Si vous êtes un utilisateur d’enceintes connectées et d’assistants numériques personnels, la notion d’I.A vous est familière. Mais comme souvent, on fait mine de savoir de quoi on parle sans vraiment en être sûrs, voire même totalement à côté de plaque (mais devant les beaux-parents, ça passe, ils ne savent pas se servir de leur smartphone de toute façon).
Alors au final, c’est quoi une I.A ? Et ça fonctionne comment ? Et dans le cas des enceintes connectées ? Nous allons essayer de vous synthétiser tout cela pour vous faire briller en société ou tout simplement pour votre propre plaisir !
Qu’est-ce qu’une I.A. ?
Qu’est-ce qu’une intelligence artificielle ? Le dictionnaire Larousse la définit comme un ensemble de théories et de techniques mises en œuvre en vue de réaliser des machines capables de simuler l’intelligence humaine. La définition est assez claire dans le sens où les I.A sont multiples, à la fois matériels et programmes, hard et soft… mais le but final reste de s’approcher au plus près de la psyché humaine, de ne plus pouvoir faire la différence entre un homme et une intelligence synthétique, arriver à une singularité. Et la dépasser si possible.
Depuis que les ordinateurs existent, l’homme a cherché à décrire des tâches simples avec de plus en plus de précisions afin que les machines les fassent de plus en plus fidèlement. Et si cela marche avec des tâches, cela peut fonctionner avec des idées, des concepts… non ? Et c’est en gros le principe d’une I.A : décrire avec le maximum de précision une activité intellectuelle pour la simuler par un ordinateur (d’après John McCarthy, l’un des fondateurs de l’I.A.). Et plus les machines sont puissantes, plus la précision est grande et plus les tâches décrite sont nombreuses.
Mais alors les I.A. ne sont pas nouvelles, loin de là ! Ben oui, des programmes dédiés à la résolution d’une tâche particulière, ce n’est pas nouveau !!… Et voilà, vous êtes tombé dans le panneau ! Il ne faut pas confondre I.A et logiciel. Un logiciel va être codé pour faire une même tâche de façon répétitive, la traiter en fonction d’une façon prédéterminé via un algorithme. Ainsi, il va permettre de faire des saisies, des traitements de textes ou encore de faire des calcules afin de réduire les probabilités, de faire des prévisions mais toujours en ce sens qu’il suit une façon de faire préétablie. Alors qu’une I.A. va être éditée afin de traiter des problèmes complexes mais toujours avec une notion d’intelligence dans le sens où elle devra réfléchir à des possibilités, des anticipations, résoudre des cas particuliers comme jouer aux échecs, reconnaitre un visage ou un objet ou encore conduire un véhicule autonome. Une I.A. a également dans sa programmation une notion d’apprentissage automatique, lui permettant d’apprendre par elle-même car il est impossible de coder l’ensemble des situations possibles. Vous saisissez la nuance ?
Un peu d’histoire !
L’univers naquit il y a 13,7 milliards d’années, et dans les années 1950, les premiers ordinateurs commencent à voir le jour. Pas de lien entre les deux, si ce n’est que sans le premier, le second n’aurait pu avoir lieu, d’où ce raccourci dans la frise temporelle. Durant la deuxième guerre mondiale, Alan Turing (retenez bien son nom) a d’ailleurs réussi à faire évoluer la compréhension de l’informatique. Il a pu mettre au point l’un des premier calculateurs (ce n’étaient pas encore des « ordinateurs », apparus dans les années 1950’s) capable de décrypter le code de la machine allemande Enigma et a grandement contribué à la victoire des alliés. Ce n’était qu’une machine capable de transformer une lettre en une autre une fois la clef déduite et ainsi de déchiffrer un message.
