Les modèles de fonctionnement de l’intelligence

L’étude de la manière dont les chercheurs ont illustré l’intelligence artificielle au fil des décennies pourrait nous aider à mieux la construire.
Par Philipp Schmitt (Philipp Schmitt est un artiste, designer, chercheur et boursier de l’Institut Berggruen 2019-21) sur Noéma.

À la mort d’Albert Einstein en 1955, le pathologiste chargé de l’autopsie a identifié la cause du décès puis, prétendument sur un coup de tête, a ouvert le crâne d’Einstein et prélevé son cerveau pour l’étudier scientifiquement. Il espérait peut-être pouvoir en identifier les éléments cruciaux, pouvoir tenir dans ses mains l' »intelligence » elle-même. Le cerveau s’est avéré être d’un poids moyen et, à ce jour, nous ne disposons toujours pas d’informations neurologiques sur son intelligence.

Les chercheurs en intelligence artificielle suivent une approche différente pour comprendre ce qui constitue l’intelligence : la recréer, du moins en partie. À l’instar d’Einstein, qui était constamment préoccupé par des questions invisibles et abstraites, le projet d’intelligence artificielle ne se prête pas bien à notre perception. L’IA n’a pas de crâne à autopsier, ce que certains peuvent considérer comme dommage, mais cela pourrait aussi être vu comme une opportunité de rencontrer l’intelligence isolément. À quoi ressemble-t-elle ?

Dans les médias populaires européens et américains, les articles sur l’IA et l’apprentissage automatique sont couramment illustrés par des personnages humanoïdes tirés de films de science-fiction classiques comme « The Terminator », Ava de « Ex Machina » ou Hal 9000 de « 2001 : A Space Odyssey ». La science-fiction associe fréquemment la technologie à des imaginaires hyper-masculins ou hyper-féminins, dystopiques ou utopiques et à des traits blancs (même lorsque le personnage en question n’a pas de corps).

Un autre thème est celui des circuits imprimés ou des codes binaires collés avec des illustrations de cerveaux, souvent dans des teintes de bleu. Ici, l’intelligence est attribuée à un cerveau humain isolé et mécaniquement compris. Libérée des « fardeaux » d’un corps, ces images semblent suggérer que l’intelligence atteint son plein potentiel en fonctionnant avec des bits au lieu de l’oxygène.

Ces images sont purement décoratives et souvent sans rapport avec l’article. Pire encore, elles nuisent à l’imagination du public, car les métaphores sont importantes. Elles influencent la manière dont nous développons, pensons et concevons les politiques relatives aux technologies émergentes, tout comme elles l’ont fait par le passé pour l’énergie nucléaire ou la recherche sur les cellules souches.

Si les récits technologiques peuvent être utiles, les images populaires de l’IA altèrent notre compréhension et notre action. Au lieu d’inviter le public à débattre de questions urgentes telles que les préjugés dans les systèmes d’apprentissage automatique ou les possibilités de remettre en question notre compréhension de notre propre intelligence, ces images suggèrent aux lecteurs de fuir les maîtres robots ou de se plonger dans une utopie de code binaire bleu.

Dans les articles de journaux, les affiches de conférences, les manuels scolaires et dans la vie quotidienne du laboratoire de l’université de New York, l’imagerie figurative de l’IA est largement absente. Pourtant, les images ne manquent pas : diagrammes de réseaux neuronaux, figures visualisant des équations au travail qui ne peuvent être vues autrement. Ces diagrammes peuvent sembler obscurs aux non-initiés, mais pour les experts, ils ressemblent à des plans d’architecture. Ils décrivent comment les neurones sont interconnectés, comment les informations circulent dans les systèmes et comment elles sont traitées à chaque étape pour produire des résultats.

S’il existe une image de l’intelligence artificielle contemporaine, je dirais qu’elle se trouve ici : dans les diagrammes d’architecture des réseaux neuronaux. Je m’intéresse moins à ce qu’un diagramme peut révéler à un chercheur qu’aux liens entre les représentations visuelles des réseaux neuronaux et la conception de la cognition des chercheurs en IA. Ce qui est en jeu avec l’IA actuelle, ce n’est pas une invasion de robots, mais les concepts d’intelligence auxquels on donne la priorité, et la manière dont ils se rapportent au monde en général et l’encadrent.

Le neurone artificiel a été inventé par le neurophysiologiste et cybernéticien Warren McCulloch et le logicien Walter Pitts. Leur article de 1943 présentait un neurone artificiel, inspiré de l’exemple humain.

Les auteurs ont dessiné les neurones à la main sous la forme de formes triangulaires connectées qui rappellent les dessins complexes du cerveau neuronal réalisés par le père de la neuroanatomie, Santiago Ramón y Cajal. Abstrayant le rendu anatomique de Cajal vers une représentation modulaire et diagrammatique, McCulloch et Pitts ont rendu les neurones comme des blocs de construction modulaires qui peuvent être librement recombinés pour créer des circuits neuronaux. Comme l’écrit l’historienne des sciences et des technologies Orit Halpern dans son livre « Beautiful Data« , leur travail a rendu « la raison, le fonctionnement cognitif, ces choses étiquetées « mentales », dérivables de manière algorithmique à partir des actions apparemment basiques et mécaniques des neurones ».

