Pourquoi tout le monde parle de... l’intelligence artificielle générale

Eliezer Yudkowsky, informaticien et écrivain américain, a un jour déclaré : « Le plus grand danger de l’intelligence artificielle est sans conteste que les gens concluent trop rapidement qu’ils la comprennent. »¹.

Tout le monde se passionne pour l’intelligence artificielle (IA). Grâce à une multitude de films de science-fiction populaires, celle-ci évoque des images futuristes de robots intelligents et d’ordinateurs capables de penser et de parler comme des humains.

Certaines des visions les plus dystopiques évoquées par l’IA ont bénéficié d’un formidable coup de projecteur en mai 2023, lorsque Geoffrey Hinton, souvent considéré comme l’un des pères fondateurs de l’IA, a annoncé qu’il démissionnait de Google. Hinton a notamment mis en garde contre les risques croissants liés aux développements dans ce domaine, en déclarant : « J’en suis arrivé à la conclusion que le type d’intelligence que nous développons est très différent de l’intelligence dont nous disposons. »²

L’IA est indéniablement au centre de nombreux débats. Par ailleurs, il est clair qu’il reste encore beaucoup à apprendre à ce sujet, notamment en ce qui concerne la perspective grandissante de l’intelligence artificielle générale (IAG).

GLOSSAIRE

• Intelligence artificielle (IA): l’intelligence artificielle est la simulation des processus d’intelligence humaine par des machines, en particulier des systèmes informatiques. Les applications spécifiques de l’IA incluent les systèmes experts, le traitement du langage naturel, la reconnaissance vocale et la vision artificielle.
• Intelligence artificielle générale (IAG): également appelée « IA forte », l’IAG est l’intelligence hypothétique d’une machine qui a la capacité de comprendre ou d’apprendre toute tâche intellectuelle dont est capable un humain. L’IAG, qui est l’objectif premier de certaines recherches sur l’IA, est un thème commun à la science-fiction et à la futurologie.
• Chatbot: abréviation de « chatterbot ». Il s’agit de programmes informatiques simulant une conversation humaine par l’intermédiaire de commandes vocales ou de discussions textuelles, ou les deux.
• Apprentissage profond (Deep Learning): également appelé « réseau neuronal profond » ou RNP, l’apprentissage profond fait partie d’une famille plus large de méthodes d’« apprentissage automatique » basées sur l’apprentissage de représentations de données, par opposition à des algorithmes, qui permettent de résoudre une tâche spécifique. Les réseaux neuronaux sont une série d’algorithmes qui s’efforcent de reconnaître les relations sous-jacentes dans un ensemble de données à l’aide d’un processus qui imite le fonctionnement du cerveau humain. L’apprentissage profond analyse les données en utilisant plusieurs couches d’apprentissage (d’où le qualificatif de « profond »). Il peut commencer en apprenant des concepts plus simples, puis les combiner pour en apprendre davantage sur des concepts plus complexes et des notions abstraites.
• IA Générative: rendue célèbre par des chatbots générateurs de texte tels que ChatGPT, l’IA générative est une technologie conversationnelle capable d’analyser de grandes quantités de données. Cependant, elle ne peut accomplir que ce pour quoi elle a été programmée, ce qui la différencie de l’IAG. L’accessibilité immédiate de l’IA générative la distingue toutefois de toutes les IA qui l’ont précédée. En effet, les utilisateurs n’ont pas besoin d’être qualifiés en apprentissage automatique pour interagir avec elle ou l’utiliser de façon productive. Pratiquement toute personne capable de poser des questions peut s’en servir. Celle-ci offre des capacités couvrant un large éventail de contenus, dont des images, des vidéos, des sons et du code informatique. Elle peut également remplir plusieurs fonctions au sein des entreprises, notamment classer, éditer, résumer, répondre à des questions et rédiger de nouveaux contenus.
• Apprentissage automatique: l’apprentissage automatique (ou Machine Learning) est une branche de l’IA qui permet aux systèmes informatiques d’apprendre directement à partir d’exemples, de données et d’expériences. De plus en plus utilisé pour le traitement des « mégadonnées », l’apprentissage automatique est le concept selon lequel un programme informatique peut apprendre et s’adapter à de nouvelles données sans intervention humaine. Il permet aux algorithmes intégrés d’un ordinateur de rester à jour, quels que soient les changements dans l’économie mondiale.
• Traitement du langage naturel (TLN): un sous-domaine de l’informatique, de l’ingénierie informatique et de l’intelligence artificielle qui s’intéresse aux interactions entre les ordinateurs et les langues humaines (naturelles), et notamment à la manière de programmer les ordinateurs afin qu’ils traitent et analysent de grandes quantités de données en langue naturelle. Il s’agit de l’un des outils utilisés par Siri, l’assistant numérique à reconnaissance vocale. Ces systèmes tentent de permettre aux ordinateurs de comprendre la parole humaine, qu’elle soit écrite ou orale. Les premiers modèles étaient basés sur des règles ou sur la grammaire, mais avaient du mal à gérer les mots omis ou les erreurs (fautes de frappe).