On entend dire beaucoup de choses sur l’intelligence artificielle. L’acronyme IA est très à la mode et suscite en conséquence beaucoup de passions.

Il suffit de lancer le sujet pendant un repas (et mieux, au bistrot du coin) pour entendre toutes sortes de prophéties : « l’IA permettra bientôt de guérir Alzheimer » selon certains, « l’IA pourra remplacer les avocats dans nombre de contentieux d’ici peu » selon d’autres.

Bref, on en parle beaucoup mais il est urgent de commencer par définir ce qu’est l’intelligence artificielle exactement. Voici les bases pour commencer. Pour en savoir un peu plus, visiter le site plus en profondeur car là, c’est juste pour briller dans les dîner :-)

Définition de l’intelligence artificielle de Mc Carthy

Tentons de nous consacrer d’abord à la définition pure et simple de l’IA pour éviter toute confusion. Et pour ce faire, il semble que se tourner vers l’inventeur même de cette définition soit une sage décision.

John Mc Carthy, en 1955, à la conférence de Dartmouth en donnant précisément les termes :

« Tous les aspects de l’apprentissage et tout autre élément constitutif de l’intelligence peut être en principe si précisément décrits qu’il semble qu’une machine puisse la simuler. Des essais seront conduits pour trouver comment les machines peuvent utiliser le langage, les formes d’abstraction et les concepts, résoudre des problèmes jusqu’ici réservés à l’humain et progresser par elles-mêmes ».

Autrement dit, l’intelligence artificielle est une machine construite pour résoudre des problèmes généralement résolus par des hommes et des femmes grâce à leur intelligence naturelle. La machine démontrera de pareilles facultés lorsqu’elle arrivera à progresser d’elle-même pour résoudre ces problèmes.

Mc Carthy, l’un des pères de l’IA

Mc Carthy, l’un des pères de l’IA

Les 7 domaines de l’IA

Ce même sommet originel de Dartmouth a défini les 7 champs d’application de l’IA. Il y en a un peu plus aujourd’hui mais voici les sept premiers :

  • Simuler les fonctions principales du cerveau humain
  • Programmer un ordinateur pour traiter du langage naturel
  • Arranger des neurones « hypothétiques » de manière à leur faire former ensemble des concepts
  • Détermine et mesurer la complexité d’un problème
  • Auto amélioration
  • Développer la faculté d’abstraction (au niveau des idées et non des faits)
  • Créativité et hasard

Et en cinquante ans, on peut dire que les progrès ont été phénoménaux dans le traitement du langage, la mesure de la complexité des problèmes, et l’auto amélioration au moins jusqu’un certain point. Ceci dit, on commence à présent également à s’attaquer à la simulation de la créativité comme vous pouvez le voir sur cette page détaillant comment l’intelligence artificielle se met au service de l’art.

Mais au fond, qu’est-ce même que l’intelligence ?

Eh oui, puisque dans l’expression intelligence artificielle, il n’y a pas que « artificielle », et qu’il y est fait clairement référence dans la définition de Mc Carthy, il faut déjà s’intéresser à ce qu’est vraiment l’intelligence.

Selon Jack Copeland, auteur de plusieurs livres sur l’IA, l’intelligence peut être décrite au travers de ses propriétés à savoir :

  1. La capacité à généraliser à partir de cas (comme le fait la reconnaissance d’images en IA), c’est à dire la faculté de réagir en fonction de son expérience passée alors qu’on n’a pas encore été confronté à la nouvelle situation présente.
  2. Le raisonnement, c’est-à-dire la faculté de tirer des conclusions appropriées à chaque situation
  3. La résolution de problème, c’est-à-dire poser une équation (pas forcément mathématique) et trouver le « x » de cette équation.
  4. La perception, c’est-à-dire la faculté de scanner et analyser un environnement et créer des relations entre les objets observés (comme dans les voitures autonomes)
  5. La compréhension du langage, c’est-à-dire la capacité à comprendre le langage comme le ferait un humain.
Où commence et où finit l’intelligence ?

