Comment fonctionne l'intelligence artificielle ?
Approches et concepts de l'IA
Moins de dix ans après avoir brisé la machine de cryptage nazie Enigma et aidé les forces alliées à remporter la Seconde Guerre mondiale, le mathématicien Alan Turing a changé l'histoire une deuxième fois en posant une simple question : "Les machines peuvent-elles penser ?"
L'article de Turing intitulé "Computing Machinery and Intelligence" (1950), et le test de Turing qui a suivi, ont établi l'objectif fondamental et la vision de l'intelligence artificielle.
À la base, l'IA est la branche de l'informatique qui vise à répondre par l'affirmative à la question de Turing. Elle s'efforce de reproduire ou de simuler l'intelligence humaine dans des machines.
L'objectif étendu de l'intelligence artificielle a donné lieu à de nombreuses questions et débats. À tel point qu'aucune définition unique du domaine n'est universellement acceptée.
Les machines peuvent-elles penser ? - Alan Turing, 1950
La principale limite de la définition de l'IA, qui consiste simplement à "construire des machines intelligentes", est qu'elle n'explique pas réellement ce qu'est l'intelligence artificielle ? Qu'est-ce qui rend une machine intelligente ? L'IA est une science interdisciplinaire aux approches multiples, mais les progrès de l'apprentissage automatique et de l'apprentissage profond sont en train de créer un changement de paradigme dans pratiquement tous les secteurs de l'industrie technologique.
Dans leur ouvrage révolutionnaire intitulé Artificial Intelligence : A Modern Approach, les auteurs Stuart Russell et Peter Norvig abordent la question en unifiant leurs travaux autour du thème des agents intelligents dans les machines. Dans cette optique, l'IA est "l'étude des agents qui reçoivent des percepts de l'environnement et exécutent des actions". (Russel et Norvig viii)
Norvig et Russell poursuivent en explorant quatre approches différentes qui ont historiquement défini le domaine de l'IA :
- Penser humainement
- Penser rationnellement
- Agir de manière humaine
- Agir de manière rationnelle
Les deux premières idées concernent les processus de pensée et le raisonnement, tandis que les autres traitent du comportement. Norvig et Russell se concentrent particulièrement sur les agents rationnels qui agissent pour obtenir le meilleur résultat, notant que "toutes les compétences nécessaires pour le test de Turing permettent également à un agent d'agir rationnellement." (Russel et Norvig 4).
Patrick Winston, le professeur Ford d'intelligence artificielle et d'informatique au MIT, définit l'IA comme "des algorithmes activés par des contraintes, exposés par des représentations qui soutiennent des modèles ciblés sur des boucles qui relient la pensée, la perception et l'action."
Bien que ces définitions puissent sembler abstraites pour le commun des mortels, elles aident à cibler le domaine en tant que branche de l'informatique et fournissent un plan directeur pour l'infusion de machines et de programmes avec l'apprentissage automatique et d'autres sous-ensembles de l'intelligence artificielle.
Types d'intelligence artificielle | L'intelligence artificielle expliquée | Qu'est-ce que l'IA ?
Les quatre types d'intelligence artificielle
Machines réactives
Une machine réactive suit les principes les plus élémentaires de l'IA et, comme son nom l'indique, est capable d'utiliser uniquement son intelligence pour percevoir et réagir au monde qui se présente à elle. Une machine réactive ne peut pas stocker de mémoire et, par conséquent, ne peut pas s'appuyer sur des expériences passées pour prendre des décisions en temps réel.
Percevoir le monde directement signifie que les machines réactives sont conçues pour n'accomplir qu'un nombre limité de tâches spécialisées. Le fait de restreindre intentionnellement la vision du monde d'une machine réactive n'est toutefois pas une mesure de réduction des coûts, mais signifie plutôt que ce type d'IA sera plus fiable, car elle réagira toujours de la même manière aux mêmes stimuli.
Un exemple célèbre de machine réactive est Deep Blue, conçu par IBM dans les années 1990 comme un superordinateur pour jouer aux échecs et qui a battu le grand maître international Gary Kasparov dans une partie. Deep Blue était uniquement capable d'identifier les pièces sur un échiquier et de savoir comment chacune d'entre elles se déplace en fonction des règles du jeu d'échecs, de reconnaître la position actuelle de chaque pièce et de déterminer le mouvement le plus logique à ce moment-là. L'ordinateur ne cherchait pas à connaître les mouvements potentiels de son adversaire ou à placer ses propres pièces dans une meilleure position. Chaque tour était considéré comme une réalité à part entière, distincte de tout autre mouvement effectué au préalable.
