Il est largement admis qu'avec les dernières avancées de la recherche sur l'intelligence artificielle, des machines vivantes et intelligentes seront bientôt à l'horizon. Les voitures comprennent les commandes vocales, distinguent les images, conduisent des voitures et jouent mieux que nous. Combien de temps reste-t-il à attendre qu'ils commencent à marcher parmi nous?
Un rapport récemment publié par la Maison Blanche sur l'intelligence artificielle adopte une position sceptique. Il dit que dans les 20 prochaines années, il est peu probable que nous voyions des machines «présentant des capacités intellectuelles comparables ou supérieures aux humains», mais dans les années à venir «les machines atteindront les capacités humaines pour effectuer de plus en plus de tâches». Cependant, ce rapport manque quelques éléments importants.
Le chercheur en intelligence artificielle Arend Hintze soutient que le rapport se concentre exclusivement sur le «type ennuyeux d'IA». Cela coupe une branche géante de la recherche sur l'IA en milieu de phrase, comment l'évolution nous aide à développer des systèmes d'IA toujours meilleurs et comment les modèles informatiques nous aident à comprendre l'évolution de notre propre intelligence humaine.
Le rapport se concentre, comme le dit le scientifique, sur les principaux outils de l'IA: l'apprentissage automatique et l'apprentissage en profondeur. Ce type de technologie permettait aux robots de bien jouer aux quiz et de surpasser les maîtres du jeu de go. Ces systèmes peuvent traiter des quantités colossales de données et effectuer des calculs complexes très rapidement. Mais il leur manque un élément qui sera essentiel pour créer les machines intelligentes que nous aimerions avoir à l'avenir.
Il nous faut plus que des machines pour apprendre. Nous devons surmonter les frontières qui définissent quatre types différents d'intelligence artificielle. Les barrières qui séparent les machines de nous - et nous d’elles.
AI type I: machines à jet
Les types les plus élémentaires de systèmes d'IA sont très réactifs et ne peuvent pas former de souvenirs ou utiliser les expériences passées pour éclairer les décisions actuelles. Deep Blue, le supercalculateur jouant aux échecs IBM qui a battu le grand maître Garry Kasparov à la fin des années 1990, est un parfait exemple de ce type de machine.
Vidéo promotionelle:
Deep Blue peut identifier les pièces sur un échiquier et sait comment elles se déplacent. Il peut faire des prédictions de mouvements, à la fois les siens et ceux de son adversaire. Et il choisit les mouvements les plus optimaux possibles.
Cependant, il n'a aucune idée du passé et du souvenir de ce qui s'est passé. Mis à part la règle rarement utilisée, spécifique aux échecs, de ne pas répéter le même coup trois fois, Deep Blue ignore tout jusqu'à présent. Il regarde simplement les pièces sur l'échiquier et choisit le coup suivant.
Ce type d'intelligence comprend un ordinateur qui perçoit directement le monde et agit en fonction de ce qu'il voit. Il ne s'appuie pas sur une conception intérieure du monde. Dans son travail, le chercheur en IA Rodney Brooks a fait valoir que nous ne devrions construire que de telles machines. Selon lui, les humains ne sont pas très doués pour programmer des mondes simulés précis pour les ordinateurs, comme on dit, pour créer une «représentation», une représentation du monde.
Les machines intelligentes modernes que nous admirons soit n'ont pas une telle conception du monde, soit elles sont très limitées et s'occupent de certaines tâches. L'innovation dans la conception de Deep Blue ne consistait pas à augmenter le nombre de mouvements possibles qu'un ordinateur considère. Au lieu de cela, les développeurs ont trouvé un moyen de restreindre sa vision, de rejeter certains des mouvements possibles à l'avenir, en fonction de la façon dont ils sont évalués.
De même, AlphaGo Google, qui a battu le champion du monde en Go, n'a aucun moyen d'évaluer les futurs mouvements possibles. Sa méthode d'analyse est plus sophistiquée que celle de Deep Blue: il utilise un réseau de neurones pour évaluer le déroulement du jeu.
Ces techniques améliorent les capacités des systèmes d'IA, améliorent le jeu de certains jeux, mais ne sont pas faciles à modifier ou à appliquer à d'autres situations. Ces types d'imaginations informatiques n'ont pas de concept du monde dans son ensemble - ce qui signifie qu'ils ne peuvent pas aller au-delà de l'exécution des tâches spécifiques pour lesquelles ils ont été créés, et ils sont facilement trompés.