Mais ce brave Alan rêvait d’I.A. avant même que le concept n’existe. Dès les années 1930, il détaille les idées de programmation et de programmes alors que les ordinateurs n’existent pas réellement. Et en 1950, il va même créer le test de Turing. Ce test, imaginaire dans un premier temps, consiste à faire communiquer un humain et une machine, sans qu’il ne le sache. Si l’humain n’est pas capable de dire que son interlocuteur est un ordinateur, le test est réussi. Ce concept est fort simple et intemporel. Et là, nous touchons les intelligences artificielles du doigt. A la fin des années 1950, les prémices deviennent de vraies bases avec la création du premier programme d’I.A. C’est en 1956 que la date de création des I.A. est arrêtée, lors de la conférence de Dartmouth. Ce n’est qu’un jalon car avant cette date les travaux sur les I.A. existaient, beaucoup théoriques et de plus en plus pratiques. Mais attention, les premières I.A. n’avaient rien à voir avec Deep Thought, l’Intelligence Artificielle déifiée du Guide du Voyageur Galactique, qui répond à la grande question sur la vie, l’univers et le reste (demandez la réponse à la vie, l’univers et le reste à Alexa). Non, nous sommes sur des programmes améliorés, essayant de raisonner comme des humains pour faire des mono-tâches humaines, comme jouer aux dames ou aux échecs.
C’est effectivement sur les jeux que les I.A. sont calibrées car ces derniers respectent des règles précises et demandent également des capacités de déduction, d’analyse et d’anticipation. Les premiers programmes étaient plus des supercalculateurs améliorés engrangeant des informations, des coups existants, calculant des probabilités mais ne faisant pas le poids face aux humains. Puis il se sont améliorés, ils ont de plus en plus eu la capacité de déduction, d’anticipation et de prise de décision jusqu’à arriver, en 1997, aux matchs d’échecs entre Kasparov et Deep Blue, gagnés par le représentant d’IBM. Lors de l’un des matchs, Deep Blue a fait preuve de créativité en sacrifiant un cavalier afin de créer une ouverture dans le jeu adverse. A l’heure actuelle, les I.A. s’attaquent au jeu de Go, encore plus difficile à maitriser que les échecs.
Le fait que les chercheurs s’attaquèrent en priorité aux jeux permettait de ne se focaliser que sur une tâche particulière et de faire évoluer l’I.A. afin qu’elle apprenne et s’améliore. Avant de courir, il faut savoir marcher et avant cela, il faut pouvoir se tenir debout. C’est ce qu’ils ont fait. Quand une étape est passée avec succès, les connaissances peuvent être dupliquées sur un autre type de tâche. Il y a une très forte avancée dans les années 1960 et 1970 grâce à des ordinateurs plus puissants, et on s’attaque à l’algèbre, les langues, les mathématiques… Les machines apprennent plus ou moins seules une langue, elles résolvent des problèmes de plus en plus complexes (nombres premiers…). Mais cela reste limité et assez simple pour les humains.
Puis des limites matérielles arrivent et les capacités de calcul stagnent. Et cela est un problème car résoudre des situations plus complexes demande bien plus de ressources que ce qui est disponible à l’époque. Ce n’est que dans les années 1980 que tout repart (avec un nouveau ralentissement au début 1990). Non seulement les machines sont plus puissantes, mais e développement d’Internet y joue aussi pour beaucoup et les chercheurs développent de nouvelles approches. Ces approches permettent un meilleur apprentissage des programmes et une évolution bien plus rapide.
Mais comment ça fonctionne ?
Faire l’histoire des différentes approches du fonctionnement des I.A. serait assez complexe et soporifique. Mais quelques façons de faire sont assez intéressantes. Tout d’abord, sachez qu’il existe deux types d’Intelligence Artificielle : la faible et la forte, ou la descendante et l’ascendante.
L’IA faible est le premier type d’I.A. apparue car dédiée à la résolution de problèmes spécifiques. C’est un programme qui va imiter l’homme pour l’accomplissement d’une tâche et ne fera que ça. Elle n’évoluera pas ou peu, apprend de ses erreurs de façon plus ou moins autonome, mais toujours dans un cadre défini. Elle peut raisonner en fonction des informations qu’elle a dans sa base de données. Ces I.A. faibles sont celles que nous côtoyons au quotidien. Elles sont utilisées dans beaucoup de logiciels comme la reconnaissance de textes, d’images, la traduction de textes, les jeux, mais aussi les moteurs de recherches, allumer ou éteindre un appareil à la demande. Hé oui, les enceintes connectées sont des I.A. faibles… pour certaines.
