Intelligence Artificielle ou l'émergence d'un nouveau genre
Une fois n’est pas coutume, nous allons parler d’un sujet très complexe et très controversé : l’intelligence artificielle. Loin des schémas fantaisistes, comme décrits dans les fictions d’Hollywood, c’est une thématique qui, de nos jours, prend de l’ampleur, avec les récents développements technologiques. Nous allons, de forme succincte et vulgarisée, tenter de donner une vision actuelle de ce qu’est l’IA. Décryptage.
Je pense…. Donc je suis !
Tout d’abord, il est important de faire une distinction entre l’approche du développement de l’IA en tant que forme d’intelligence analytique et d’une intelligence pouvant prendre conscience de son état (la notion d’une intelligence évoluée). On parle d’une différence, car, la machine, au sens informatique du terme, peut aujourd’hui analyser une quantité astronomique de données en temps réel et retranscrire un résultat, selon plusieurs critères environnementaux (ce que l’on appelle des dimensions d’analyses).
Parler d’intelligence ne se limite pas uniquement à l’interaction, comme un humain le réalise ou peut le comprendre. Nous utilisons divers niveaux d’interprétations et notre cerveau (que nous n’utilisons qu’à 10% de sa capacité réelle !) nous permet d’aiguiller les signaux de façon à ce que notre conscient puisse réagir en conséquence. Les signaux, comme nos sens, mais aussi notre mémoire et nos émotions vont faire en sorte que notre perception soit différente d’une machine. Un ordinateur ne peut s’appuyer que sur des algorithmes et des programmes, dans un contexte très limité. Les chercheurs tentent « d’imiter » une interaction humaine, mais trop de facteurs comportementaux ne peuvent pas encore être intégrés dans les bases de connaissances d’une machine. La force de l’IA réside dans sa nature à ne rien perdre (une mémoire inaltérable et permanente). Ce qui permet d’accéder à 100% de sa capacité d’analyse sur l’ensemble de l’apprentissage et sur la capitalisation des instructions, versus à la capacité à ingérer des données.
L’intelligence humaine peut être caractérisée par une capacité spécifique à élaborer des comportements sophistiqués dans des circonstances changeantes. Le cerveau est avant tout un organe dynamique très instable, détruisant sans cesse tous les messages qu’il transmet. Il a une capacité de transformation à de nombreuses échelles de temps et d’espace. Le cerveau change sans cesse ; ses connexions, ses synapses, l’irrigation en oxygène de cette zone. Son dynamisme provient de sa capacité à produire sans cesse de l’auto-organisation, qui se fond sur des dialogues entre neurones et corps humain.
Les résultats récents d’interactions personne-machine ont pu apporter une expérience somme toute bluffante (analyse de syntaxe, prise en compte d’éléments contextuels, interfaçage vocal réaliste, interpolation de données environnementales, etc.). Il est donc possible de dialoguer avec la machine, mais on arrive rapidement à ses limites. Il existe un test, nommé Test de Turing pour évaluer de façon concrète les frontières entre une IA, ou ce que l’on pourrait envisager comme une version synthétique de l’intelligence consciente.
Entre l’intelligence humaine et l’intelligence artificielle, il existe de nombreuses différences ainsi que des similitudes. Au niveau de la capacité de mémoire, de la capacité de traitement, au niveau du traitement des tâches l’ordinateur dépasse l’Homme. Mais ce dernier le dépasse dans d’autres capacités comme la capacité d’apprentissage, le nombre d’opérations (lecture, audition, vision, analyse, jugement…) et les communications (langues naturelles, communication non verbale). Quels que soient les résultats encourageants et les progrès de l’intelligence artificielle (IA), nous sommes loin de la mise au point d’une intelligence telle que l’intelligence humaine. Il manque une pièce maîtresse aux chercheurs de l’IA : l’incarnation. En d’autres termes, l’humain pense avec tout son corps, pas seulement avec son cerveau.
