L'année dernière, l'intelligence artificielle AlphaGo a battu le champion du monde du jeu pour la première fois. Cette victoire était sans précédent et inattendue compte tenu de la grande difficulté du jeu de société chinois. Bien que la victoire d'AlphaGo ait été définitivement impressionnante, cette IA, qui a battu d'autres champions du go depuis lors, est toujours considérée comme un type d'IA «étroit» - une IA qui ne peut surpasser les humains que dans un champ de tâches limité.
Ainsi, même si nous ne pourrons guère battre un ordinateur en Go ou aux échecs sans recourir à l'aide d'un autre ordinateur, nous ne pouvons pas non plus compter sur eux pour les tâches de routine. L'IA ne vous fera pas de thé ou ne planifiera pas le contrôle technique de votre voiture.
Contrairement à cela, l'IA est souvent décrite dans la science-fiction comme une intelligence artificielle «générale». Autrement dit, l'intelligence artificielle avec le même niveau et la même variété qu'un humain. Bien que nous ayons déjà différents types d'intelligence artificielle qui peuvent tout faire, du diagnostic des maladies à la conduite de nos voitures, nous n'avons pas encore été en mesure de les intégrer à un niveau plus général.
La semaine dernière, les chercheurs de DeepMind ont présenté plusieurs articles qui prétendent jeter les bases de l'intelligence artificielle générale. Bien qu'il n'y ait pas encore de conclusions, les premiers résultats sont encourageants: dans certains domaines, l'IA a déjà dépassé les capacités des humains.
Les deux travaux de DeepMind se concentrent sur le raisonnement relatif, une capacité cognitive critique qui permet aux gens de faire des comparaisons entre différents objets ou idées. Par exemple, pour comparer quel objet est plus grand ou plus petit, lequel est à gauche et lequel est à droite. Les gens utilisent un raisonnement relatif (ou relationnel) chaque fois qu'ils essaient de résoudre un problème, mais les scientifiques doivent encore trouver comment donner à l'IA cette capacité trompeusement simple.
Les scientifiques de DeepMind ont choisi deux voies différentes. Certains ont formé un réseau neuronal - un type d'architecture d'IA modelé sur un cerveau humain - en utilisant une base de données d'objets 3D simples et statiques appelée CLEVR. Un autre réseau de neurones a appris à comprendre comment un objet bidimensionnel change avec le temps.
Dans CLEVR, un réseau de neurones était représenté par un ensemble de conceptions simples telles que des pyramides, des cubes et des sphères. Les scientifiques ont ensuite posé des questions sur l'intelligence artificielle en langage naturel, telles que "un cube est-il fait du même matériau qu'un cylindre?" Étonnamment, le réseau de neurones a pu estimer correctement les attributs relationnels de CLEVR dans 95,5% des cas, surpassant même un humain avec sa précision de 92,6% dans ce paramètre.
Dans le deuxième test, les chercheurs de DeepMind ont créé un réseau neuronal de réseau d'interaction visuelle (VIN) qui a été formé pour prédire les états futurs d'un objet sur vidéo, en fonction de ses mouvements précédents. Pour ce faire, les scientifiques ont d'abord alimenté le VIN trois images vidéo consécutives, que le réseau a traduites en code. Dans ce code, il y avait une liste de vecteurs - la vitesse ou la position d'un objet - pour chaque objet dans le cadre. Le VIN a ensuite reçu une séquence d'autres codes, qui se sont combinés pour prédire le code de la trame suivante.
Vidéo promotionelle:
Pour former le VIN, les scientifiques ont utilisé cinq types différents de systèmes physiques, dans lesquels des objets 2D se déplaçaient sur fond d '«images naturelles» et entraient en collision avec différentes forces. Par exemple, dans un système physique, les objets simulés interagissaient les uns avec les autres conformément à la loi de gravitation de Newton. Dans un autre, un réseau de neurones a été présenté avec des billards et fait pour prédire la position future des boules. Selon les scientifiques, le réseau VIN a réussi à prédire le comportement des objets dans la vidéo.
Ce travail représente une étape importante vers l'IA générale, mais il reste encore beaucoup de travail à faire avant que l'intelligence artificielle puisse conquérir le monde. Et d'ailleurs, la performance surhumaine n'implique pas une intelligence surhumaine.
Pas encore en tout cas.
ILYA KHEL
