Cet essai porte principalement sur l'avenir de l'intelligence artificielle (IA). Afin de mieux comprendre comment l'IA est susceptible de se développer, j'ai l'intention de commencer par explorer l'histoire et l'état actuel de l'IA. En montrant comment son rôle dans nos vies a changé et s'est étendu jusqu'à présent, je serai mieux à même de prévoir ses tendances futures.
John McCarthy a inventé le terme d'intelligence artificielle en 1956 au Dartmouth College. À cette époque, les ordinateurs électroniques, la plate-forme évidente d'une telle technologie, avaient encore moins de trente ans, la taille des amphithéâtres et disposaient de systèmes de stockage et de traitement trop lents pour rendre justice au concept. Ce n'est que lors du boom numérique des années 80 et 90 que le matériel sur lequel les systèmes étaient construits a commencé à gagner du terrain par rapport aux ambitions des théoriciens de l'IA et que le domaine a vraiment commencé à s'améliorer. Si l'intelligence artificielle peut égaler les progrès réalisés au cours de la dernière décennie, elle est appelée à faire partie de notre vie quotidienne au même titre que les ordinateurs au cours de notre vie. L'intelligence artificielle a fait l'objet de nombreuses descriptions différentes depuis sa naissance et le changement le plus important qu'elle ait connu jusqu'à présent dans son histoire est la manière dont elle a défini ses objectifs. Lorsque l'IA était jeune, ses objectifs se limitaient à reproduire la fonction de l'esprit humain, à mesure que la recherche développait de nouvelles choses intelligentes à reproduire, comme les insectes ou le matériel génétique. Les limites du domaine devenaient également évidentes et de cette IA telle que nous la comprenons aujourd'hui est née l'IA. Les premiers systèmes d'IA ont suivi une approche purement symbolique. L'approche classique de l'IA consistait à construire des intelligences sur un ensemble de symboles et de règles pour les manipuler. L'un des principaux problèmes d'un tel système est celui de la mise à la terre des symboles. Si chaque élément de connaissance dans un système est représenté par un ensemble de symboles et qu'un ensemble particulier de symboles ("Chien" par exemple) a une définition composée d'un ensemble de symboles ("Mammifère canin"), alors la définition a besoin d'une définition ("Mammifère : créature à quatre membres, et à température interne constante") et cette définition a besoin d'une définition et ainsi de suite. Quand cette connaissance représentée symboliquement est-elle décrite d'une manière qui ne nécessite pas de définition supplémentaire pour être complète ? Ces symboles doivent être définis en dehors du monde symbolique pour éviter une éternelle récursion des définitions. La façon dont l'esprit humain procède est de lier les symboles à la stimulation. Par exemple, lorsque nous pensons chien, nous ne pensons pas mammifère canin, nous nous rappelons à quoi ressemble un chien, ce qu'il sent, ce qu'il ressent, etc. C'est ce que l'on appelle la catégorisation sensorimotrice. En permettant à un système d'IA d'accéder aux sens au-delà d'un message tapé, il pourrait fonder ses connaissances sur une entrée sensorielle de la même manière que nous le faisons. Cela ne veut pas dire que l'IA classique était une stratégie totalement erronée, car elle s'est avérée efficace pour un grand nombre de ses applications. Les algorithmes de jeu d'échecs peuvent battre les grands maîtres, les systèmes experts peuvent diagnostiquer des maladies avec une plus grande précision que les médecins dans des situations contrôlées et les systèmes de guidage peuvent piloter des avions mieux que les pilotes. Ce modèle d'IA s'est développé à une époque où la compréhension du cerveau n'était pas aussi complète qu'aujourd'hui. Les premiers théoriciens de l'IA pensaient que l'approche classique de l'IA pouvait atteindre les objectifs fixés par l'IA parce que la théorie du calcul la soutenait. Le calcul est largement basé sur la manipulation de symboles, et selon la thèse de Church/Turing, le calcul peut potentiellement simuler n'importe quoi symboliquement. Cependant, les méthodes de l'IA classique ne s'adaptent pas bien à des tâches plus complexes. Turing a également proposé un test pour juger de la valeur d'un système intelligent artificiel, le test de Turing. Dans le cadre du test de Turing, deux salles équipées de terminaux capables de communiquer entre eux sont installées. La personne qui juge le test est assise dans une pièce. Dans la deuxième salle, il y a soit une autre personne, soit un système d'intelligence artificielle conçu pour émuler une personne. Le juge communique avec la personne ou le système dans la deuxième salle et s'il ne peut finalement pas faire la distinction entre la personne et le système, le test est réussi. Cependant, ce test n'est pas assez large (ou est trop large...) pour être appliqué aux systèmes d'IA modernes. Le philosophe Searle a présenté l'argument de la salle chinoise en 1980 en déclarant que si un système informatique réussissait le test de Turing pour parler et comprendre le chinois, cela ne signifie pas nécessairement qu'il comprend le chinois car Searle lui-même pourrait exécuter le même programme donnant ainsi l'impression qu'il comprend le chinois, il ne comprendrait pas réellement la langue, mais manipulerait simplement des symboles dans un système. S'il pouvait donner l'impression qu'il comprenait le chinois tout en ne comprenant pas réellement un seul mot, alors le véritable test d'intelligence doit aller au-delà de ce que ce test expose.
Aujourd'hui, l'intelligence artificielle occupe déjà une place importante dans notre vie. Par exemple, il existe plusieurs systèmes distincts basés sur l'intelligence artificielle, rien que dans Microsoft Word. Le petit trombone qui nous conseille sur la façon d'utiliser les outils de bureautique est construit sur un réseau de croyances bayésiennes et le rouge
Post a Comment