Avec les récentes avancées de chatGPT en matière de génération de contenus, il semble que l’IA soit sur le point de révolutionner le monde. Mais est-ce réellement le cas ?
Dans cet article, nous nous efforcerons de démystifier ce qu’est l’intelligence artificielle en expliquant sa nature, en retraçant son histoire et en abordant certains concepts clés. Nous nous pencherons ensuite sur les questions éthiques telles que les cas d’utilisation, les risques et l’impact sur la société. Enfin, nous ouvrirons la discussion sur les tendances actuelles.
Qu’est-ce que l’IA ?
L’IA, qui signifie Intelligence Artificielle, désigne le développement de systèmes informatiques capables d’accomplir des tâches qui nécessitent normalement l’intelligence humaine. Les systèmes d’IA sont conçus pour analyser et interpréter des données, apprendre de l’expérience, prendre des décisions et résoudre des problèmes de manière similaire à l’intelligence humaine.
L’IA est utilisée dans de nombreux domaines, de la prise de décision aux moteurs de recherche, en passant par la reconnaissance d’images et de voix, ainsi que le traitement du langage naturel. L’IA joue également un rôle crucial dans la robotique, permettant aux robots de percevoir, de raisonner et de prendre des décisions de manière autonome.
Comment fonctionne l’IA ?
L’IA utilise un large éventail de stratégies pour atteindre ses objectifs. Il serait ambitieux de décrire précisément comment elles fonctionnent, car cela dépasserait ma propre compréhension. Nous allons donc simplifier les choses et démystifier certains termes souvent mentionnés dans la presse :
- Recherche exhaustive (également appelée « recherche brute ») : l’objectif est d’explorer toutes les combinaisons possibles pour résoudre un problème donné et trouver la meilleure solution possible. Cette approche est illustrée dans le film WarGames lorsque l’ordinateur surpuissant tente d’identifier la meilleure stratégie possible pour remporter la guerre nucléaire, mais finit par manquer de temps…
- Recherche heuristique : cette approche complète la précédente en cherchant une solution « suffisamment bonne » (mais pas parfaite) dans un laps de temps raisonnable. Cela est rendu possible en mettant en œuvre des « règles empiriques » (également appelées arbres de décision) pour guider la recherche vers les solutions les plus prometteuses.
- Les systèmes experts poussent encore plus loin cette approche en construisant une base de connaissances pour prendre des décisions basées sur des faits. Les systèmes experts ont été les premières formes véritablement réussies d’intelligence artificielle et ont connu un grand succès dans les années 70 et 80.
- Les réseaux neuronaux sont des modèles mathématiques qui imitent l’interconnexion des synapses dans le cerveau humain. Au lieu des synapses, ces modèles utilisent un réseau de nœuds ou de neurones, auxquels sont attribués des poids. Les réseaux neuronaux ont la capacité d’apprendre (c’est-à-dire d’adapter leurs poids) afin de modéliser des relations complexes entre les entrées et les sorties et de trouver des motifs dans les données.
- L’apprentissage profond (Deep Learning en anglais)pousse encore plus loin le concept des réseaux neuronaux en ajoutant plusieurs couches pour augmenter le nombre de neurones. Bien que le concept remonte aux années 50, il a récemment connu un grand essor grâce à l’abondance de données disponibles sur Internet et à l’augmentation de la puissance de calcul.
- Modèles de Langage Avancés (LLMs de l’anglais Large Language Model) exploitent l’apprentissage profond à grande échelle pour traiter de vastes quantités de données textuelles, principalement collectées sur Internet. Le terme « modèle de langage » provient du fait qu’ils sont spécialisés dans la prédiction de la prochaine sortie plausible à partir d’un texte donné.
GPT est l’acronyme de Generative Pre-Trained Transformer. L’approche GPT a été introduite en 2018 par OpenAI et est basée sur les LLMs.
- Generative (ou IA générative) signifie que le moteur d’IA est conçu pour générer du contenu, que ce soit du texte, des images ou du son.
- Pre-Trained signifie que le moteur d’IA a été préalablement entraîné avec une grande quantité de données afin de produire la sortie souhaitée.
- Le terme « Transformer » fait référence à un type spécifique d’architecture de réseau neuronal permettant de générer des prédictions précises en un court laps de temps. Il a été introduit par l’équipe de Google Brain en 2017.
