7 types d'IA et leur rôle crucial dans la formation de la technologie

Pendant des décennies, les chercheurs et les experts ont réfléchi à la manière dont l'intelligence artificielle peut renverser la situation pour l'industrie technologique.

En 1956, John McCarthy a développé un robot mobile, Shakey, qui imitait la "prise de décision humaine" pour animer des séminaires. Il a également inventé le terme intelligence artificielle (IA) pour indiquer sa résonance avec notre cerveau humain et notre intellect cognitif.

Aujourd'hui, différents types de logiciels d'opérationnalisation de l'apprentissage automatique (MLOps) et d'outils d'IA sont déployés dans les principaux secteurs industriels pour identifier, automatiser et optimiser les big data.

L'IA a parcouru un long chemin depuis son histoire jusqu'à sa forme actuelle. À la base, l'arbre de l'IA comprend l'apprentissage automatique, qui se développe vers d'autres stades avancés comme l'intelligence machine, la conscience machine et la conscience machine.

Intelligence artificielle étroite (ANI)

IA étroite ou faible est un type d'IA qui empêche un ordinateur d'effectuer plus d'une opération à la fois. Elle a un champ d'action limité lorsqu'il s'agit d'effectuer plusieurs tâches intellectuelles dans le même laps de temps. L'IA étroite peut compiler une instruction particulière dans un scénario personnalisé. Quelques exemples sont Google Assistant, Alexa et Siri.

Exemples d'IA étroite

Les chatbots de service client, comme ceux utilisés par des entreprises telles que Zendesk ou Drift, utilisent l'IA étroite pour répondre aux questions courantes des clients, résoudre les problèmes et fournir un support, le tout dans un contexte limité.

Des applications comme Google Photos et les systèmes de reconnaissance faciale exploitent l'IA étroite pour identifier et classer les images, reconnaissant les visages, les objets et les scènes dans les photos.

Intelligence artificielle générale (AGI)

AGI est l'avenir de la technologie numérique, où les robots ou cyborgs auto-assistants imiteront les mouvements sensoriels humains. Avec l'AGI, les machines seront capables de voir, de répondre et d'interpréter des informations externes, à l'instar du système nerveux humain. Les avancées dans les réseaux neuronaux artificiels propulseront les futurs chargeurs AGI, qui géreront les entreprises avec le temps.

Exemples d'AGI

À ce jour, la véritable AGI n'existe pas, et tous les systèmes d'IA existants sont classés comme IA étroite. Cependant, les chercheurs explorent des exemples théoriques et des projets en cours visant à atteindre l'AGI. Par exemple, des modèles comme GPT-4 d'OpenAI et AlphaFold de DeepMind présentent des capacités avancées en traitement du langage et en compréhension biologique, respectivement, mais ils restent limités à des domaines spécifiques.

Les initiatives en architectures cognitives et en recherche sur la conscience artificielle s'efforcent de reproduire les processus cognitifs humains, tandis que les modèles d'IA à usage général envisagent des systèmes capables d'apprendre et d'effectuer toute tâche intellectuelle semblable aux capacités humaines. Ces efforts reflètent la quête continue pour développer l'AGI, qui reste un objectif majeur dans le domaine de l'intelligence artificielle.

Superintelligence artificielle (ASI)

L'IA forte est un concept futuriste qui n'a été jusqu'à présent que le thème d'un film de science-fiction. L'IA forte sera le dominateur ultime car elle permettrait aux machines de concevoir des auto-améliorations et de surpasser l'humanité. Elle construirait des capacités cognitives, des sentiments et des émotions dans les machines mieux que nous. Heureusement, pour l'instant, ce n'est qu'une proposition.

Le deuxième type, connu sous le nom d'IA fonctionnelle, décrit les principales applications de l'IA dans la sphère commerciale et les médias sociaux. Les systèmes de type 2 fonctionnent principalement sur des algorithmes non supervisés qui génèrent des résultats sans utiliser de données d'entraînement.

À ce jour, quatre types de systèmes d'IA de type 2 ont été conçus et testés.