AlphaGo, de Google, est un autre exemple de machine réactive jouant au jeu. AlphaGo est également incapable d'évaluer les mouvements futurs, mais s'appuie sur son propre réseau neuronal pour évaluer l'évolution du jeu actuel, ce qui lui donne un avantage sur Deep Blue dans un jeu plus complexe. AlphaGo a également surpassé des concurrents de classe mondiale dans ce jeu, en battant le champion de go Lee Sedol en 2016.
Bien que limitée et difficilement modifiable, l'intelligence artificielle des machines réactives peut atteindre un certain niveau de complexité et offre une certaine fiabilité lorsqu'elle est créée pour accomplir des tâches reproductibles.
Mémoire limitée
L'intelligence artificielle à mémoire limitée a la capacité de stocker des données et des prédictions antérieures lors de la collecte d'informations et de l'évaluation de décisions potentielles - essentiellement en regardant dans le passé pour trouver des indices sur ce qui pourrait arriver ensuite. L'intelligence artificielle à mémoire limitée est plus complexe et offre de plus grandes possibilités que les machines réactives.
L'IA à mémoire limitée est créée lorsqu'une équipe forme continuellement un modèle à l'analyse et à l'utilisation de nouvelles données ou lorsqu'un environnement d'IA est construit pour que les modèles puissent être formés et renouvelés automatiquement. Lorsque l'on utilise l'IA à mémoire limitée dans l'apprentissage automatique, six étapes doivent être suivies : Les données d'apprentissage doivent être créées, le modèle d'apprentissage automatique doit être créé, le modèle doit être capable de faire des prédictions, le modèle doit être capable de recevoir un retour humain ou environnemental, ce retour doit être stocké sous forme de données, et ces étapes doivent être répétées comme un cycle.
Il existe trois grands modèles d'apprentissage automatique qui utilisent l'intelligence artificielle à mémoire limitée :
L'apprentissage par renforcement, qui apprend à faire de meilleures prédictions par des essais et erreurs répétés.
La mémoire à long terme (LSTM), qui utilise les données passées pour aider à prédire le prochain élément d'une séquence. Les LTSM considèrent que les informations les plus récentes sont les plus importantes pour faire des prédictions et ne tiennent pas compte des données plus anciennes, mais les utilisent quand même pour tirer des conclusions.
Les réseaux adversariaux génératifs évolutifs (E-GAN), qui évoluent au fil du temps, en se développant pour explorer des chemins légèrement modifiés basés sur les expériences précédentes à chaque nouvelle décision. Ce modèle est constamment à la recherche d'une meilleure voie et utilise les simulations et les statistiques, ou le hasard, pour prédire les résultats tout au long de son cycle de mutation évolutive.
La théorie de l'esprit
La théorie de l'esprit n'est que théorique. Nous n'avons pas encore atteint les capacités technologiques et scientifiques nécessaires pour parvenir à ce niveau supérieur d'intelligence artificielle.
Ce concept repose sur le principe psychologique selon lequel il faut comprendre que les autres êtres vivants ont des pensées et des émotions qui influencent le comportement de chacun. En termes de machines IA, cela signifierait que l'IA pourrait comprendre comment les humains, les animaux et d'autres machines se sentent et prennent des décisions par le biais de l'autoréflexion et de la détermination, et qu'elle utiliserait ensuite ces informations pour prendre ses propres décisions. Essentiellement, les machines devraient être capables de saisir et de traiter le concept d'"esprit", les fluctuations des émotions dans la prise de décision et toute une série d'autres concepts psychologiques en temps réel, créant ainsi une relation à double sens entre les personnes et l'intelligence artificielle.
Et si l'IA devenait consciente d'elle-même ?
Conscience de soi
Une fois que la théorie de l'esprit aura été établie dans l'intelligence artificielle, dans un avenir lointain, l'étape finale consistera pour l'IA à devenir consciente d'elle-même. Ce type d'intelligence artificielle possède une conscience de niveau humain et comprend sa propre existence dans le monde, ainsi que la présence et l'état émotionnel des autres. Elle serait capable de comprendre les besoins des autres en se basant non seulement sur ce qu'ils lui communiquent, mais aussi sur la manière dont ils le font.
La conscience de soi dans l'intelligence artificielle repose à la fois sur la compréhension par les chercheurs humains des prémisses de la conscience et sur l'apprentissage de la manière de la reproduire afin de pouvoir l'intégrer aux machines.