De la création de l’Intelligence Artificielle jusqu’à nos jours
L’intelligence artificielle (IA) est un domaine en constante évolution qui vise à créer des ordinateurs capables de réaliser des tâches complexes de manière autonome. Depuis ses débuts dans les années 1950, l’IA a fait des progrès considérables et est devenue un sujet de recherche important dans de nombreux domaines, tels que la reconnaissance de la parole et de l’image, la traduction automatique, la robotique et la biologie. Malgré ces avancées, l’IA reste un sujet controversé, suscitant des inquiétudes quant à son potentiel de dépasser les capacités humaines et de remplacer les emplois. Dans cet article, nous explorerons les différents aspects de l’intelligence artificielle et ses implications pour l’avenir.
Les débuts de l’Intelligence Artificielle
C’est dans les années 50 que l’histoire de l’IA débute. Une technologie suscitant l’intérêt de beaucoup et pour des raisons pertinentes !
En réalité, l’IA est issue d’années d’expérimentation. Cependant, avant de parler d’IA, il s’agirait avant tout de définir clairement ce qu’est l’intelligence biologique car son explication suit l’évolution de l’IA.
Elle est définie par la capacité à résoudre des problèmes et à s’adapter à des situations nouvelles par des procédures cognitives et mentales.
En même temps que l’IA, sont nées les sciences cognitives qui étudient l’intelligence humaine. Afin de pouvoir simuler cette dernière, il est nécessaire d’avoir la capacité de reproduire les fonctions cognitives qui sont à l’origine du fonctionnement de la pensée humaine. C’est par exemple ce qui nous permet de mémoriser, de planifier et de raisonner. L’objectif de l’IA est donc de reproduire ces fonctions cognitives mais cette fois-ci sur des machines. Pour ce faire, les chercheurs allient deux approches complémentaires : la transmission de connaissances (approche symbolique) et l’expérimentation (approche numérique). Voyons en détails de quoi il s’agit.
Quelle est la différence entre l’approche symbolique et l’approche numérique ?
L’approche symbolique, également appelée approche déterministe, tente d’imiter comment l’être humain réfléchit logiquement grâce à l’utilisation de ses connaissances. Par définition, une connaissance regroupe « un ensemble de propriétés, de caractéristiques et de traits spécifiques » d’un élément. Elle est donc plutôt mécanique et factuelle. Il est possible d’expliquer étape par étape comment aller d’un point A à un point B en utilisant nos connaissances. Ainsi, il est possible de retranscrire ces étapes sous forme de logiciel, qu’une machine exécutera parfaitement et plus rapidement.
L’approche numérique quant à elle englobe tous les savoirs plus complexes à expliquer, comme faire du vélo. Bien qu’il soit possible de décrire les mouvements à effectuer, c’est uniquement par l’expérimentation qu’il sera possible d’acquérir cet apprentissage. Aujourd’hui, il est également possible de simuler cette approche pour les machines, c’est-à-dire qu’elles sont capables de reproduire comment l’humain apprend de ses essais et erreurs.
L’IA, un futur controversé
L’utilisation de l’IA génère cependant quelques débats et questionnements. Pour certains, il s’agit d’une avancée incroyable dont l’humain peut bénéficier (gain de temps et de performance : l’IA peut effectuer des tâches plus rapidement et sans erreur). Pour d’autres, l’apogée technologique est également accompagné d’incertitudes quant à ce qu’elle peut engendrer. En effet, le principe de boîte noire – qui existe uniquement dans l’approche numérique – suggère qu’à un moment du processus de l’IA, la compréhension des étapes exactes nous échappe. Ainsi, personne n’est réellement en mesure de comprendre le fonctionnement total de l’IA.
Ray Kurzweil par exemple parle du point de singularité afin d’expliquer son point de vue. Selon lui, il y aurait donc un point d’inflexion « au-delà duquel les hommes seront dépassés par les robots ».
L’émergence de l’IA soulève plusieurs questions sociétales :
- Débat éthique : faut-il s’inquiéter des données dont on donne l’accès ?
- Débat économique et social : destruction ou création d’emplois ?
- Débat juridique : faut-il une personnalité juridique à l’IA ?
Il est même possible de faire le parallèle entre ces thématiques et le livre Homo deus de Yuval Noah Harari, qui lui interroge l’avenir de l’humain : « Que deviendront nos démocraties quand Google et Facebook connaîtront nos goûts et nos préférences politiques mieux que nous-mêmes ? ».
Techniquement, toutes ces inquiétudes ne sont pas complètement dénuées de sens dans un monde où des informations sur la technologie ne cessent d’être découvertes. Cependant, il faut également savoir que des réglementations existent.
Selon, la CNIL, « plusieurs cadres réglementaires visant à préciser les conditions d’utilisation de l’intelligence artificielle sont actuellement en cours d’élaboration au niveau européen ».
Finalement, dans quels domaines utilise-t-on l’IA actuellement ?
La recherche constante d’une intelligence qui puisse simuler au mieux les comportements et même les réactions humaines a permis de créer un écart de plus en plus petit entre machine et être humain, jusqu’à ce qu’il devienne nul. C’est le constat qui est fait aujourd’hui dans certains secteurs, comme celui de l’automobile. Les voitures autonomes performent bien mieux que les voitures traditionnelles, manipulées par les humains.
Aujourd’hui, grâce aux recherches et au développement continus de l’IA, les machines sont capables de la résolution de tâches plus ou moins complexes, allant de la reconnaissance d’images à la prise de décisions.
L’IA est effectivement une discipline assez large avec différents types de procédés d’apprentissage, dont le Deep Learning. Son principe repose sur la capacité à donner une information de type numérique à un système appelé le réseau neuronal, qui va ensuite la digérer.
Le Deep Learning est par ailleurs utilisé par Octarina afin d’analyser visuellement des situations en temps réel. L’identification de pattern peut tout autant s’appliquer à la reconnaissance d’objets, comme un balai ou des câbles, que de personnes.
Cette analyse d’images, ou plus globalement la vision par ordinateur associée au Deep Learning, pourrait s’agir d’un atout pour les entreprises étant donné que son utilisation est parfaitement stratégique en contrôle qualité et en maintenance.
Analyse d’images : détection d’une personne qui dépose un objet au sol