INTELLIGENCE ARTIFICIELLE (IA)
Ambiguïté sur l'expression « intelligence artificielle »
Le succès de l'expression « intelligence artificielle » repose parfois sur un malentendu lorsqu’elle désigne une entité artificielle douée d’intelligence et qui, de ce fait, rivaliserait avec les êtres humains. Cette idée d’une intelligence artificielle venant à dépasser à terme l’ensemble des facultés humaines renvoie à des mythes et des légendes anciennes telle celle du Golem, réactivée pourrait-on dire depuis le milieu des années 2010 par des personnalités comme l’astrophysicien Stephen Hawking (1942-2018), le chef d’entreprise Elon Musk, l’ingénieur Ray Kurzweil ou encore par les tenants de ce que l’on appelle aujourd’hui l’« intelligence artificielle forte » et l’« intelligence artificielle générale ». Notons que, parmi ceux-là, certains (comme Elon Musk) font semblant de s’en inquiéter, alors que d’autres (comme Ray Kurzweil) s’en réjouissent. Cela étant, tous supposent que l’intelligence artificielle excédera la nature humaine, au point de mettre en cause sa suprématie.
Intelligence artificielle forte
La notion d’intelligence artificielle forte a été introduite en 1985 par le philosophe américain John Searle qui souhaitait distinguer l’intelligence artificielle des informaticiens (qu’il appelait weak artificial intelligence, « intelligence artificielle faible ») de celle dont rêvaient certains de ses collègues philosophes d’orientation cognitiviste et qui aurait été, selon eux, en mesure d’accéder à la signification et à la compréhension (strong artificial intelligence, « intelligence artificielle forte »). Or, selon Searle, l’intelligence artificielle des informaticiens ne procède qu’à des manipulations syntaxiques sur des symboles, ce qui ne lui permet pas d’accéder à leur sémantique, autrement dit au sens. De même, contrairement à ce que prétendaient certains philosophes cognitivistes, pour John Searle, l’intelligence artificielle n’accède ni à la conscience ni à l’émotion.
Pourtant, à la fin des années 1980, des roboticiens, dont Hans Moravec, ont prétendu renouveler l’intelligence artificielle en lui permettant de simuler la perception des objets, d’accéder au sens et par là d’ouvrir la voie à la réalisation d’une intelligence artificielle forte. Les succès de l’apprentissage profond depuis le milieu des années 2010 donnent une vigueur renouvelée aux partisans de l’intelligence artificielle forte. Néanmoins, il n’existe ni preuve scientifique ni démonstration expérimentale laissant entendre qu’elle soit réalisable et a fortiori à notre portée.
Intelligence artificielle générale
Depuis la fin des années 1990, certains chercheurs prétendent que l’on peut accéder aux principes généraux de l’intelligence et les programmer sur une machine. Ce courant appelé « intelligence artificielle générale » (artificial general intelligence), expression introduite en 1997, cherche à dégager un principe ultime qui serait au fondement de n’importe quelle intelligence. Ses tenants sont généralement des physiciens qui essaient de trouver une formalisation mathématique générique résumant toutes les facettes de l’intelligence, qu’il s’agisse de l’intelligence humaine ou animale ou encore génétique, voire physique, et qui serait l’équivalent de l’équation de Schrödinger pour la physique. Autrement dit, ils aspirent à trouver une formule mathématique qui rendrait compte de l’ensemble des formes d’intelligence qui existent dans la nature. Si une telle formule existait et si l’on pouvait concevoir une machine qui soit en mesure de l’exploiter, nous pourrions éventuellement réaliser une intelligence artificielle forte, consciente d’elle-même, ou réduite à un phénomène abstrait, calculatoire, dénué de sensibilité et d’affect, mais qui, dans tous les cas,[...]
La suite de cet article est accessible aux abonnés
- Des contenus variés, complets et fiables
- Accessible sur tous les écrans
- Pas de publicité
Déjà abonné ? Se connecter
Écrit par
- Jean-Gabriel GANASCIA : professeur des Universités, faculté des sciences, Sorbonne université, Paris
Classification
Médias
Quelques participants de l’école d’été de Dartmouth (États-Unis)
Photo courtesy of the Minsky family
Cinquantième anniversaire de l’école d’été de Dartmouth marquant la naissance de l’Intelligence artificielle
Joseph Mehling/ Courtesy of Dartmouth College Library
Réseau de neurones formels
Encyclopædia Universalis France
Autres références
-
INTELLIGENCE ARTIFICIELLE GÉNÉRATIVE
- Écrit par Jean-Gabriel GANASCIA
- 2 716 mots
- 2 médias
Le désir de fabriquer des machines capables de générer textes, images et sons, à l’instar d’artistes, remonte bien à avant le développement de l’intelligence artificielle (IA). À titre d’illustration, la Britannique Ada Lovelace (1815-1852) pressentait déjà qu’une machine pourrait,...
-
AGHION PHILIPPE (1956- )
- Écrit par Olivier MARTY
- 1 173 mots
- 1 média
...monde académique, Aghion voit dans celle-ci une source d’efficacité, de profits et donc de développements favorables à l’emploi. À cet égard, il considère l’intelligence artificielle comme une technologie bienvenue que les acteurs économiques ont intérêt à favoriser. De son côté, l’État devrait veiller à... -
ALGORITHME
- Écrit par Alberto NAIBO et Thomas SEILLER
- 5 919 mots
- 4 médias
...imposent une gestion explicite de la mémoire, alors que d’autres non – c’est le cas de Python, l’un des langages les plus employés de nos jours pour le développement d’intelligences artificielles. L’ensemble de ces éléments a mis en exergue l’idée que l’informatique traite de deux notions bien distinctes.... -
ANDERSON JOHN ROBERT (1947- )
- Écrit par Denis ALAMARGOT
- 374 mots
John Robert Anderson est né à Vancouver (Canada) en 1947. Après des études à l’université de la Colombie-Britannique, il obtient son Ph.D. en 1972 à l’université Stanford, sous la direction de G. Bower. D’abord professeur de psychologie à Yale de 1973 à 1977, il rejoint en 1978 l’université Carnegie-Mellon...
-
APPRENTISSAGE, psychologie
- Écrit par Daniel GAONAC'H et Jean-François LE NY
- 5 939 mots
- 2 médias
Ces recherches s’articulent maintenant avec celles qui, en intelligence artificielle, s’appuient sur l’exploitation d’un très grand nombre de données empiriques (big data) : plutôt que d’« instruire » la machine par des règles définies a priori, on cherche à ce que celle-ci se fonde, pour progresser... - Afficher les 40 références
