera toujours transformé dans le même texte final. Ceci permet de stocker vos mots de passe en toute sécurité (plus ou moins… ce n’est pas suffisant en réalité) en gardant juste la version « hachée » de celui-ci. Lorsque vous tapez votre mot de passe plus tard, le site Web n’a alors qu’à le hacher à nouveau et vérifier que cela correspond à ce qu’il a. Il peut vérifier un mot de passe sans le posséder.

Une autre caractéristique très importante d’un algorithme de hachage est son « effet d’avalanche », ce qui signifie qu’un très petit changement dans l’entrée devrait complètement changer la sortie. Si vous voulez essayer cela en réalité, vous pouvez essayer ici, c’est très intuitif !

La blockchain bitcoin est construite sur l’algorithme de hachage SHA-256 (SHA pour Secure Hashing Algorithm). Les mineurs de Bitcoin essayent en fait toute la journée de trouver des « mots de passe » dont la version hachée commence par un certain nombre de zéros, ceci afin de « signer » de nouveaux blocs de transactions.

Réponse 4 !

Une excellente illustration de ceci peut être trouvée dans cette amusante vidéo, regardez-la.

Attention, ceci signifie que l’algorithme est incroyablement sécurisé… face aux attaques par force brute (c’est à dire « allez j’essaye toutes les combinaisons une à une »)

MAIS il pourrait ne pas rester sécurisé à l’avenir. C’est vraiment une question de puissance de calcul. L’algorithme est sécurisé pour le moment, mais les ordinateurs seront plus rapides et efficaces dans le futur (voire en particulier la partie sur les ordinateurs quantiques), et cela pourrait ne pas rester vrai. De plus, il est réellement sécurisé pour des entrées longues et complexes, et pas du tout pour les entrées simples / courtes, car des nombreux hash simples sont précalculés et disponibles facilement… alors gardez vos mots de passe très longs, comme on vous l’a déjà dit!

Réponse 1 – une faible confidentialité

En fait, c’est tout le contraire. La forte confidentialité (chaque participant à un identifiant anonyme) des crypto-monnaies fait qu’il est plus difficile pour les gouvernements de retracer les activités illégales. Il est encore possible de tracer des bitcoins et les sorties d’argent réel correspondantes, mais cela rend la surveillance beaucoup plus difficile ( un peu comme le fameux compte numéroté en Suisse de la grande époque ).

2 est très vrai, et problématique, en particulier pour bitcoin où la puissance électrique totale nécessaire pour « miner » (trouver les « mots de passe » qui ont le hash requis) est devenue folle. C’est un grave problème écologique. Et la façon dont la blockchain est conçue ne peut qu’aggraver ce problème à l’avenir.

3 est vrai et en particulier pour les grandes « blockchain » où il y a une congestion minière (les mineurs n’arrivent plus à traiter toutes les transactions assez rapidement). Par exemple une transaction bitcoin peut être traitée entre quelques minutes et quelques jours selon le volume de transactions… ce qui est très très lent par rapport à la vitesse actuelle des transactions financières traditionelles.

4 est théoriquement vrai, et une réelle préoccupation. Etant donné que les blockchains ne sont « possédés » par personne d’autre que leurs participants, il est possible qu’un groupe d’entre eux, représentant plus qu’une grande partie de tous les participants, mène des attaques en changeant simplement les règles de la blockchain. Bien que cela soit hautement improbable pour les grandes blockchains comme le Bitcoin, c’est plus problématique pour les autres petites chaînes, principalement détenues par leurs créateurs. Garre aux petites ICO !!!

Tout cela sauf le 3 !

Bien que l’avantage 3 (meilleure découverte de prix) n’est pas à priori faux, il n’y a absolument aucune preuve de cela, et « la découverte du prix » est en fait déjà très bonne sur les marchés actuels.

Le principal avantage des «marchés financiers blockchain» est qu’ils ne seraient plus liés à des intermédiaires couteux: pas de banques détenant des titres, pas de courtiers, pas de sociétés de change, pas de chambres de compensation … Cela signifie que les points 1 et 2 seraient particulièrement vrais. Les coûts associés à l’investissement diminueraient fortement et tout le monde aurait le contrôle sur toutes ses données financières, les banques, en particulier, ne pourraient plus conserver les données de leurs clients comme elles le font actuellement.

4. est vrai aussi mais pas encore vraiment implémenté. En créant une blockchain d’actions ou d’obligations, les entreprises pourraient lever des capitaux différemment et potentiellement plus efficacement. Mais ce n’est pas si facile et pour l’instant même les « crowdlender » n’ont pas encore réussi à vraiment l’utiliser. Ceci, bien qu’intéressant, rencontre des difficultés juridiques, financières et techniques.

Réponse 2 – Les réseaux de Markov

Les « réseaux de Markov » n’existent pas. Il y a néanmoins un concept mathématique dit de chaîne de Markov qui peut en effet être utilisé dans l’intelligence artificielle.

