Intelligence Artificielle : à quoi correspond ce secteur de l’innovation ?

Pinterest LinkedIn +

Si des idées qui y ressemblent existent depuis bien longtemps, la définition du concept et de son appellation remonte aux années 50. Quant à son application concrète, il faut ajouter quelques décennies pour que la technologie la rende possible. L’intelligence artificielle semble prendre une importance grandissante, pour autant, savons-nous vraiment ce que signifie cet adage ? Après le hardware et les logiciels, nous nous penchons à présent sur cette question.

rendu 3D interface

Une courte définition de l’Intelligence artificielle

C’est un système informatique capable de simuler l’intelligence humaine basé entre autres sur un panel d’algorithme et une immense quantité de données. Ces dernières constituent les fondations sur lesquels s’appuient des prises de décision autonome. En outre, l’objectif d’une intelligence artificielle est de raisonner, de percevoir et d’apprendre comme nous. La réalisation de cet objectif passe par différentes méthodes dites d’apprentissage machine comme le deep learning.

À quoi sert l’Intelligence Artificielle ?

De nos jours, ses domaines d’applications demeurent multiples, parmi eux on trouve : 

  • La santé : Les systèmes experts sont de plus en plus efficaces dans la réalisation de diagnostics médicaux. En outre, d’autres programmes pourraient dans le futur, aider au développement de nouveaux médicaments.
  • Le secteur bancaire et financier : L’IA peut-être utile pour détecter des opérations frauduleuses ou aider un conseiller dans une prise de décision.
  • Transport : Par exemple, le mode Autopilot de Tesla permet une conduite autonome de ses véhicules. L’IA analyse les images issues des différentes caméras dissimulées dans la carrosserie et apporte la réaction adaptée. Plus largement, c’est les transports en commun qui pourraient en tirer un important bénéfice.
  • Le web : Les recommandations de produits que Google vous propose ou la modération des contenus sur les réseaux sociaux passent elles aussi par une intelligence artificielle.
  • Le jeu vidéo : Si cet aspect est rarement le plus soigné, il progresse malgré tout et certains jeux possèdent une IA qui s’adapte en fonction de ce que fait le joueur comme Écho, sorti en septembre 2017.
illustration voiture autonome

L’histoire de l’Intelligence Artificielle

Cette discipline naît à l’école d’été de Dartmouth organisée en 1956 par quatre chercheurs. Parmi eux se trouvent Marvin Minsky et John McCarthy. Une année auparavant, ces derniers lancent une demande de subvention auprès de la fondation Rockefeller et choisissent ce nom pour marquer les esprits. Ainsi, leur tentative ressort couronnée de succès et le terme n’a pas seulement intéressé un jury des années 50 puisqu’il est encore utilisé aujourd’hui. Selon ces scientifiques, le but de l’intelligence artificielle est de créer une simulation informatique de nos capacités cognitives. Cependant, parmi les idées que peut représenter ce concept, certaines remontent plus loin. Par exemple, les poètes de l’antiquité imaginaient déjà des automates habités par une forme de conscience qui agissent comme nous. En 1943, une poignée de physiciens et de mathématiciens songeaient à reproduire sur un ordinateur, le support physiologique où s’ancrent nos capacités cognitives.

Le précurseur de l’Intelligence Artificielle

Alan Turing était un mathématicien britannique né en 1912 et mort en 1952. Ses différents travaux écrits constituent les fondements de l’informatique et de l’intelligence artificielle. Bien que la discipline ne soit pas née de son vivant, ses concepts, théories et tests ont influencé une part importante de chercheurs dans le domaine. Parmi ses nombreux hauts faits se trouve une remarquable anticipation des méthodes d’apprentissage pour l’intelligence artificielle. En outre, ce chercheur demeure connu pour le Test de Turing. Ce procédé est une tentative de réponse partielle à la question : « une machine peut-elle penser ? ». En effet, il sert à évaluer la faculté d’un automate à imiter la conversation humaine. Chose surprenante, les chabots ou bots conversationnels, nombreux sur internet, passent toujours ce test aujourd’hui. 