Les auteurs ont dessiné les neurones à la main sous la forme de formes triangulaires connectées qui rappellent les dessins complexes du cerveau neuronal réalisés par le père de la neuroanatomie, Santiago Ramón y Cajal. Abstrayant le rendu anatomique de Cajal vers une représentation modulaire et diagrammatique, McCulloch et Pitts ont rendu les neurones comme des blocs de construction modulaires qui peuvent être librement recombinés pour créer des circuits neuronaux. Comme l’écrit l’historienne des sciences et des technologies Orit Halpern dans son livre « Beautiful Data », leur travail a rendu « la raison, le fonctionnement cognitif, ces choses étiquetées « mentales », dérivables de manière algorithmique à partir des actions apparemment basiques et mécaniques des neurones ».

Le « Pandemonium » (1959) d’Oliver Selfridge, un système d’apprentissage de formes qui a appris à traduire le code morse en texte, est une autre approche créative des réseaux neuronaux. Ici, les démons ont remplacé les analogies avec la vision humaine. Ces créatures reconnaissent et comprennent les signaux, s’identifient à une lettre particulière et, lorsque la lettre qui leur a été attribuée est appelée, elles crient à l’oreille d’un démon chargé de prendre la décision.

Les démons sont des êtres surnaturels qui peuvent être humains ou non humains, ou des esprits qui n’ont jamais habité un corps. Le démon désincarné est peut-être une meilleure représentation de l’intelligence artificielle que la plupart des autres créatures, car son apparence ne devrait pas être gênante.

Néanmoins, la figure du démon est sujette aux mêmes problèmes de visualisation que d’autres concepts que nous ne parvenons pas à imaginer, sauf à notre propre image. Il semble que nous n’ayons pas le vocabulaire et l’imagerie nécessaires pour penser et parler de l’intelligence sans invoquer l’animé ou le spirituel.

Au fil des décennies, les réseaux neuronaux sont devenus de plus en plus complexes. Des couches multiples de neurones interconnectés ont été introduites, permettant des calculs plus complexes et surmontant certaines des restrictions des premiers réseaux neuronaux. L’amélioration des algorithmes d’apprentissage et l’augmentation de la puissance de calcul ont permis de créer des réseaux plus grands et plus profonds, dévorant des quantités de données toujours plus importantes.

Les réseaux neuronaux modernes d’apprentissage profond sont capables, dans certains cas, de faire des choses que les humains font, et dans quelques cas, ils dépassent même nos capacités. En même temps, le domaine a pris ses distances par rapport à l’exemple humain et s’est établi comme une branche distincte, bien que contestée, de l’intelligence.

Cette distanciation se reflète dans les diagrammes : Les architectures de réseaux neuronaux modernes sont rendues dans un diagramme de plus en plus abstrait, semblable à un organigramme, semblable à celui de l’ingénierie. Les connotations biomorphiques antérieures ont disparu du vocabulaire linguistique et visuel. L’imprécision du trait humain et la friction du stylo sur le papier ont cédé la place à des graphiques générés avec précision par ordinateur.

Les réseaux neuronaux sont désormais présentés comme des blocs de construction modulaires universellement applicables pour l’apprentissage et le comportement intelligent, tout comme l’avaient imaginé des cybernéticiens tels que McCulloch et Pitts. En même temps, de plus en plus de chercheurs incluent dans leurs publications des déclarations d’impact, des cartes modèles et des étiquettes nutritionnelles pour donner une spécificité à leurs algorithmes. Et les chercheurs en explicabilité de l’IA trouvent de plus en plus de moyens de transformer les processus mathématiques d’une complexité inhumaine en images, descriptions et graphiques faciles à comprendre.

Alors, les diagrammes de réseaux neuronaux constituent-ils un meilleur portrait de l’IA que les tropes de science-fiction ? La plupart des gens ne peuvent pas les comprendre ou s’identifier à eux comme ils le feraient avec un robot. Mais si c’était là leur meilleure caractéristique ?

Au lieu de se projeter sur un humanoïde de métal, une lecture poétique des métaphores et du symbolisme des diagrammes de l’IA nous incite à réfléchir à la façon dont leurs créateurs conçoivent la cognition. Cela peut conduire à des conversations plus productives sur les risques et les opportunités de la recherche sur l’intelligence artificielle que celles que nous pourrions avoir au milieu de tropes de science-fiction. Et cela soulève la question : Quelles autres conceptions de l’intelligence sont souhaitables, et comment pouvons-nous les représenter ?

 

Via Noéma

Laisser un commentaire

Ce site utilise Akismet pour réduire les indésirables. En savoir plus sur comment les données de vos commentaires sont utilisées.