La logique floue ( « Fuzzy Logic » ) est un sous-domaine de l’intelligence artificielle qui vise à résoudre les problèmes où le raisonnement humain correspondant est basé sur des valeurs vagues et non sur des valeurs numériques. L’exemple de base est l’automatisation de la température d’un bain: Si l’eau est « froide », ouvrez « plus » le robinet d’eau chaude, si l’eau est « chaude », fermez-le « un peu ».

Les heuristiques sont des estimations imparfaites de la progression vers un objectif spécifique et sont utilisées pour résoudre des problèmes très complexes. Ceux d’entre vous qui ont lu mon précédent article sur l’AI et les jeux vidéo le savent.

Et tout le monde sait que les réseaux de neurones artificiels sont le concept «sexy» de la saison pour l’intelligence artificielle. On en reparle tout de suite.

Réponse 4 – Nous ne savons pas vraiment

Et c’est bien toute sa beauté et son plus gros problème! Nous n’avons pas besoin de savoir pour les utiliser, mais nous ne pouvons pas vraiment les optimiser faute de fondements théoriques suffisants.

En fait, il est probable que la bonne réponse soit une sorte de mélange entre les réponses 1 2 et 3.

Les réseaux de neurones sont conçus de manière similaire au cerveau humain, mais ceci jusqu’à un certain point. Ils sont conçus avec un grand nombre de « neurones » interconnectés, et les connexions entre eux sont modulées avec les données existantes afin de régler au mieux les entrées aux sorties attendues. Cependant, le cerveau humain présente de grandes différences. Il a beaucoup plus de couches de neurones par exemple…

L’exemple d’application classique est la reconnaissance d’image. Lorsque vous donnez une image de chat à un réseau de neurones, il n’aura (comme vous) que les couleurs des différentes parties (pixels) de l’image. Mais avec une expérience suffisante (exemples), il sera capable de reconnaître lentement les motifs, ou les couleurs spécifiques, ou les formes, qui ont la plus grande probabilité d’être trouvés dans les images de chats.

La façon dont ils trouvent la «bonne solution» n’est pas claire mathématiquement parlant, mais ils fonctionnent. Ceci est cependant une énorme limitation à l’optimisation des réseaux de neurones. Le manque de compréhension théorique rend cette optimisation très difficile. Par exemple, nous ne connaissons pas vraiment le meilleur nombre de neurones et / ou de couches de neurones à utiliser. Tout cela reste à ce jour très empirique.

Si vous voulez en savoir plus sur le sujet, je vous conseille de regarder ce tutoriel vidéo très clair sur les réseaux de neurones.

Réponse 4 – Une intervention humaine pour catégoriser les données.

Les réseaux de neurones ont toujours besoin, pour apprendre, d’une grande puissance de calcul, d’une énorme quantité de données provenant du monde réel et bien sûr d’humains particulièrement intelligents pour faire fonctionner le tout. Ceci car chaque réseau doit être spécifiquement conçu et réglé avant même l’apprentissage.

Ce dont ils n’ont pas toujours besoin, c’est d’une contribution humaine au cours de l’apprentissage.

En effet, certains réseaux de neurones artificiels « apprennent » au cours de ce que l’on appelle un «apprentissage non supervisé». Ce qui signifie que l’ordinateur apprend sans nous, sans la moindre information sur le résultat qu’on souhaite le voir atteindre...

Pour revenir à l’exemple de l’image du chat: vous pouvez « donner » au réseau de neurones un grand nombre d’images et lui dire sur lesquelles il y a un chat. Cela fonctionnera, et c’est ce qu’on appelle l’apprentissage «supervisé».

Mais vous pouvez aussi simplement donner les images sans dire sur lesquelles il y a un chat. Le réseau va quand même pouvoir regrouper parmi elles les images présentant des similitudes, des « clusters ». En somme le réseau va progressivement reconnaitre les images qui ont la plus grande probabilité de contenir un sujet similaire, et ainsi reconnaître les chats sans pour autand savoir qu’ils sont des «chats».

Réponse 1 2 3 et 4 – Tous…

Cependant, l’étendue et l’avancée de leur utilisation varie bien sûr beaucoup entre eux.

« big data« . L’exploration de données, dite « data-mining », est le processus consistant à trouver des informations utiles cachées dans un énorme amas de données. La classification non supervisée par les réseaux neuronaux, et donc ses capacités de «regroupement», est dans ce cas très utile. Attention ! la formule « data-mining » peut également représenter une grave erreur statistique. Lisez ceci pour plus d’information à ce sujet.

Agro-alimentaire. La création de «nez» numériques capables de reconnaître les odeurs par l’intermédiaire de réseaux neuronaux pourrait permettre aux fabricants de produits alimentaires de mieux contrôler la qualité et de détecter plus systématiquement les anomalies.

Le droit. Des projets consistants à utiliser les réseaux de neurone dans l’évaluation automatique des clause des contrats sont en cours par exemple. Cependant, dans le domaine du droit, les applications restent limitées, pour le moment, à des tâches très standardisées. Les avocats ont encore du temps devant eux avant de fermer boutique.

La Médecine. Vrai, en particulier dans le domaine de la prédiction et du diagnostic des cancers.