Une brève histoire de l’IA
L’IA pré-date l’ère de l’informatique et a fasciné de nombreux écrivains de science-fiction. Des auteurs tels que Isaac Asimov ont imaginé un monde dominé par des robots et ont publié les “Trois Lois de la Robotique” pour les robots intelligents dès les années 40. À l’époque, Alan Turing, le mathématicien britannique considéré maintenant comme le père de l’intelligence artificielle et fondateur de l’informatique, travaillait sur la “Bombe”, une machine utilisée pour décrypter la machine Enigma allemande pendant la Seconde Guerre mondiale. Depuis lors, les mathématiciens et les informaticiens se sont efforcés d’améliorer les modèles d’IA et de nombreux progrès ont été réalisés.
| 1940 | Les « Trois Lois de la Robotique” sont rédigées par Isaac Asimov. |
| 1950 | Le Test de Turing est introduit, permettant de considérer comme intelligent une machine qui présente des comportements indiscernables de ceux des êtres humains, car elle possède les mêmes capacités. |
| 1956 | Conférence de Dartmouth : considérée comme la naissance de l’IA, cette conférence a réuni des chercheurs qui ont inventé le terme « Intelligence Artificielle » et posé les bases de l’IA en tant que domaine d’étude. |
| 1970-1980 | Les systèmes experts, également connus sous le nom de “systèmes basés sur la connaissance” ou de “systèmes heuristiques”, ont été développés pour imiter l’expertise humaine dans des domaines spécifiques. Un exemple notable est le MYCIN, un système de diagnostic des infections bactériennes. |
| 1980 | Introduction des algorithmes de rétropropagation. |
| 1997 | Deep Blue d’IBM bat le champion du monde d’échecs Garry Kasparov, démontrant le potentiel des systèmes d’IA à dépasser l’expertise humaine dans des domaines spécialisés, réussissant ainsi le Test de Turing. |
| 1998 | Sony annonce AIBO, un robot de compagnie qui se comporte comme un chien. |
| 2009 | Google commence à travailler sur des voitures autonomes connues sous le nom de Waymo. Tesla (en 2014) lance plus tard son système Autopilot pour fournir des capacités de conduite semi-autonome. |
| 2020 | L’introduction de chatGPT-3 devient virale, ré-écrivant les normes de l’intelligence artificielle et prouvant que les machines peuvent effectivement apprendre les complexités du langage humain et de l’interaction. |
| 2023 | Microsoft, Google (Bard), Amazon (BedRock) et Facebook (LLama) annoncent également la sortie de leur version de chatGPT pour être intégrée à leurs gammes de produits. |
Quels sont les différents types de l’AI ?
Il existe différents types d’IA, et pour des raisons de concision, nous nous concentrerons sur les trois concepts suivants :
Apprentissage automatique (Machine learning) : L’apprentissage automatique est une sous-catégorie de l’IA qui se concentre sur la capacité des systèmes informatiques à apprendre et à s’améliorer à partir de données sans être explicitement programmés. L’apprentissage automatique utilise des LLMs pour analyser de grandes quantités de données, identifier des schémas et prendre des décisions ou des prédictions basées sur ces données. Il est largement utilisé dans des domaines tels que la détection de fraude, les systèmes de recommandation et l’analyse prédictive.
IA étroite ou faible : L’IA étroite fait référence à des systèmes d’IA conçus pour effectuer des tâches spécifiques ou résoudre des problèmes spécifiques, tels que la reconnaissance d’images, le traitement du langage naturel, les assistants vocaux ou les systèmes autonomes. Des exemples d’IA étroite incluent les assistants virtuels tels que Siri ou Alexa.
IA générale ou forte : Contrairement à l’IA étroite, qui se concentre sur des domaines spécifiques, l’intelligence artificielle générale (AGI) vise à imiter les capacités cognitives humaines et à présenter des compétences de résolution de problèmes polyvalentes. Atteindre une IA générale reste un défi majeur, car cela nécessite le développement d’algorithmes et de systèmes capables de comprendre, d’apprendre et de s’adapter à différentes situations et tâches. Le concept d’IA générale est encore largement théorique, et des débats et discussions sont en cours concernant sa faisabilité, ses implications éthiques et ses impacts potentiels sur la société.
Conclusion
Comme nous avons pu le voir dans cet article, l’IA n’est pas une technologie révolutionnaire mais plutôt une évolution et une suite logique de l’informatique telle qu’elle a été pensée dès son origine. Aussi, nous avons pu constater qu’il n’y a pas une IA mais des IAs qui ont chacune leurs forces, faiblesses et domaines d’applications. Nous nous pencherons dans le prochain épisode sur les défis et limitations que l’IA nous impose.