Le premier à avoir passé ce test avec succès est le programme Eugene Goostman en 2014 

représentation de Alan Turing

Les étapes de développement de l’Intelligence Artificielle

Un début prometteur qui se heurte à plusieurs problèmes

La première d’entre elles suit de très près l’école d’été de Dartmouth et se caractérise par un fort optimisme. Des laboratoires de recherche naissent aux États-Unis et en Europe. Quant aux scientifiques, ils élaborent entre autres le langage LISP et les premiers programmes de traductions. Pris dans cet élan, l’économiste américain Herbert Simon prédit des choses ambitieuses. Selon lui, une décennie suffira pour que les machines nous dominent aux échecs et qu’elles démontrent des théorèmes mathématiques. Cependant, le milieu des années 60 marque le contraire, un ordinateur peine alors à battre un enfant sur l’échiquier et l’intelligence artificielle a mauvaise presse. En effet, on reproche aux chercheurs optimistes de ne pas avoir apporté de résultats concrets pour appuyer leurs prédictions. À cela s’ajoutent les limites pour la puissance de calcul ce qui aboutit à la fin des investissements dans le domaine au début des années 70.

Le savoir comme nouveau moteur dans les années 80

Cette période marque un regain d’intérêt pour l’intelligence artificielle avec ce que l’on appelle les « systèmes experts », nés des travaux sur l’importance de la connaissance dans le raisonnement. L’effondrement des investissements pendant la décennie précédente n’a pas interrompu la recherche ou le progrès. Ainsi, ces avancées mènent à la création d’ordinateur expert capable de simuler le raisonnement d’un homme dans un domaine très spécifique. Le marché de l’intelligence artificielle reprend alors de l’ampleur ce qui motive à nouveau le soutien des États. En effet, des pays comme le Japon et le Royaume-Uni investissent et le département de la défense américaine triple son budget dans le secteur. Enfin, les années 80 voient apparaître des programmes aux capacités nouvelles comme AARON. Présenté en 1985 par Harold Cohen à la conférence de l’AAAI, il réalise des dessins originaux en autonomie.

Harold Cohen et le programme AARON

Difficultés et progrès dans les années 90

L’essor des systèmes experts cause l’effondrement du marché des machines LIPS au profit des ordinateurs de bureau Apple et IBM plus rapides et moins chers. Par conséquent, les bénéfices que ces ordinateurs donnaient au domaine de l’intelligence artificielle s’amenuisent fortement. Dans le même temps, les subventions accordées au secteur faiblissent à nouveau. De l’autre côté, les systèmes informatiques deviennent plus puissants et ont accès à de plus en plus de données. L’intelligence artificielle connaît alors des avancées majeures dans l’apprentissage, l’exploration de données ou la compréhension et le traitement du langage. C’est aussi pendant cette période que l’idée de donner corps à ces programmes intelligents prend la forme de projets qui vise notamment à créer des robots. Le domaine des échecs se voit également bouleversé par l’intelligence artificielle. En 1997, le champion du monde Garry Kasparov se fait battre par Deepblue, un superordinateur conçu par IBM.

Big Data : une révolution qui touche aussi l’Intelligence Artificielle

Tout comme l’informatique dans son ensemble, le domaine connaît un développement perpétuel jusqu’à nos jours. Les années 2000 sont témoins de l’apparition de robots capable d’effectuer un panel de tâches précis. Citons par exemple ceux conçus par la NASA pour réaliser des explorations sur Mars ou ceux utiles à dans le milieu industriel. L’avènement du web est le moteur d’un nouveau bouleversement qui va concerner l’intelligence artificielle : le Big data. Cet amont colossal de données issue de sources multiples et hétéroclites ressemble à une mine d’or pour qui veut développer une IA. En effet, la limite sur les quantités et thèmes des bases d’apprentissages pour ces programmes s’estompe fortement. Une telle avancée cause évidemment de nouveaux problèmes. Tous les secteurs qui piochent dans le Big data doivent trier leurs informations au préalable, car il est impossible de tout traiter.

