Vraies et fausses bonnes idées en Intelligence Artificielle

Je vais dans ces pages vous présenter les réalisations les plus représentatives de ce qu'est l'intelligence artificielle (IA)  aujourd'hui.  Car certains de ces programmes sont de pures merveilles, qui montrent qu'insensiblement l'IA commence à savoir simuler des processus cognitifs extraordinairement variés et dont on a peine à croire qu'ils peuvent être reproduits par un ordinateur. Certains de ces programmes sont peu connus, même des spécialistes, et c'est fort dommage. D'autres, qui partaient a priori pourtant d'une bonne idée, se sont révélés peu féconds car trop limités. Pourtant ces "échecs" sont pleins d'enseignements car ils nous éclairent sur le fonctionnement de notre cerveau, cette merveilleuse machine.



Avant toutes choses je précise que le texte de ces pages est extrait du chapitre 5 de mon livre "L'esprit, l'IA et la SIngularité", que (bien sûr !) je vous encourage à lire !

Beaucoup de projets d’Intelligence artificielle « classique » sont basés sur une idée unique,  une notion dont les inventeurs pensent qu’elle est à la base de l’intelligence, dont ils pensent que s’ils arrivent à la programmer, cela donnera lieu à un comportement intelligent de la part de la machine. L’histoire de l’IA est pleine de ce genre de tentatives : résolution de problèmes, logique du premier ordre, démonstration de théorèmes, algorithmes de recherches dans un arbre, neurones formels, algorithmes génétiques, parallélisme massif, systèmes multi-agents, etc.

D’autres projets d’Intelligence artificielle partent du fait que l’intelligence, c’est avant tout le pouvoir de faire des « raisonnements de bons sens » sur une base immense de connaissances. Les concepteurs de ces projets pensent qu’il faut avant tout concevoir un « moteur d’inférences » puissant et général, puis qu’il faut l’alimenter en connaissances, soit par codage pur et dur, soit par apprentissage, et que l’intelligence émergera automatiquement à partir du moment où la base de connaissance atteindra un « seuil critique » que certains évaluent à une dizaine de millions de faits élémentaires.

Notre approche n’appartient à aucune de ces catégories, elle est radicalement différente. Elle est basée sur le résultat, et non sur la méthode. Naturellement, il faut une théorie constructive de l’esprit : mais ce qui est important, c’est que le résultat, une fois la machine construite, puisse être intuitivement reconnu par tout un chacun comme « intelligent ». Si ce n’est pas le cas, il faut revoir la théorie. En d’autre termes, la théorie doit prévoir un moyen d’arriver à « simuler » tous les comportements que nous considérons intuitivement comme intelligents.

Alors bien sûr certains de ces comportements peuvent être « simulés » par l’une ou l’autre des idées ci dessus. Mais l’intelligence, telle que nous la concevons intuitivement, possède de multiples facettes qui ne peuvent tous être générés par une IA implémentant une idée unique. Nous aurons besoin en fait de définir un système complexe, formé d’un grand nombre de sous systèmes,  dont le comportement général pourra à bon droit être qualifié d’intelligent.

Nous avons donné l’ébauche de ces théories dans la page consacrée à l'architecture d'une IA consciente. Mais cela reste abstrait, et comme malgré tout il faudra in fine s’appuyer sur des algorithmes, il est probable que certaines ce ces théories seront implémentées en utilisant des algorithmes déjà découverts par l’IA « classique ». c’est pourquoi je pense qu’il est utile de faire un petit tour des idées les plus utiles de l’IA, mais aussi des idées les plus inutiles, celles qu’il ne faut surtout pas implémenter car elles conduiraient à un système trop spécialisé, incapable d’intelligence générale au sens où nous l’entendons intuitivement.

premiers succès, premiers échecs

L’histoire de l’IA (le terme a été inventé par John  Mac Carthy) est une longue succession de programmes « géniaux », dont chacun explore ou simule une facette de l’intelligence. Depuis le programme logic theorist, en 1956, qui est considéré comme le point de départ de l’IA, les progrès ont été fulgurants, a tel point que certains conjecturaient que l’IA générale, l’IA vraie (IAV), était pour… 1970.  Puis, en 1969, Minsky (toujours lui !) publie un article, perceptrons, dans lequel il démontre mathématiquement qu’un certain type d’automatisme sur lequel on fondait de très grands espoirs  (le perceptron, un système général pour la reconnaissance des formes, et qui est un précurseur des réseaux de neurones formels dont nous avons déjà parlé au chapitre 2 à propos de la mémoire) était en fait incapable de reconnaître certaines caractéristiques simples d’une forme, comme la connectivité (le fait de se rendre compte si la forme est en un seul morceau ou pas).  La conséquence de cet article fut un coup de frein brutal à la recherche en IA, car les bailleurs de fonds (université, gouvernements, réalisèrent soudain que l’IAV n’était pas pour demain. Le coup de frein était tout aussi néfaste et illogique que l’enthousiasme des débuts, mais le monde est-il logique ?

Puis les recherches reprirent, des ambitions moindres, mais plus réalistes. Toutefois plus personne dans les milieux académique n’osait parler de réaliser une intelligence artificielle générale. Les recherches avaient pour but de créer de nouvelles applications limitées : systèmes experts, programmes de jeu, démonstrateurs de théorèmes, etc. Certaines de ces applications sont d’ailleurs étonnantes, et il est possible qu’elles reproduisent réellement certains processus qui jusqu’à  présent n’avaient lieu que dans notre esprit. D’autres, la majorité en fait, sont simplement des fausses bonnes idées.

A vous de voir...

---

---

La suite> : Deep Thought et Deep Blue
 

---

Home Mes livres Mes tableaux Plan du site

---

Partagez / votez pour cette page :