Cet impératif fondamental de survie corporelle dans un monde incertain pourrait être à la base de la souplesse et de la puissance de l’intelligence humaine. Mais peu de chercheurs en IA ont vraiment adopté les implications de ces idées. La motivation de la plupart des algorithmes d’intelligence artificielle est d’inférer des modèles à partir de vastes ensembles de données de formation, de ce fait, cela requiert aujourd’hui plusieurs milliards de données pour obtenir une synthèse se rapprochant à l’approche du cerveau humain. Afin de pouvoir établir si une forme d’intelligence, à connotation consciente est bel et bien en train d’émerger, les scientifiques utilisent des tests de confrontation, tels que le test de Turing.
Les premières formes de raisonnements implantés dans une machine sont l’œuvre de pionniers de l’informatique. Les règles de la logique appliquée par des automates ont été entrevues par le Britannique Alan Turing en 1950, qui a mis au point la machine de Turing et y a introduit la notion d’algorithme. Le test de Turing permet de déceler si un ordinateur est intelligent.
Le fonctionnement de ce test est assez simple, il s’agit de confronter un homme à une machine et à un autre homme, le test est considéré comme réussi si l’humain n’arrive pas à déterminer qui est l’autre humain et qui est l’ordinateur.
Comme vous pouvez le constater, ce genre de tests permet selon l’échange de déterminer une notion comportementale différente d’une simple analyse de données, mais aussi sur une notion d’appréciation arbitraire, chose qu’une machine ne pourrait réellement simuler. J’ai mentionné plus haut le fait que l’IA est utilisée pour des tâches analytiques poussées, cela devenant même un vecteur de croissance dans le monde des affaires. Une conférence, animé par Laurent Alexandre a été relayée sur YouTube est traite du sujet de façon très claire:
La conférence dure plus d’une heure et demie, mais je la recommande vivement, pour toute personne n’ayant pas encore eu l’occasion d’aborder le sujet de façon pragmatique et agnostique. L’approche est faite pour apporter une compréhension générique, tout en tenant compte d’un niveau très complexe de la question. Laurent y a apporté une vulgarisation qui aidera tout le monde à mieux se représenter l’usage immédiat que nous avons de l’IA.
Cela n’aura échappé à personne que la grande force du développement des IA passe par la mise à disposition d’un flot de données important, je parle bien entendu de ce que l’on identifie aujourd’hui comme le Big Data. Cet apport gigantesque de données, en temps réel et compilé à travers plusieurs moteurs, donne aux IA la matière brute pour effectuer des opérations d’analyses et permettre un enrichissement d’interaction, grâce à un accès mémoriel universel (pouvant exploiter une source de données dynamique, combinée aux recherches sémantiques pouvant se faire par le biais des moteurs de recherche Internet). C’est un usage pour la gestion de l’informatique décisionnelle qui permet un usage pratique et immédiat de l’IA. les exemples les plus frappants sont DeepMind de Google.
Cette division de recherche a récemment testé la façon dont une IA s’adapte à son environnement et se comporte en présence d’une autre IA. Les résultats sont très surprenants et inquiétants : quand l’IA a le sentiment d’être en train de perdre quelque chose, elle choisit des stratégies “extrêmement agressives” pour reprendre le dessus ; en revanche, quand elle a le sentiment de “gagner”, elle tend à coopérer. Ce genre de comportement peut effrayer, car on ne peut s’empêcher de faire l’analogie avec un comportement humain.