Big data illustration

L’intelligence artificielle apprend d’autres jeux

Dans la continuité de Deepblue, d’autres programmes sortent vainqueurs de différentes confrontations avec l’esprit humain. En 2011, IBM fait participer Watson, conçu pour répondre à des questions posées à l’oral, au jeu TV Jeopardy!. Malgré la présence de deux grands champions de l’émission, c’est le programme qui l’emporte. De son côté, la société britannique Deepmind réalise une autre prouesse avec AlphaGo, une intelligence artificielle capable de jouer au jeu de Go. Son développement initié en 2010 aboutit en 2016 à une victoire 4-1 contre un des meilleurs joueurs du monde : Lee Sedol. Pourquoi est-ce une prouesse ? Parce que le Go possède une quantité de possibilités gigantesque, impossible à calculer pour un ordinateur comme pour un humain. De ce fait, AlphaGo a du apprendre le Go en « observant » des parties d’experts puis en jouant des millions de parties contre lui-même.

Jeopardy! avec l'IA Watson

Les méthodes d’apprentissage pour l’Intelligence Artificielle

L’apprentissage machine ou Machine Learnig est un terme qui regroupe l’ensemble des techniques employées pour qu’une IA apprenne en utilisant des données. Cette volonté d’automatiser ce processus remonte aux années 50 lorsqu’on s’est aperçu que la coder soit même demeurait bien fastidieux. Ce champs de connaissance s’est grandement développé grâce à l’évolution des capacités de calculs en informatique. On distingue donc 3 méthodes en apprentissage machine :

  • Apprentissage automatique supervisé : un algorithme donne un exemple avec une étiquette qui dit à quoi il correspond. Par exemple, si l’on présente différentes formes géométriques avec leurs noms à une IA, elle finira par les reconnaitre toute seule.
  • Apprentissage automatique non supervisé : L’algorithme donne des exemples seuls et c’est à l’IA de déduire leurs étiquettes.
  • Apprentissage par renforcement : L’intelligence artificielle apprend avec des récompenses et des punitions que lui renvoie son environnement. Ainsi, le programme s’améliore avec l’expérience.

Qu’est ce que le Deep Learning ?

Il s’agit d’une variante de l’apprentissage automatique supervisé rendu possible par le progrès technologique. En effet, les « neurones » des IA peuvent maintenant s’étendre sur plusieurs couches et accueillir des centaines de milliers de connexions chacun. Certaines de ces couches restent inertes tandis que d’autres sont en processus d’apprentissage avec une quantité de données qui surpasse largement celle des autres méthodes. C’est avec ce procédé que des systèmes de reconnaissances faciales ou vocales sont élaborés pour être le plus précis possible. 

illustration réseau de neurones IA

Deepmind et ses IA : une illustration du machine learning

AlphaGo ne s’est pas arrêté à Lee Sedol, trois mois après sa victoire, le programme atteint le sommet du classement elo avec 3612 points. En 2017, il est mis à jour et bat Kie Je, un autre champion du jeu alors classé avec 3678 points. Cette intelligence artificielle a justement bénéficié du deep learning avec un apprentissage supervisé puis un apprentissage par renforcement. Par la suite, Deepmind présente une amélioration de l’IA nommée AlphaGo Zero capable d’apprendre le go en jouant contre elle même avec les règles pour seule connaissance. Le programme vient à bout de la version qui a affronté Lee Sedol en 72 heures d’apprentissage : 100 victoires, 0 défaites. En octobre 2017, l’entreprise britannique étend l’algorithme derrière AlphaGo Zero à d’autres jeux et le renomme AlphaZero. Le principe demeure le même, mais avec les Échecs et le Shogi en supplément.

L’IA sera-t-elle bientôt plus intelligente que l’Homme ?

