Glossaire des termes et concepts de base de l’intelligence artificielle

Le champ toujours croissant de l’Intelligence Artificielle se dresse au-dessus du précipice de la rupture généralisée. Que les smartphones à intelligence artificielle suscitent la frénésie du public ou que les voitures sans conducteur arrivent en premier, il est clair que nous sommes officiellement à l’ère de l’intelligence artificielle.

Les opposants diront que l’IA n’est pas une nouveauté; les chercheurs se sont plongés dans l’idée de l’informatique autonome dans les années 1950. Les développeurs d’aujourd’hui ne sont pas si différents non plus, car ce qu’ils font est essentiellement ce sur quoi les experts du domaine travaillent depuis des décennies.

Ce qui a changé, c’est la puissance de calcul brute dont nous disposons maintenant. Il y a cinquante ans, les scientifiques auraient eu besoin d’ordinateurs de la taille du Nevada pour faire ce que nous pouvons faire aujourd’hui avec des puces de la taille d’un penny. Peut-être qu’une architecture intelligente aurait pu l’amener à la taille d’un centre commercial, mais bon…

En ce qui concerne le matériel, nous sommes arrivés et les robots aussi.

Mais qu’est-ce que tout cela signifie? Il est difficile de définir la nature de ce qu’est l’IA et ce qu’elle va faire pour Untel. Les progrès qui affecteront le monde entier sont souvent complexes et prennent un certain temps avant que tout le monde ne comprenne ce qui se passe.

Vous vous rappelez avoir essayé d’expliquer l’Internet aux gens dans les années 90? Il fut un temps, il n’ y a pas si longtemps, où des mots comme « bande passante » et « routeur » n’étaient pas courants dans le lexique de la personne moyenne.

Au cours des prochaines années, tout le monde voudra comprendre certains termes de base sur l’intelligence artificielle, parce que vous allez voir tout le monde partout, car tous les gadgets fabriqués dans le futur proche vont utiliser une certaine forme d’intelligence artificielle.

Intelligence artificielle
La première chose que nous devons faire, c’est de comprendre ce qu’est une IA. Le terme « intelligence artificielle » désigne un domaine spécifique de l’ingénierie informatique qui se concentre sur la création de systèmes capables de recueillir des données et de prendre des décisions et/ou de résoudre des problèmes. Un exemple d’IA de base est un ordinateur qui peut prendre 1000 photos de chats pour les saisir, déterminer ce qui les rend similaires, puis trouver des photos de chats sur Internet. L’ordinateur a appris, du mieux qu’il peut, à quoi ressemble une photo d’un chat et utilise cette nouvelle intelligence pour trouver des choses similaires.

Autonome
En termes simples, l’autonomie signifie qu’un système d’IA n’a pas besoin de l’aide des gens. Les voitures sans conducteur illustrent le terme « autonome » à des degrés divers. L’autonomie de niveau 4 représente un véhicule qui n’ a pas besoin de volant ou de pédales: il n’ a pas besoin d’un être humain à l’intérieur pour fonctionner à pleine capacité. Si nous avons un véhicule qui peut fonctionner sans conducteur, et qui n’ a pas besoin de se connecter à une grille, un serveur, un GPS ou une autre source externe pour fonctionner, il aura atteint le niveau cinq d’autonomie.

Tout ce qui va au-delà de cela serait appelé sentimental, et malgré les bonds qui ont été faits récemment dans le domaine de l’IA, la singularité (un événement représentant une IA qui devient conscience de soi) est purement théorique à ce stade.

Algorithme
La partie la plus importante de l’IA est l’algorithme. Il s’agit de formules mathématiques et/ou de commandes de programmation qui informent un ordinateur ordinaire non intelligent sur la façon de résoudre les problèmes liés à l’intelligence artificielle. Les algorithmes sont des règles qui enseignent aux ordinateurs comment résoudre les choses par eux-mêmes. Il peut être une construction nerdy des nombres et des commandes, mais ce que les algorithmes manquent en sex-appeal, ils compensent plus qu’en utilité.

Apprentissage de machines
La viande et les pommes de terre d’IA sont l’apprentissage machine – en fait, il est typiquement acceptable de substituer les termes intelligence artificielle et apprentissage machine les uns aux autres. Ils ne sont pas tout à fait les mêmes, cependant, mais connectés.

L’apprentissage machine est le processus par lequel une intelligence artificielle utilise des algorithmes pour exécuter des fonctions d’intelligence artificielle. C’est le résultat de l’application de règles pour créer des résultats par le biais d’une IA.

Boîte noire
Lorsque les règles sont appliquées, une IA fait beaucoup de calculs complexes. Ce calcul, souvent, ne peut même pas être compris par les humains (et parfois il ne vaudrait pas la peine de prendre le temps qu’il nous faudrait pour tout comprendre) et pourtant le système fournit des informations utiles. Quand cela arrive, c’est ce qu’on appelle l’apprentissage de la boîte noire. Le vrai travail se fait de telle sorte que nous ne nous soucions pas vraiment de la façon dont l’ordinateur est arrivé aux décisions qu’il a prises, parce que nous savons quelles règles il avait l’habitude d’utiliser pour y arriver. L’apprentissage de la boîte noire est comment nous pouvons sauter éthiquement « démontrer notre travail » comme nous l’avons fait à l’école secondaire pour l’algèbre.

