Qu'est-ce que l'IA ? Histoire, définitions et applications

Tout le monde parle d'intelligence artificielle, aussi connue sous sa forme abrégée, IA. Mais de quoi s'agit-il exactement ? C'est précisément ce que nous allons expliquer aujourd'hui.

• L'IA signera-t-elle la fin de la responsabilité personnelle ?
• Ce que l'IA dans votre smartphone signifie vraiment

Histoire

L'intelligence artificielle joue un rôle de plus en plus important dans nos vies, et la tendance actuelle concerne les puces IA et les applications smartphone qui l'accompagnent. Mais cette technologie a commencé à être développée dès les années 50 avec le Dartmouth Summer Research Project on Artificial Intelligence au Dartmouth College aux États-Unis. Ses origines remontent encore plus loin aux travaux d'Alan Turing — à qui l'on doit le célèbre test de Turing —, Allen Newell et Herbert A. Simon, mais l'IA n'a pas fait son entrée sur la scène mondiale avant l'arrivée de l'ordinateur d'échecs Deep Blue d'IBM, qui fut la première machine à battre le champion du monde d'échecs en titre Garry Kasparov dans un match en 1996. Les algorithmes d'IA sont utilisés dans les centres de données et sur de gros ordinateurs depuis de nombreuses années, mais ne sont présents dans l'électronique grand public que plus récemment.

Définition de l'intelligence artificielle

La définition de l'intelligence artificielle la caractérise comme une branche de l'informatique qui traite de l'automatisation du comportement intelligent. Voici la partie difficile : puisque vous ne pouvez pas définir précisément l'intelligence per se, l'intelligence artificielle ne peut pas être définie exactement non plus. De manière générale, le terme est utilisé pour décrire des systèmes dont l'objectif est d'utiliser des machines pour émuler et simuler l'intelligence humaine et le comportement correspondant. Cela peut être accompli avec de simples algorithmes et des motifs pré-définis, mais peut devenir bien plus complexe également.

Différents types d'IA

IA symbolique ou à manipulation de symboles fonctionne avec des symboles abstraits qui sont utilisés pour représenter la connaissance. C'est l'IA classique qui poursuit l'idée que la pensée humaine peut être reconstruite sur un niveau logique hiérarchique. L'information est traitée de haut en bas, en travaillant avec des symboles lisibles par l'homme, des connexions abstraites et des conclusions logiques.

• Les IA sont élevées sur des jeux vidéo... pas pour nous battre, mais pour nous rejoindre

IA neuronale est devenue populaire en informatique à la fin des années 80. Ici, la connaissance n'est pas représentée par des symboles, mais plutôt par des neurones artificiels et leurs connexions — une sorte de cerveau reconstruit. La connaissance rassemblée est décomposée en petites pièces — les neurones — puis connectée et construite en groupes. Cette approche est connue comme la méthode bottom-up qui travaille depuis le bas. Contrairement à l'IA symbolique, un système neuronal doit être entraîné et stimulé pour que les réseaux neuronaux puissent accumuler de l'expérience et grandir, accumulant ainsi une plus grande connaissance.

Réseaux de neurones sont organisés en couches connectées entre elles via des lignes simulées. La couche supérieure est la couche d'entrée, qui fonctionne comme un capteur qui accepte l'information à traiter et la transmet en dessous. Viennent ensuite au moins deux — ou plus de vingt dans les grands systèmes — couches qui sont hiérarchiquement au-dessus les unes des autres et qui envoient et classifient l'information via les connexions. Tout en bas se trouve la couche de sortie, qui a généralement le moins de neurones artificiels. Elle fournit les données calculées sous une forme lisible par la machine, c'est-à-dire « photo d'un chien en journée avec une voiture rouge ».

Méthodes et outils

Il existe divers outils et méthodes pour appliquer l'intelligence artificielle à des scénarios réels, dont certains peuvent être utilisés en parallèle.

La base de tout cela est l'apprentissage automatique (machine learning), défini comme un système qui construit la connaissance à partir de l'expérience. Ce processus donne au système la capacité de détecter des motifs et des lois — et ce avec une vitesse et une précision croissantes. Dans l'apprentissage automatique, on utilise à la fois l'IA symbolique et l'IA neuronale.

L'apprentissage profond (deep learning) est un sous-type de l'apprentissage automatique qui devient de plus en plus important. Seule l'IA neuronale, c'est-à-dire les réseaux de neurones, est utilisée dans ce cas. L'apprentissage profond est la base de la plupart des applications IA actuelles. Grâce à la possibilité d'étendre de plus en plus la conception des réseaux de neurones et de les rendre plus complexes et puissants avec de nouvelles couches, l'apprentissage profond est facilement scalable et adaptable à de nombreuses applications.