Réponse 4 ( un point supplémentaire si vous avez repéré la référence cinématographique ! )

D-Wave est une vraie entreprise dédiée à conception d’ordinateurs quantiques. IBM et Google mènent également des recherches, tout comme la NSA. Et il y a d’autres acteurs bien sur. Les « ordinateurs quantiques » existants sont encore des prototypes à la fois imposants, peu puissants, bourrés de problèmes non résolus et loin d’êtres utilisables par le commun des mortels, mais ils existent.

Réponse 3 – Ils devraient traiter certains problèmes mathématiques beaucoup plus rapidement.

En réalité, la réponse 1 est complètement fausse ! Les ordinateurs quantiques purs seraient même mauvais (lents et peu surs) pour résoudre les calculs de base (genre 1 + 1). Les ordinateurs traditionnels resteraient utiles pour cela.

Mais ils devraient être extrêmement adaptés à la résolution de certains problèmes mathématiques très spécifiques.

Là où ils sont censés exceller, ce sont les « problèmes d’optimisation ». La puissance de calcul nécessaire à résoudre ses problèmes augmente en effet exponentiellement avec la complexité de ceux-ci, rendant l’utilisation d’ordinateurs traditionnels vite limitée. Hors la puissance de calcul des ordinateurs quantique augmente également exponentiellement avec leur taille, d’où l’intérêt.

C’est pourquoi les ordinateurs quantiques seront probablement des «ordinateurs hybrides», ce qui signifie qu’ils auront une partie informatique traditionnelle et partie quantique, et ils utiliseront le meilleur des deux systèmes.

Réponse 2 – Ils pourraient être capables de « casser » certains algorithmes liés à la sécurité

Les algorithmes à la base de la sécurité sur internet (les « fonctions » qui par exemple transforment votre mot de passe en quelque chose de très très complexe, comme l’algorithme SHA256) sont créés par des problèmes mathématiques qui ne peuvent être résolus facilement avec les ordinateurs actuels (problème d’optimisation…). Cela signifie que le seul moyen de les « casser » est d’essayer toutes les possibilités et de voir si cela fonctionne. C’est ce qu’on appelle « force brute ». Et cela ne fonctionne pas avec des mots de passe suffisamment longs.

Mais, de part la façon dont les ordinateurs quantiques sont « supposés » fonctionner, ils pourraient trouver bien plus facilement les solutions à certains de ces problèmes spécifiques, réduisant ainsi considérablement le temps nécessaire pour déchiffrer ces codes, les rendant potentiellement inutiles.

Ce n’est donc pas une surprise que la NSA ait décidé de lancer un projet de recherche autour de l’ordinateur quantique …

Mais ne vous inquiétez pas trop non plus. En effet, c’est un peu l’éternelle course entre l’arme et l’armure, et de nombreuses personnes travaillent déjà sur des algorithmes de sécurité qui pourraient résister à cette nouvelle technologie.

(Enfin la réponse 4 n’est en fait pas aussi stupide qu’elle en a l’air car il existe bien un effet dit de « téléportation quantique« ! )

Réponse 3 – Créer des qubits suffisamment petits.

Les «qubits» conçus actuellement sont évidemment très petits et ne posent aucun problème de taille… à eux seuls. Mais les ordinateurs entiers sont encore très très imposants, et une miniaturisation est nécessaire. Mais la réalité est qu’il y a des problèmes beaucoup plus urgents à résoudre avant cela, parmi lesquels:

1 – Maintenir assez longtemps la cohérence quantique. Sans cela, aucun calcul n’est possible. Les matériaux et la conception des qubits sont loin d’être standardisés, mais pour le moment maintenir la cohérence (« l’état » de l’ordinateur dans lequel il a un comportement quantique utilisable) implique souvent de refroidir les qubits jusqu’au quasi zéro absolu et de les isoler de toute source possible de dé-cohérence. Ce n’est pas quelque chose que vous serez capable de faire dans votre ordinateur portable avant longtemps…

2 – L’avantage réel de l’informatique quantique réside dans sa capacité à augmenter de façon exponentielle sa puissance de calcul avec le nombre de ses qubits. Sous un certain nombre d’entre eux (environ 50, mais ce chiffre est très incertain ) ça ne sert à rien, les ordinateurs traditionnels seront meilleurs, quel que soit le calcul. Ce nombre s’appelle le « point de suprématie quantique« . Malheureusement lier de nombreux qubits entre eux est très loin d’être une tâche facile.

4 – Détecter et traiter les erreurs. IBM, entre autres, travaille beaucoup sur ce problème spécifique. Les bits normaux sont sujets à des erreurs physiques (« oups c’est un 0 et il devrait y avoir un 1 ») mais les corrections sont maîtrisées. Les qubits sont fortement sujets aux erreurs du fait de leur fragile état quantique. Une seule fluctuation de température peut entraîner des variations importantes qui ne sont pas planifiées. Repérer et corriger les erreurs est donc absolument nécessaire pour construire un ordinateur quantique fiable.

Conclusion générale pour cette question et cette partie : ne vous inquiétez pas trop concernant les ordinateurs quantiques, ils ne sont pas encore prêts ! Mais continuer de vous informer…