Réseau neuronal
Quand on veut qu’une intelligence artificielle s’améliore, on crée un réseau neuronal. Ces réseaux sont conçus pour être très semblables au système nerveux humain et au cerveau. Il utilise les étapes d’apprentissage pour donner à l’IA la capacité de résoudre des problèmes complexes en les décomposant en niveaux de données. Le premier niveau du réseau peut ne prendre en compte que quelques pixels d’un fichier image et vérifier les similitudes dans d’autres fichiers. Une fois la première étape franchie, le réseau neuronal transmettra ses résultats au niveau suivant qui tentera de comprendre quelques pixels de plus, et peut-être quelques métadonnées. Ce processus se poursuit à tous les niveaux d’un réseau neuronal.

Apprentissage approfondi
L’apprentissage profond est ce qui arrive quand un réseau neuronal se met au travail. Au fur et à mesure que les couches traitent les données, l’IA acquiert une compréhension de base. Vous apprenez peut-être à votre IA à comprendre les chats, mais une fois qu’elle apprend qu’ils ont des pattes, elle peut appliquer ces connaissances à une tâche différente. L’apprentissage profond signifie qu’au lieu de comprendre ce que quelque chose est, l’IA commence à apprendre « pourquoi ».

Traitement des langues naturelles
Il faut un réseau neuronal avancé pour analyser le langage humain. Lorsqu’une IA est formée pour interpréter la communication humaine, on parle de traitement du langage naturel. C’est utile pour les bots de chat et les services de traduction, mais il est également représenté à la pointe de la technologie par des assistants d’IA comme Alexa et Siri.

Renforcer l’apprentissage
L’IA est beaucoup plus proche des humains que nous ne pouvons le croire. Nous apprenons presque de la même façon. Une méthode d’apprentissage de la machine, tout comme une personne, consiste à utiliser l’apprentissage par renforcement. Au lieu de trouver une réponse précise, l’IA exécutera des scénarios et produira des rapports sur les résultats, qui seront ensuite évalués par les humains et jugés. L’IA prend en compte le feedback et ajuste le scénario suivant pour obtenir de meilleurs résultats.

Apprentissage supervisé
C’est très sérieux de prouver des choses. Lorsque vous formez un modèle d’IA à l’aide d’une méthode d’apprentissage supervisé, vous fournissez à l’appareil la bonne réponse à l’avance. L’IA connaît la réponse et la question. C’est la méthode de formation la plus répandue parce qu’elle produit le plus de données: elle définit les schémas entre la question et la réponse.

Si vous voulez savoir pourquoi quelque chose se produit, ou comment quelque chose se passe, un IA peut examiner les données et déterminer les connexions en utilisant la méthode d’apprentissage supervisé.

Apprentissage non supervisé
À bien des égards, la partie la plus effrayante de la recherche sur l’IA est de se rendre compte que les machines sont vraiment capables d’apprendre, et qu’elles utilisent des couches successives de données et des capacités de traitement pour ce faire. Avec un apprentissage non supervisé, nous ne donnons pas de réponse à l’IA. Plutôt que de trouver des modèles prédéfinis comme « pourquoi les gens choisissent une marque plutôt qu’une autre », nous alimentons simplement une machine avec un tas de données afin qu’elle puisse trouver les modèles qui lui conviennent.

Transfert d’apprentissage
Une autre façon effrayante d’apprendre est l’apprentissage par transfert. Une fois qu’une IA a appris quelque chose, par exemple comment déterminer si une image est un chat ou non, elle peut continuer à développer ses connaissances même si vous ne lui demandez rien sur les chats. Vous pourriez prendre une IA qui peut déterminer si une image est un chat avec une précision de 90%, hypothétiquement, et après avoir passé une semaine à s’entraîner sur l’identification des chaussures, elle pourrait ensuite retourner à son travail sur les chats avec une amélioration notable de la précision.

Test de Turing
Si vous êtes comme la plupart des experts en IA, vous êtes prudemment optimiste quant à l’avenir et vous avez des doutes quant à notre sécurité alors que nous nous approchons de robots qui sont indissociables des gens.

Alan Turing a partagé vos préoccupations. Bien qu’il mourut en 1954, son héritage perdure de deux façons. Il est principalement crédité d’avoir déchiffré les codes nazis et aidé les Alliés à gagner la Seconde Guerre mondiale. Il est aussi le père de l’informatique moderne et le créateur du Test de Turing.

Bien que le test ait été conçu à l’origine comme un moyen de déterminer si un être humain pouvait être trompé par une conversation, en affichage de texte seulement, entre un être humain et une intelligence artificielle, il est depuis devenu un schéma court pour toute IA qui peut tromper une personne en croyant qu’elle voit ou interagit avec une personne réelle.

Le domaine de la recherche sur l’IA n’est pas de la science-fiction, bien qu’il soit passionnant et avant-gardiste. Nous sommes au bord d’un changement de civilisation si énorme que, selon des experts comme le professeur d’Oxford Nick Bostrom, il représente un changement fondamental dans notre trajectoire en tant qu’espèce.

Publicités

Laisser un commentaire

Entrez vos coordonnées ci-dessous ou cliquez sur une icône pour vous connecter:

Logo WordPress.com

Vous commentez à l'aide de votre compte WordPress.com. Déconnexion / Changer )

Image Twitter

Vous commentez à l'aide de votre compte Twitter. Déconnexion / Changer )

Photo Facebook

Vous commentez à l'aide de votre compte Facebook. Déconnexion / Changer )

Photo Google+

Vous commentez à l'aide de votre compte Google+. Déconnexion / Changer )

Connexion à %s