Alexa est donc une I.A. faible ? Pas vraiment. Car Alexa s’approche de ce qu’on appelle une I.A. hybride ; elle est à la fois faible (car on alimente sa base de données, elle fait des tâches planifiées et répétitives) et forte (car elle apprend certains aspects de sa mécanique par elle-même, en se basant sur ses erreurs grâce à la multitude de données du cloud et une touche de Deep Learning).
Une I.A. faible va voir sa base de données complétée d’une multitude d’informations nécessaire à sa tâche. On lui apprendra ce qu’elle doit rechercher et comment les gérer. On part donc d’une base de données pour descendre à un résultat. Il est nécessaire de constituer sa banque d’informations et ce qu’elle doit trouver : photos avec une voiture dessus, visage humain… On lui montre la bonne réponse, elle classe et reproduit. Elle manipule donc les informations. C’est ce que l’on appelle le machine learning, l’apprentissage machine ou automatique.
Mais I.A. faible, cela ne veut pas dire une I.A. au rabais. Elles sont extrêmement puissantes, les réseaux nécessaires à leur fonctionnement sont basés sur une approche du réseau neuronal humain, avec des connexions par strate permettant de gérer chacune un concept, une action et de la distiller de plus en plus. Et cela demande énormément de calculs, des dizaines de CPU traitant des milliers de milliards d’opérations à la seconde. Mais les I.A. faibles restent une simulation d’une intelligence et ne comprennent pas ce qu’elles font. A partir de là, leur évolution est limitée.
Cela nous amène aux I.A. fortes. Dans ce cas, la machine a la même capacité d’analyse de base qu’une IA faible, mais elle va de plus raisonner par elle-même, anticiper, apprendre de ses erreurs de façon autonome. Elle créera par elle-même ses propres solutions pour résoudre un problème pour la bonne raison qu’elle comprend ce qu’elle fait. Cela va même plus loin car on prête aux I.A. ascendante une conscience de soi voire des émotions… Et là nous sommes sur l’équivalent du robot dépressif Marvin de H2G2 : une « personne » avec des émotions, une conscience, des états d’âme… Mais ce n’est que de l’anticipation voire de l’utopie à l’heure actuelle. Cependant, il est possible de pousser un raisonnement artificiel de plus en plus loin dans des domaines spécifiques, mais pas tous en même temps, pas encore. Nous retombons dans ce cas sur les déboires des années 70 : le manque de capacité de calcul et de stockage des données.
Mais les prémices sont ici, en particulier avec le Deep Learning ou apprentissage profond. C’est une technique d’auto-apprentissage d’un programme qui fait ses preuves. L’entreprise DeepMind, appartenant à Google, s’est spécialisée sur ce créneau. Ils appliquent un deep learning encore plus poussé (le deep reinforcement learning) faisant intervenir des notions de psychologie et les notions de cause, effet et conséquence. C’est d’ailleurs grâce à cela que DeepMind a réussi à créer une I.A. ayant battu au jeu de Go l’un des meilleurs joueurs au monde en 2016 !
Ce petit tour d’horizon numérique vous a plu ? en tout cas, il est toujours intéressant de comprendre le comment des choses, sans trop entrer dans le détail. Les I.A. sont un vaste sujet et une chose est sûre, nous sommes à la croisée des chemins. Les I.A. fortes vont devenir réelles d’ici quelques années. Quelle sera la place de l’homme, les conséquences pour la suite ? Nous vous renvoyons à notre précédent article sur le sujet. Profitons en tant que l’homme, à quelques exceptions près, on en connait tous, est encore intellectuellement supérieur à la machine !
Suivez-nous sur Google Actualités