IA de machines réactives

Les machines réactives sont le type le plus basique d'IA non supervisée. Cela signifie qu'elles ne peuvent pas former de souvenirs ou utiliser des expériences passées pour influencer les décisions prises dans le présent ; elles ne peuvent que réagir aux situations existantes – d'où le terme "réactives".

Les machines réactives n'ont aucune notion du monde et ne peuvent pas fonctionner au-delà des tâches simples pour lesquelles elles sont programmées. Une caractéristique des machines réactives est que, peu importe le moment ou le lieu, elles se comporteront toujours comme elles ont été programmées. Il n'y a pas de croissance avec les machines réactives, seulement une stagnation dans les actions et comportements récurrents.

Exemple de machines réactives

Une forme existante de machine réactive est Deep Blue, un superordinateur joueur d'échecs créé par IBM au milieu des années 1980.

Deep Blue a été créé pour jouer aux échecs contre un concurrent humain dans le but de le vaincre. Il a été programmé pour identifier un échiquier et ses pièces tout en comprenant et en prédisant les mouvements de chaque pièce. Lors d'une série de matchs joués entre 1996 et 1997, Deep Blue a battu le grand maître d'échecs russe Garry Kasparov 3½ à 2½ parties, devenant ainsi le premier dispositif informatisé à battre un adversaire humain.

Source : Scientific American

La compétence unique de Deep Blue à jouer aux échecs avec précision et succès a mis en évidence ses capacités réactives. Dans le même ordre d'idées, son esprit réactif indique également qu'il n'a aucune notion du passé ou du futur ; il ne comprend et n'agit que sur le monde existant actuellement et ses composants. Pour simplifier, les machines réactives sont programmées pour le ici et maintenant, mais pas pour le avant et après.

IA à mémoire limitée

La mémoire limitée est composée de systèmes d'IA supervisés qui tirent des connaissances de données expérimentales ou d'événements réels. Contrairement aux machines réactives, la mémoire limitée apprend du passé en observant des actions ou des données qui lui sont fournies pour créer un modèle adapté.

Bien que la mémoire limitée se base sur des données d'observation en conjonction avec des données préprogrammées que les machines contiennent déjà, ces échantillons d'informations sont éphémères. Une forme existante de mémoire limitée est les véhicules autonomes.

Exemples d'IA à mémoire limitée

Les véhicules autonomes ou voitures autonomes fonctionnent sur une combinaison de connaissances d'observation et de vision par ordinateur. Pour observer comment conduire correctement parmi les véhicules dépendants des humains, les voitures autonomes segmentent leur environnement, détectent des motifs ou des changements dans les facteurs externes et s'ajustent.

Non seulement les véhicules autonomes observent leur environnement, mais ils détectent, étiquettent et capturent le trafic en rétrospective. Auparavant, les voitures sans conducteur sans IA à mémoire limitée prenaient 100 secondes pour réagir et prendre des décisions sur les facteurs externes. Depuis l'introduction de la mémoire limitée, le temps de réaction sur les observations basées sur les machines a chuté de manière significative.

Les assistants virtuels utilisent l'IA à mémoire limitée pour offrir des expériences utilisateur personnalisées en se souvenant des interactions passées. Ces assistants analysent les préférences des utilisateurs, telles que les questions fréquemment posées, les paramètres préférés ou les commandes précédentes, pour améliorer leurs réponses et suggestions au fil du temps.

Par exemple, des plateformes comme Amazon Alexa et Google Assistant peuvent se souvenir des demandes passées, leur permettant d'offrir des recommandations personnalisées, de gérer des appareils domestiques intelligents et d'améliorer l'engagement des utilisateurs. Cette mémoire des interactions antérieures aide les assistants virtuels à s'adapter et à répondre plus efficacement, les rendant de plus en plus utiles dans les tâches quotidiennes.

