<h2 class="newsletter-cta-title"> </h2>
<p class="article-paragraph skip">Abonnez-vous pour découvrir l'avenir dès aujourd'hui.</p>
<div class="newsletter-cta-description">
<p class="article-paragraph skip">Des innovations incontournables à la pointe des sciences et de la technologie.</p>
</div>
</div>
Récemment, j’ai réalisé de nombreuses recherches et écrits sur les promesses de l’intelligence artificielle (IA). On parle d’une IA capable d’analyser les émotions humaines, de comprendre les subtilités sociales, et même de réaliser des traitements médicaux qui surpassent les meilleures compétences humaines. Cependant, si ces prévisions sont fascinantes, elles concernent un horizon à long terme, c’est-à-dire dans vingt ou trente ans. Ce qui préoccupe beaucoup de gens aujourd’hui, c’est la réalité actuelle de l’IA. DARPA, l’agence américaine de recherche avancée, a décidé d’éclaircir cette situation.
L’Approche Unique de DARPA
DARPA est réputée pour son soutien à des projets audacieux et inattendus. Pas étonnant alors qu’elle ait joué un rôle déterminant dans la création d’Internet et du GPS, ainsi que dans le développement d’idées novatrices comme les robots à pattes ou les marchés de prévision. L’objectif premier de DARPA a toujours été de favoriser des initiatives révolutionnaires, ce qui inclut maintenant le secteur de l’IA.
Récemment, un clip YouTube de l’Information Innovation Office de DARPA a été publié pour donner un aperçu des capabilities réelles de l’IA aujourd’hui, tout en posant des questions sur son avenir. Ce clip, intitulé “Cibler l’hyperbole de l’IA”, a été décrit par le magazine digital Motherboard comme une ressource indispensable. Bien que le clip dure 16 minutes, nous allons résumer ses points essentiels.
Une Perspective de DARPA sur l’Intelligence Artificielle
Les Trois Phases de l’IA
DARPA identifie trois phases distinctes dans le développement de l’IA, chacune ayant ses spécificités et ses limites. La troisième phase, sans conteste, est la plus prometteuse, mais il est essentiel de comprendre les deux premières pour apprécier les avancées à venir.
Première Phase : Connaissance Artisanale
Dans cette première phase, des experts ont créé des algorithmes basés sur leurs connaissances pour développer des programmes dotés de règles logiques. Cela a permis la conception de programmes comme ceux capables de jouer aux échecs ou d’optimiser les livraisons. Bon nombre des logiciels que nous utilisons aujourd’hui reposent sur cette forme d’intelligence.
Un exemple frappant est Modria, qui a été engagé par le gouvernement néerlandais pour concevoir un outil automatisé destiné à faciliter les divorces avec un minimum d’interventions légales. Sur sa plateforme, les couples répondent à un ensemble de questions, ce qui permet au système d’identifier les points d’accord ou de désaccord et de guider les discussions afin de parvenir à un résultat optimal.
Ces systèmes de première phase se basent sur des règles logiques claires, mais leurs limites apparaissent lorsque de nouvelles situations surviennent. Ils ne peuvent pas s’adapter ni apprendre de nouvelles situations de manière autonome et sont peu efficaces en cas d’incertitude.
En 2004, DARPA a lancé son premier Grand Challenge où des véhicules autonomes devaient parcourir 150 miles dans le désert de Mojave. Ces véhicules utilisaient l’IA de première génération, démontrant ainsi leurs limitations. Ils peinaient à interpréter de simples images, confondant des objets semblables à des ombres avec des obstacles réels.
Un an plus tard, lors du second défi, tout a changé, car les participants ont commencé à utiliser des systèmes reposant sur l’apprentissage statistique. Ces systèmes peuvent se former à partir de données diverses et ont montré une capacité accrue à distinguer des caractéristiques, comme des visages ou des sons. Cependant, ces systèmes, bien qu’efficaces, manquent encore de compréhension logique et ne peuvent pas expliquer comment ils parviennent à leurs conclusions.
Troisième Phase : Adaptation Contextuelle
La troisième phase devrait voir l’émergence de systèmes capables de construire leurs modèles internes afin d’expliquer leur façon de fonctionner et de prendre des décisions. Par exemple, un système d’IA de troisième phase pourrait analyser une image et non seulement conclure qu’il s’agit d’une vache, mais aussi articuler les raisons de son raisonnement, comme l’identification de ses caractéristiques physiques.
Cette capacité d’adaptation et de contextualisation permettra à l’IA de s’enrichir de diverses sources d’informations, comme des dispositifs connectés ou des smart homes, pour en déduire des conclusions nuancées.
Conclusion et Réflexions Futures
Bien que le clip de DARPA expose clairement les avancées des systèmes d’IA, il rappelle aussi que nous sommes loin de réaliser une IA de type “Terminator”. Les chercheurs exhortent à réfléchir dès maintenant sur les méthodes permettant de contrôler ces systèmes de troisième phase, qui pourraient devenir omniprésents dans deux décennies.
DARPA (Defense Advanced Research Projects Agency) est une agence américaine responsable de l’innovation technologique pour le ministère de la Défense, impliquée dans la conception et le financement de projets de recherche audacieux.
Comment l’IA affecte-t-elle notre quotidien ?
L’IA transforme de nombreux domaines, de la santé à l’éducation, en facilitant des tâches complexes, en améliorant l’efficacité et en développant des solutions sur mesure.
Quels défis éthiques posent les IA avancées ?
Les défis incluent la responsabilité des décisions prises par des systèmes autonomes, ainsi que les biais dans les algorithmes qui peuvent affecter des résultats dans des systèmes de justice ou de santé.
Est-il possible d’anticiper les actions de l’IA ?
Malgré des modèles prédictifs, il est difficile de comprendre la logique interne des systèmes d’IA modernes, ce qui complique la prévision de leur comportement.
Quelles seront les dernières innovations de l’IA dans les prochaines années ?
Les domaines comme la santé personnalisée, la mobilité autonome et une meilleure interaction homme-machine sont des axes crucialement explorés par les chercheurs pour les années à venir.
