Une machine intelligente, et après ?

Depuis 1990 (AI Spring), une approche scientifique nouvelle avec les retours des réseaux neuronaux, l’utilisation des probabilités pour intégrer l’incertitude, l’émergence d’agents intelligents, la disponibilité d’énormes volumes de données (le carburant de l’IA) et également, l’augmentation de la puissance de calcul des machines ont fait entrer l’AI dans une phase d’exponentialité et, dans une certaine mesure aussi , d’industrialisation.

Si on écarte la « peur » de voir apparaitre des machines qui remplacent les humains, y compris dans leur intelligence, il est réducteur d’être perplexe mais également excessif de tant admiration: 60 ans de recherche en IA jusqu’à ce jour ont donné naissance à des « machines » dont aucune n’a passé le test de Turing et dont l’impact sur la vie de l’humain (en bien ou en mal) n’est pas encore significatif .

Oui, nous pouvons nous enthousiasmer de la reconnaissance vocale, des machine de traduction statistiques, de certains robots, des systèmes de recommandations, des moteurs de recherche, des filtres Spam des messageries, de la reconnaissance faciale (y compris pour le paiement en ligne, déjà en œuvre en Chine) : ils  apportent parfois du bien-être aux utilisateurs, et souvent des revenus supplémentaires à leurs créateurs. Tous ces « assistants intelligents » sont de beaux exemples de ce qu’est le « machine learning », discipline célébrée avec IBM Watson (motorisée par les réseaux neuronaux) ou AlphaGo (Google est le « temple » du Deep Learning une des branches du Machine Leaning qui n’est qu’une des branches de l’IA). Les solutions d’entreprise sont également sur-vitaminées à l’IA par le biais d’une cohorte de solutions d’analyses devenues prescriptives plutôt que simplement prédictives : détection de fraude, analyse de CV, calcul de notoriété d’une marque par l’analyse de flux d’images…

Ou, encore, la détection de cancer du sein par l’imagerie ou les véhicules autonomes qui donnent une dimension sociétale (et une valorisation boursière à quelques-uns) et qui posent immanquablement la question de la vie privée : et ce, encore plus pour nous, français, qui sommes tant attachés à ce qui nous appartient

Oui, il est légitime d’être perplexe : tout ça pour ça ? le traducteur instantané promis par Travis ou l’assistant intelligent de Snips (celui qui peut vous trouver un italien à côté de votre Airbnb à Londres) sont assurément des Smart Devices qui peuvent probablement améliorer la vie de quelques-uns mais peu probablement transformer celle de tous

Jusqu’à présent , une large part de ce qui nous est proposé ressemble à de l’IA 1.0 : des « machines » dotées d’une intelligence faible (appellation ANI : Artificial Narrow Intelligence) capable de briller dans un domaine très spécifique, comme par exemple battre le champion du monde de Go. Cette limitation livre des solutions « AI Inside » dont la valeur apportée est tout aussi réelle qu’éphémère. Le fait est que le « machine learning » moderne souffre d’une obligation de choix entre savoir - avec un haut degré de certitude- ce qui va se produire ou comprendre, avec un degré de certitude moindre, pourquoi quelque chose va se produire. Le « pourquoi » nous aide dans la stratégie, nous permet de nous adapter et d’anticiper une faille. Le « quoi » nous aide à agir de manière appropriée dans le court terme. L’intelligence humaine est, elle, capable des deux.

Oui, il est indispensable de s’enthousiasmer. Probablement pas par sur la mise sur le marché d’objets spécialisés qui vont échanger des données personnelles via le Cloud mais définitivement pour ce qui est à venir.

En considérant qu’une « machine » peut posséder aujourd’hui l’intelligence d’une souris (intelligence calculée en nombre ce calculs par seconde) et en appliquant l’éternelle loi de Moore et le développement des réseaux neuronaux, certaines publications annoncent qu’une machine (à un prix abordable) sera dotée d’une intelligence de niveau humain en 2025. Nous rentrerons alors dans l’IA 2.0 (appellation AGI : Artificial General Intelligence) qui promet d’être capable de réaliser tout ce que peut réaliser une intelligence humaine : la capacité de raisonner, de planifier, de résoudre des problèmes, de penser dans l’abstrait, de comprendre des idées complexes, d’apprendre rapidement y compris de l’expérience.

Il nous reste ainsi une dizaine d’années à être une espèce laborieuse jusqu’à ce que des « robots » au moins aussi intelligents que nous n’aillent travailler à notre place, sans rémunération, ni congés. Nous pourrons alors consacrer notre vie à chasser ou cueillir des baies pour nous nourrir et à nous divertir le reste du temps. La vie idéale de nos ancêtres préhistoriques à qui ne manquait que le WiFi…

En attendant l’IA 3.0 (appellation ASI Artificial Superintelligence) définie comme étant un intellect largement plus intelligent que le plus intelligent d’entre nous dans tous les domaines y compris la sagesse et la socialisation. Dans ce futur nous dit-on, les machines intelligentes ne feront pas seulement qu’imiter l’intelligence humaine.

“AI has by now succeeded in doing essentially everything that requires ‘thinking’ but has failed to do most of what people and animals do ‘without thinking”, Donald Knuth

Sources :

• The AI Revolution: The Road to Superintelligence- January 22, 2015 By Tim Urban
• Is Artificial Intelligence Permanently Inscrutable? Aaron M. Bornstein By Aaron M. Bornstein Illustration by Emmanuel Polanco September 1, 2016
• Master AI Columbia Training, 2017
• COMPUTING MACHINERY AND INTELLIGENCE, A. M. Turing (1950)
• Superintelligence: Paths, Dangers, Strategies, Nick Bostrom (2014)
• Lancement #FranceIA, 2017
• SAP Clea