Auteurs : Villani – Folleto
Date de publication : Mars 2018
Type de publication : Rapport
Lien vers le document original
Définir l’intelligence artificielle (IA) n’est pas chose facile. Le champ est si vaste qu’il est impossible de la restreindre à un domaine de recherche spécifique ; c’est plutôt un programme multidisciplinaire. Si son ambition initiale était d’imiter les processus cognitifs de l’être humain, ses objectifs actuels visent plutôt à mettre au point des automates qui résolvent certains problèmes bien mieux que les humains, par tous les moyens disponibles.
Ainsi l’IA vient au carrefour de plusieurs disciplines : informatique, mathématique (logique, optimisation, analyse, probabilités, algèbre linéaire), sciences cognitives… sans oublier les connaissances spécialisées des domaines auxquelles on souhaite l’appliquer. Et les algorithmes qui la sous-tendent reposent sur des approches tout aussi variées : analyse sémantique, représentation symbolique, apprentissage statistique ou exploratoire, réseaux de neurones, etc.
Définitions de l’IA
Imiter les fonctions humaines
Marvin Lee Minsky, l’un des précurseurs de la discipline définit l’intelligence artificielle comme « la construction de programmes informatiques qui s’adonnent à des tâches qui sont, pour l’instant, accomplies de façon plus satisfaisante par des êtres humains car elles demandent des processus mentaux de haut niveau tels que : l’apprentissage perceptuel, l’organisation de la mémoire et le raisonnement critique ».
En d’autres termes, une intelligence artificielle est avant tout un programme informatique visant à effectuer, au moins aussi bien que des humains, des tâches nécessitant un certain niveau d’intelligence. L’horizon à atteindre concerne donc potentiellement l’ensemble des champs de l’activité humaine : déplacement, apprentissage, raisonnement, socialisation, créativité, etc.
Les promesses non tenues des débuts de l’IA ont amené à distinguer d’une part les machines qui non seulement mettraient en œuvre des raisonnements semblables aux raisonnements humains, mais auraient également une réelle conscience d’elles-mêmes : c’est ce qu’on appelle l’intelligence artificielle forte ; d’autre part les machines qui rendent de nombreux services aux humains en simulant l’intelligence humaine : c’est l’intelligence artificielle faible.
En d’autres termes, une intelligence artificielle est avant tout un programme informatique visant à effectuer, au moins aussi bien que des humains, des tâches nécessitant un certain niveau d’intelligence
L’objectif de la recherche en IA
L’intelligence artificielle forte suscite de nombreux débats autour de l’apparition possible d’une singularité, où la machine, supérieure à l’être humain et consciente de cette supériorité, le supplanterait dans la société. À ce jour, nous en sommes très loin et la majorité des chercheurs en IA pensent même que c’est impossible. L’intelligence artificielle faible va mettre en œuvre toutes les technologies à sa disposition pour essayer de rendre le service attendu par l’utilisateur.
L’intelligence artificielle a, à l’origine, voulu simuler l’activité du cerveau avec l’hypothèse que nous raisonnions avec des règles d’inférence (approche logique de l’IA) ou plus tard, à partir des années 80 avec des neurones formels puis des réseaux de neurones (à l’origine de l’apprentissage profond que nous présentons plus loin).
Les progrès dans les algorithmes, les logiques formelles, les puissances de calcul, la standardisation des langages informatiques d’un côté, les sciences du vivant et les sciences cognitives de l’autre, ont fait faire de gros progrès à l’IA qui a pu, dans chacun des domaines.
L’intelligence artificielle forte suscite de nombreux débats autour de l’apparition possible d’une singularité, où la machine, supérieure à l’être humain et consciente de cette supériorité, le supplanterait dans la société
de recherche qui sont les siens (représentation des connaissances, traitement automatique des langues, robotique, apprentissage, planification et recherche heuristique, modélisation cognitive, etc.), résoudre des problèmes de plus en plus complexes et créer des systèmes qui interagissent de façon fluide et efficace avec les êtres humains.
Dans ce contexte d’IA faible, les systèmes sont de plus nombreux et spécialisés. Ainsi, concrètement, les algorithmes qui créent nos playlists favorites, sélectionnent les meilleurs résultats de recherche ou taguent nos amis sur les médias sociaux ne savent rien faire d’autre !
Plus complexe, un système de traitement automatique du langage naturel chargé de traiter des dépêches d’agence de presse saura ordonner dans le temps divers évènements, sans pour autant comprendre le contenu de ces dépêches.
L’adaptation de tels systèmes à un autre type de situation demanderait un nouveau cycle de mise au point. Reconnaissance d’images et de vidéos Interpréter une image — reconnaître une personne ou un objet et l’environnement avoisinant — est une chose relativement facile pour un humain. Chaque jour, notre cerveau traite sans grand effort des informations visuelles complexes : une photo de famille, une voiture, un paysage.
Mais pour un ordinateur, c’est une tâche très difficile. Pourtant l’enjeu est de taille, car le développement de la voiture autonome (pour la perception de son environnement), l’annotation automatique d’images, l’amélioration des systèmes d’identification, la détection de pathologies à partir de dispositifs d’imagerie médicale sont tous dépendants des progrès en matière de reconnaissance d’images et de vidéos.
Chaque jour, notre cerveau traite sans grand effort des informations visuelles complexes : une photo de famille, une voiture, un paysage
Comment les médias sociaux reconnaissent-ils les visages des personnes présentes sur une photo ? Ils ont recours à des réseaux de neurones profonds convolutionnels. Selon le même principe de l’apprentissage supervisé des images de chiens et chats décrits plus haut, le système apprend à distinguer les visages des amis de l’utilisateur pour lesquels il dispose d’images étiquetées. Lorsqu’une photo est téléchargée sur la plateforme, le système n’a plus qu’à catégoriser les nouveaux visages présents sur celle-ci à partir de sa base de données.
Les Wathinotes sont soit des résumés de publications sélectionnées par WATHI, conformes aux résumés originaux, soit des versions modifiées des résumés originaux, soit des extraits choisis par WATHI compte tenu de leur pertinence par rapport au thème du Débat. Lorsque les publications et leurs résumés ne sont disponibles qu’en français ou en anglais, WATHI se charge de la traduction des extraits choisis dans l’autre langue. Toutes les Wathinotes renvoient aux publications originales et intégrales qui ne sont pas hébergées par le site de WATHI, et sont destinées à promouvoir la lecture de ces documents, fruit du travail de recherche d’universitaires et d’experts.
The Wathinotes are either original abstracts of publications selected by WATHI, modified original summaries or publication quotes selected for their relevance for the theme of the Debate. When publications and abstracts are only available either in French or in English, the translation is done by WATHI. All the Wathinotes link to the original and integral publications that are not hosted on the WATHI website. WATHI participates to the promotion of these documents that have been written by university professors and experts.