Ils ne peuvent pas participer de manière interactive au monde et nous aimerions voir un jour de tels systèmes d'IA. Au lieu de cela, les machines se comporteront exactement comme elles le font toujours face à la même situation. Si nous voulons rendre le système d'IA fiable et digne de confiance, alors c'est une bonne chose: vous voudriez que votre véhicule autonome soit fiable. Mais si nous voulons que les machines interagissent avec nous et avec le monde, c'est mauvais. Les systèmes d'IA les plus simples ne s'ennuient jamais, ils ne peuvent pas être intéressés ou contrariés.
AI type II: mémoire limitée
Le type II comprend des machines capables de regarder dans le passé. Les voitures autonomes en sont déjà un peu capables. Par exemple, ils observent la vitesse et la direction des autres véhicules. Cela ne peut pas être fait en une seule fois, pour cela, vous devez identifier des objets spécifiques et les observer au fil du temps.
Ces observations s'ajoutent aux représentations préprogrammées du monde des voitures autonomes, qui comprennent les marquages routiers, les feux de signalisation et d'autres éléments critiques. Ils se connectent lorsque la voiture décide de changer de voie et de ne pas entrer en collision avec une autre.
Mais ces simples informations sur le passé ne sont que temporaires. Ils ne seront pas enregistrés dans le cadre de la bibliothèque d'expérience du véhicule dans laquelle il peut apprendre, comme le font les conducteurs humains, accumulant de l'expérience au fil des ans en conduisant.
Comment construire des systèmes d'IA qui construisent des représentations complètes, se souviennent de nos expériences et apprennent à faire face à de nouvelles situations? Brooke avait raison de dire que c'est très difficile à faire. Peut-être vaut-il la peine de chercher l'inspiration dans l'évolution darwinienne?
AI type III: théorie de l'esprit
Ici, nous devons faire un bref arrêt et appeler ce moment un écart important entre les machines que nous avons et les machines que nous aimerions construire à l'avenir. Cependant, la première étape consiste à être plus précis sur les vues que les machines devront créer.
Les machines de la classe suivante, plus avancée, forment non seulement des représentations du monde, mais aussi d'autres agents ou entités du monde. En psychologie, cela s'appelle la "théorie de l'esprit" - la compréhension que les personnes, les êtres et les objets dans le monde peuvent avoir des pensées et des émotions qui affectent leur propre comportement.
Ceci est important pour la façon dont nous, les humains, façonnons la société, car cela nous fournit des interactions sociales. Sans comprendre les motivations et les intentions de chacun et sans tenir compte de ce que quelqu'un d'autre sait de moi ou de l'environnement, travailler ensemble est au mieux difficile et impossible au pire.
Si les systèmes d'IA errent vraiment parmi nous, ils devront comprendre ce que nous pensons et ressentons, au moins au niveau des hypothèses. Et ajustez votre comportement en conséquence.
IV type d'IA: conscience de soi
Le but ultime du développement de l'intelligence artificielle est de créer des systèmes capables de façonner les images de soi. En fin de compte, les chercheurs en IA doivent non seulement comprendre la conscience, mais aussi créer des machines avec conscience.
C'est, en un sens, une extension de la «théorie de l'esprit» qui était mentionnée dans le type précédent d'IA. Lorsque nous parlons de conscience, nous entendons également la conscience de soi. «Je veux cette chose» est différent de «Je sais que je veux cette chose». Les êtres conscients sont conscients d'eux-mêmes, conscients de leurs états intérieurs et peuvent anticiper le comportement ou les sentiments des autres. Nous supposons que quelqu'un qui nous signale dans la circulation est en colère ou impatient, car c'est ce que nous pourrions ressentir à sa place. Sans une théorie de l'esprit, nous ne pourrions pas faire de telles inférences.
Bien que nous soyons probablement loin de construire des machines auto-conscientes, nous devons concentrer nos efforts sur le chemin de la compréhension de la mémoire, de l'apprentissage et de la capacité à prendre des décisions sur les expériences passées. C'est une étape importante vers la compréhension de l'esprit humain lui-même. Et c'est très important si nous voulons concevoir ou développer des machines qui peuvent non seulement classer ce qu'elles voient devant nous, mais aussi bien plus encore.
ILYA KHEL