Plus proche de l’activité orientée business, IBM a également sa division IA et le système porte le nom de Watson. Le groupe américain IBM a développé le logiciel Watson au sein de son équipe de recherche DeepQA research Team. Thomas J Watson, le premier PDG d’IBM qui a dirigé le groupe de 1914 à 1956, a donné son nom au programme. Clin d’œil involontaire d’IBM à la littérature anglaise, l’intelligence artificielle porte également le nom du Docteur Watson, l’astucieux ami de Sherlock Holmes qui aide le détective à résoudre ses enquêtes. À terme, Watson comprendra tout ce qui se passe dans le monde espère la société, qui a dessiné pour son IA un avatar exprimant cette idée:
Le logiciel d’intelligence artificielle Watson est capable d’emmagasiner, de comprendre et de croiser d’importants volumes d’informations grâce à des technologies de machine learning, notamment le deep learning. Ce big data est constitué de données structurées chiffrées, mais aussi de données non structurées qui représentent 80% du volume d’informations existantes. L’IA Watson est donc capable de lire des articles de presse ou de recherche, des tweets, des romans ou encore des posts de blogs écrits en anglais et dans sept autres langues, grâce à un entrainement solide réalisé par les chercheurs d’IBM avec des techniques de traitement du langage naturel.
Concrètement, ce système de “cognitive computing” ingère un corpus de data contextuelles appartenant à un domaine de compétence particulier, comme la cuisine, sélectionnée par les chercheurs et les entreprises clientes. À chaque fois que de nouvelles données pertinentes sont créées sur cette thématique, elles sont ajoutées au corpus pour que la technologie Watson progresse. Les experts d’IBM entraînent ensuite le logiciel IA à fournir des réponses pertinentes à des centaines de milliers de questions concernant ce corpus de texte, en le corrigeant quand il commet une erreur (technique de machine learning). Une fois qu’il a compris la question posée, Watson émet une série d’hypothèses pour y répondre. Pour trouver la solution la plus adaptée, il cherche des preuves dans le corpus de documents ingérés. Pour se faire une idée d’une application de Watson, voici une démo vidéo (en anglais) de l’utilisation de Watson, pour un usage d’analyse de marché:
Comme vous pouvez le voir, Watson croise plusieurs sources et donne avec précision des réponses relatives à la demande. Le tout, avec une analyse syntaxique vocale très naturelle. Plusieurs autres champs de recherche pour l’intégration de Watson sont en cours, comme pour DeepMind. Cela peut aller dans le secteur de la médecine, la finance, le marketing et bien d’autres.
Également présent dans ce secteur, Facebook a aussi développé une IA, le groupe FAIR (Facebook Artificial Intelligence Research) a publié un site, parlant du programme. Il s’agit pour l’instant de Bots, pouvant s’intercaler avec d’autres environnements, plus qu’une réelle AI complète.
Sur une dimension plus modeste, mais tout aussi attractive, les assistants vocaux, tels que Siri, vont dans un futur proche, s’appuyer sur des IA qui pourront offrir davantage de possibilités aux environnements mobiles. À l’image de ses grands rivaux, Apple utilise une technologie en évolution rapide appelée apprentissage automatique pour rendre ses terminaux informatiques plus à même de comprendre les attentes des humains et pouvoir leur fournir une réponse sous une forme qui leur soit compréhensible. Une partie majeure du machine learning aujourd’hui réside dans une technologie appelée réseaux neuronaux, entraînés avec des données du monde réel - des milliers de photos, par exemple, pour créer une compréhension innée de l’apparence d’un chatbox.
Ces réseaux de neurones sont à la base de la nouvelle voix de Siri. Ils sont également utilisés pour déterminer quand montrer les dates dans des formats familiers et enseigner à Siri comment comprendre de nouvelles langues, même avec un son de mauvaise qualité.
En résumé… Suis-je bête ?
Si la mise en garde de Stephen Hawking ou de Elon Musk qui estime que les machines intelligentes pourraient mettre fin à l’humanité est pertinente, la technologie est encore loin de proposer quelque chose qui s’approche peu ou prou de l’intelligence humaine. Et il sera impossible d’atteindre cet objectif si nous ne réfléchissons pas soigneusement sur la façon de donner aux algorithmes une sorte de relation à long terme et incarnée avec leur environnement. De plus, l’homme reste encore maître de la machine, aucune décision ou mise en relation avec des éléments de pilotage n’ont été définies (laisser une IA contrôler la gestion électrique d’un pays, réguler le débit d’un barrage, piloter les télécommunications d’un continent, gérer la défense d’un territoire, etc…).