Où commence et où finit l’intelligence ?

Les types d’intelligences artificielles

Puisque les bases sont à présent posées sur la définition originelle de l’IA et même sur l’intelligence humaine, il convient de distinguer deux grandes familles distinctes.

L’intelligence artificielle forte

Il y a d’abord l’Intelligence Artificielle forte qui simule le cerveau humain dans la construction de systèmes de pensée. En bref, elle serait en mesure de faire la même chose que l’humain, voire mieux.

L’intelligence artificielle faible

L’Intelligence Artificielle faible est un système se « comportant comme » un humain mais ne calquant pas le mode de fonctionnement du cerveau humain. Deep Blue d’IBM qui dans les années 90 remporta une victoire qui fit grand bruit contre le champion d’échecs Gasparov en est une illustration : la machine faisait le calcul de tout ses éventuels déplacements sur l’échiquier avant de jouer chaque coup.

La middle intelligence artificielle

En réalité, il faut même en distinguer une 3e née ces dernières années. Lorsque le système est inspiré par le raisonnement humain mais ne reste pas figé sur son modèle. C’est le cas d’IBM Watson qui, comme un humain, lit des informations, reconnaît des patterns clefs, réunit des preuves et dit « hey, compte tenu des éléments que j’ai analysé, je suis sûr à 67% que la solution est celle-ci ». C’est ainsi qu’il a remporté le jeu Geopardy en 2011.

Le deep learning entre aussi dans cette catégorie puisqu’il reproduit d’une certaine façon le fonctionnement du cerveau en s’appuyant sur un réseau de neurones sans suivre exactement le même schéma.

Le deep learning n’étant qu’une sous famille du machine learning, il faut s’attacher une seconde à décrire ce qu’est le machine learning.

Le machine learning

D’abord, il faut bien retenir que ce n’est qu’une des techniques de l’IA même si les medias ne parlent généralement que de cela puisque celle-ci est très à la mode et, il faut bien le reconnaître, à créé une petite révolution dans les applications concrètes.

Par Machine Learning, on entend une somme d’algorithmes capables d’améliorer les performances de la machine au fur et à mesure qu’elle obtient des datas. C’est un principe d’entrées-sorties : on entre des informations en entrée, et on attend des informations en sorties. Si elles sont correctes, on le dit à la machine (on la supervise) et si elles sont fausses on le lui dit aussi. Et au fur et à mesure, elle apprend à avoir de plus en plus de conclusions correctes en sortie.

En bref, on ne sait pas créer un programme qui permet à la machine de reconnaître des images de chiens. Mais on sait programmer une machine qui pourra apprendre car on lui montrera des milliers d’exemples, qui en tirera des conclusions et qui nous proposera des interprétations de ces images que nous validerons ou non et, à force, se trompera de moins en moins.

Mais attention : la machine ne saura pas pour autant ce qu’est un chien, à quoi ça sert, etc…Elle aura juste appris à dire « 0001 » quand l’entrée est « 11100 », ni plus ni moins.

En conclusion, vous avez à présent les bases pour pouvoir comprendre ce qui est dit sur l’IA, briller dans les dîner, voire avoir un minimum de recul à la fois sur les usages mais aussi sur les articles que vous pouvez lire ça et là. Vous pouvez aussi découvrir quelques applications concrètes de l’IA sur cette page. Pleines de promesses, ces technologies laissent entrevoir un futur révolutionnaire même si nous n’en sommes qu’au tout début : au moins, là, vous saurez à minima de quoi on parle et ce qui se cache derrière ces promesses !

Cet article pourrait aussi vous intéresser: Ce que l’Intelligence artificielle va changer pour nous

Notre Tweetmag

Share This

Partagez

Partagez cet article à vos amis