IA de la théorie de l'esprit

Comme son nom l'indique, la théorie de l'esprit est une technique pour transmettre vos idées, décisions et schémas de pensée aux ordinateurs. Bien que certaines machines présentent actuellement des capacités humaines, aucune n'est pleinement capable de tenir des conversations relatives aux normes humaines. Même le robot le plus avancé au monde manque d'intelligence émotionnelle (la capacité de sonner et de se comporter comme un humain).

Cette future classe de capacité machine inclurait la compréhension que les gens ont des pensées et des émotions qui affectent la sortie comportementale et influencent ainsi le processus de pensée d'une machine de "théorie de l'esprit". L'interaction sociale est un aspect clé de l'interaction humaine. Donc, pour rendre tangibles les machines de la théorie de l'esprit, les systèmes d'IA qui contrôlent les robots actuels devraient identifier, comprendre, retenir et se souvenir des réponses émotionnelles.

Ces machines peuvent traiter les commandes humaines et les adapter à leurs centres d'apprentissage pour comprendre les règles de la communication et des interactions de base. La théorie de l'esprit est une forme avancée d'intelligence artificielle proposée qui nécessiterait que les machines reconnaissent et comprennent en profondeur les changements rapides dans les schémas émotionnels et comportementaux humains. Harmoniser les interactions à ce niveau nécessitera beaucoup de tests et de réflexion abstraite.

Exemple de l'IA de la théorie de l'esprit

Certaines éléments de l'IA de la théorie de l'esprit existent actuellement ou ont existé dans un passé récent. Deux exemples notables sont les robots Kismet et Sophia, créés respectivement en 2000 et 2016.

Kismet

Kismet, développé par le professeur Cynthia Breazeal, était capable de reconnaître les signaux faciaux humains (émotions) et pouvait reproduire ces émotions avec son visage, qui était structuré avec des traits faciaux humains : yeux, lèvres, oreilles, sourcils et paupières.

Source : YouTube

Sophia

Sophia, en revanche, est un robot humanoïde créé par Hanson Robotics. Ce qui la distingue des robots précédents, c'est sa ressemblance physique avec un être humain ainsi que sa capacité à voir (reconnaissance d'image) et à répondre aux interactions avec des expressions faciales appropriées.

Ces deux robots humanoïdes sont des exemples de progrès vers la matérialisation de systèmes d'IA de la théorie de l'esprit dans un avenir proche. Bien qu'aucun d'eux ne soit capable d'avoir une conversation humaine complète avec une personne réelle, les deux robots possèdent des aspects de capacité émotive semblables à ceux de leurs homologues humains. Cette initiative a poussé l'enveloppe de l'IA vers la société humaine.

IA consciente d'elle-même

L'IA consciente d'elle-même implique des machines avec une conscience de niveau humain. Bien que cette forme d'IA n'existe pas actuellement, elle serait considérée comme la forme la plus avancée d'intelligence artificielle connue de l'homme.

Les facettes de l'IA consciente d'elle-même incluent la capacité non seulement de reconnaître et de reproduire des actions humaines, mais aussi de penser par elle-même, d'avoir des désirs et de comprendre ses sentiments. L'IA consciente d'elle-même, en essence, est une avancée et une extension de l'IA de la théorie de l'esprit. Là où la théorie de l'esprit se concentre uniquement sur les aspects de la compréhension et de la reproduction des pratiques humaines, l'IA consciente d'elle-même va plus loin en impliquant qu'elle peut et aura des pensées et des réactions auto-guidées.

Traversez ce pont quand vous y arriverez

Nous sommes actuellement au troisième niveau des quatre types d'intelligence artificielle, donc croire que nous pourrions potentiellement atteindre le quatrième (et dernier ?) niveau de l'IA ne semble pas être une idée farfelue.

Mais pour l'instant, il est important de se concentrer sur la perfection de tous les aspects des types deux et trois de l'IA. Passer rapidement et de manière bâclée à travers chaque niveau d'IA pourrait être préjudiciable à l'avenir de l'intelligence artificielle pour les générations à venir.

Explorez comment la régression logistique divise une différence entre différents types de données non structurées.

Cet article a été initialement publié en 2022. Il a été mis à jour avec de nouvelles informations.