Il existe trois processus d'apprentissage pour entraîner les réseaux de neurones : supervisé, non supervisé et par renforcement, offrant de nombreuses façons différentes de réguler comment une entrée devient la sortie désirée. Alors que les valeurs cibles et paramètres sont spécifiés de l'extérieur dans l'apprentissage supervisé, dans l'apprentissage non supervisé, le système tente d'identifier des motifs dans l'entrée qui ont une structure identifiable et peuvent être reproduits. Dans l'apprentissage par renforcement, la machine travaille aussi indépendamment, mais est récompensée ou punie selon le succès ou l'échec.

Applications

L'intelligence artificielle est déjà utilisée dans de nombreux domaines, mais loin d'être tous visibles au premier coup d'œil. Par conséquent, sélectionner des scénarios qui tirent parti des possibilités de cette technologie n'est en aucun cas une liste exhaustive.

Les mécanismes de l'intelligence artificielle sont excellents pour détecter, identifier et classifier des objets et des personnes sur des photos et vidéos. À cette fin, on utilise une détection de motifs simple mais intensive en CPU. Si l'information d'image est déchiffrée et lisible par la machine en premier lieu, les photos et vidéos peuvent être facilement divisées en catégories, recherchées et trouvées. Une telle reconnaissance est également possible pour les données audio.

Le service client utilise de plus en plus des chatbots. Ces assistants textuels effectuent la reconnaissance à l'aide de mots-clés que le client peut leur dire et répondent en conséquence. Selon l'utilisation, cet assistant peut être plus ou moins complexe.

L'analyse d'opinion n'est pas seulement utilisée pour prévoir les élections en politique, mais aussi dans le marketing et bien d'autres domaines. L'opinion mining, aussi connu sous le nom d'analyse de sentiment, est utilisé pour explorer internet à la recherche d'expressions d'opinion et d'émotion, permettant la création d'un sondage d'opinion largement anonymisé.

Les algorithmes de recherche comme ceux de Google sont naturellement top secret. La manière dont les résultats de recherche sont calculés, mesurés et affichés est largement déterminée par des mécanismes qui fonctionnent avec l'apprentissage automatique.

Le traitement de texte, ou la vérification de la grammaire et de l'orthographe d'un texte, est une application classique de l'IA symbolique utilisée depuis longtemps. La langue est définie comme un réseau complexe de règles et d'instructions qui analyse des blocs de texte dans une phrase et, dans certaines circonstances, peut identifier et corriger des erreurs.

Ces capacités sont également utilisées dans la synthèse de la parole, qui est actuellement sur le devant de la scène avec les systèmes d'assistant comme Siri, Cortana, Alexa ou Google Assistant.

Sur les nouvelles puces de smartphone comme le Kirin 970, l'intelligence artificielle est intégrée dans son propre composant, le NPU ou unité de traitement neuronal. Le processeur fait ses débuts dans le Huawei Mate 10. Vous en apprendrez plus sur lui et les rôles que la technologie jouera sur le smartphone Huawei une fois que nous aurons l'occasion de l'expérimenter dans un futur proche. Qualcomm travaille déjà sur un NPU, le processeur Zeroth, depuis deux ans, et la nouvelle puce Apple A11 contient un composant similaire.

De plus, il existe de nombreux projets de recherche sur l'intelligence artificielle et le plus célèbre de tous est peut-être Watson d'IBM. Le programme informatique avait déjà fait ses débuts publics en 2011 dans l'émission Jeopardy, où il a affronté deux candidats humains. Watson a gagné, bien sûr, et d'autres apparitions publiques ont suivi. Une compagnie d'assurance japonaise utilise Watson depuis janvier pour vérifier les clients assurés, leur historique et données médicales et évaluer blessures et maladies. Selon les informations de l'entreprise, Watson a remplacé environ 30 employés. La perte d'emplois par l'automatisation n'est qu'un des problèmes éthiques et sociaux entourant l'IA qui fait l'objet de recherches académiques et d'entreprises.

Projection

L'IA n'est pas quelque chose qui vient de sortir de nulle part récemment, mais elle approche d'une percée dans le monde de l'électronique grand public, ce qui est plus que suffisant comme raison pour que tout le monde se tienne au courant de ce sujet à l'avenir.

Quels aspects de l'intelligence artificielle trouvez-vous exceptionnellement intéressants ? Dites-le-nous dans les commentaires ci-dessous !