Dans un futur vraiment proche, c’est peu probable. Bien qu’elle soit capable de nous dépasser dans des domaines précis, le fait de penser et de raisonner comme nous demeure beaucoup plus complexe. Rappelons d’abord que le cerveau humain se compose de dizaine de milliards de neurones et qu’un centimètre cube de celui-ci possède une dizaine de milliers de milliards de connexions. À titre de comparaison, les réseaux de neurones informatiques les plus poussés en comptent jusqu’à 100 millions. Le chemin à parcourir apparait bien long sachant que la loi de Moore montre ses limites depuis quelques années. De plus, l’intelligence ne se résume pas à la rapidité et la puissance de calcul et des parties de celle-ci restent impossibles à simuler sur ordinateur pour le moment.

Loi de Moore : Le nombre de transistors présent dans un circuit imprimé double tous les dix-huit mois. Par conséquent, la puissance des ordinateurs demeure exponentielle. Cependant, cet énoncé formulé en 1965 par Gordon Moore rencontre un ralentissement qui ne semble pas éphémère. En effet, la miniaturisation des composants commence à se heurter à une limite physique de notre monde : l’atome.

microprocesseurs

L’intelligence artificielle est-elle invincible au Go ?

Malgré leurs puissances, les IA ne peuvent pas calculer l’entièreté des positions sur l’échiquier, à savoir 10⁵⁰. Quant à celle du jeu de Go, n’y pensez même pas, elles sont au nombre de 10¹⁷⁰ ce qui créer plus de 10⁶⁰⁰ parties possibles. Ainsi, les intelligences artificielles qui jouent à ces jeux anticipent les conséquences d’une proportion restreinte de coups et non pas la totalité. De ce fait, on ne peut pas affirmer qu’elles soient invincibles. En outre, la présence d’une faille dans l’IA reste possible. Le programme AlphaGo a tout de même essuyé une défaite face à Lee Sedol. Au quatrième match, ce dernier joue le move 78, un coup brillant qui apparaît comme improbable pour le programme et aboutit à une configuration inconnue pour lui. Si bien qu’une partie des manœuvres qui suivent sont incohérentes et causent sa défaite.

Le documentaire AlphaGo est disponible en intégralité sur YouTube.

Qu’est ce qu’une intelligence artificielle forte ?

On la définit comme celle qui tend à créer un esprit, une conscience similaire à la nôtre sur un ordinateur. Elle s’oppose à l’intelligence artificielle faible qui vise la reproduction de nos capacités cognitives. Vous l’aurez compris, nous n’avons pas encore atteint le stade de la première et les progrès nécessaires pour ne serait-ce que l’effleurer sont de taille. Elle est d’ailleurs incompatible avec les méthodes de développement actuelles. Tout comme le dépassement de l’intelligence humaine par les machines, l’IA dite forte reste tout à fait possible, mais lointaine. 

Ces deux définitions ont été introduites par un philosophe américain nommé John Searle, au début des années 80. Pour lui, c’était un moyen de critiquer les théories cognitivistes qui estimait que le fonctionnement de notre esprit ressemble à celui d’un ordinateur. En effet, le philosophe accompagne ses définitions d’écrits qui cherchent à prouver qu’une intelligence artificielle forte ne peut atteindre ses objectifs.

conscience intelligence artificielle
Sources & crédits

Source(s) : Intelligence Artificielle : vers une domination programmée ? - Jean-Gabriel Ganascia - Le Cavalier Bleu - 2017 https://www.onisep.fr/Pres-de-chez-vous/Hauts-de-France/Amiens/Informations-metiers/Le-numerique-et-l-intelligence-artificielle/L-intelligence-artificielle-et-ses-domaines-d-application https://fr.wikipedia.org/wiki/Apprentissage_automatique https://fr.wikipedia.org/wiki/AlphaGo#D%C3%A9veloppement https://www.actuia.com/dossiers/quelques-elements-concernant-lhistoire-de-lintelligence-artificielle-22/

Partager
A propos de l'auteur

Issu d'une formation en information-communication, j'aspire à devenir journaliste. L'innovation et le progrès technologique sont des enjeux immenses sur les lesquels je souhaite apprendre et écrire.