L’année dernière, le programme Alpha Go Zero a battu au jeu de Go son prédécesseur Alpha Go, sur le score de 100 à 0. Auparavant, Alpha Go avait battu le maître sud-coréen Lee Se-Dol grâce à l’expérience accumulée par des milliers de parties jouées face à des professionnels. Alpha Go Zero a, quant à lui, appris à jouer seul. Il lui aura suffi de 3 jours d’entraînement et 5 millions de parties jouées avec lui-même, pour mettre une raclée à son aîné. Ce succès est une illustration des progrès réalisés en Deep Learning, une des composantes de l’intelligence artificielle. Aujourd’hui, ce domaine capte des milliards de dollars d’investissement de la part des grandes puissances mondiales. Afin de mieux comprendre cette révolution en cours, voici un tour des principaux concepts liés à l’intelligence artificielle.
La définition de l’intelligence artificielle ou IA
L’intelligence artificielle désigne l’ensemble des techniques qui permettent à des systèmes informatiques de simuler l’intelligence humaine.
On appelle intelligence artificielle faible, une intelligence qui ne fait que reproduire une tâche précise ou un comportement humain donné. A l’inverse, une intelligence artificielle forte est capable de prendre «conscience» d’elle-même et de comprendre ses propres actions. Elle peut ainsi établir une analyse, dialoguer et dérouler un raisonnement avant d’effectuer des tâches. Pour l’instant, l’intelligence artificielle forte reste du domaine de la science-fiction.
Les composantes de l’intelligence artificielle
Parmi les composantes de l’intelligence artificielle, on trouve le Machine Learning ou Apprentissage automatique, le Deep Learning ou Apprentissage profond, les algorithmes et les réseaux neuronaux. Avant de les définir, positionnons ces composantes sur un diagramme.
Il apparaît clairement que le Machine Learning est un sous-ensemble de l’intelligence artificielle. De la même façon, le Deep Learning est un sous-ensemble du Machine Learning. Enfin, les algorithmes et les réseaux neuronaux font eux-mêmes partie du Deep Learning.
Pour simuler une intelligence humaine, les systèmes informatiques s’appuient sur la logique, des règles, des arbres de décision ainsi que sur le Machine Learning. (contenant donc également le Deep Learning)
Le Machine Learning ou Apprentissage automatique
Le Machine Learning est un sous-ensemble de l’intelligence artificielle, fondé sur l’utilisation de techniques statistiques. Grâce à elles, les machines s’améliorent automatiquement dans la réalisation de leurs tâches en se basant sur l’expérience accumulée. Elles ne sont donc plus dépendantes de la programmation humaine pour progresser. Evidemment, cette approche requiert un grand nombre de données entrantes pour améliorer constamment le processus. Rappelez-vous, c’est grâce aux nombreuses parties jouées avec des humains que la première version d’Alpha Go a pu battre le maître Lee Se-Dol.
Le Deep Learning ou Apprentissage profond
Le Deep Learning est un sous-ensemble du Machine Learning qui s’appuie sur des algorithmes et des réseaux neuronaux. Avec le Deep Learning, les machines s’améliorent par elles-mêmes dans la réalisation de leurs tâches. Elles apprennent en catégorisant et en hiérarchisant de façon autonome un grand nombre de données pour les traiter de la plus simple à la plus complexe.
Par exemple, le Deep Learning peut permettre à une machine d’apprendre par elle-même à distinguer une rose d’une tulipe sur une image. Pour ce faire, elle effectuera de nombreux calculs successifs et identifiera progressivement les caractéristiques distinctives entre les deux fleurs. Autrement dit, elle pourrait commencer par comparer les tiges des deux fleurs, puis identifier les épines de la rose avant de pousser éventuellement l’analyse sur les pétales.
Algorithmes et Réseaux neuronaux
Les algorithmes utilisés en intelligence artificielle sont des processus mathématiques complexes composés de suites d’opérations. Ils permettent notamment d’établir des classifications ou de prendre des décisions.
Un réseau de neurones désigne une méthode de calcul inspirée par une analogie avec le fonctionnement du cerveau humain. Un neurone effectue un calcul simple. En connectant plusieurs neurones entre eux, on constitue un réseau neuronal, donc un enchaînement de calculs. Les connexions sont ajustables et c’est en les ajustant pour mieux réaliser leurs tâches, que les machines effectuent leur apprentissage.
La distinction entre l’apprentissage supervisé et non supervisé
En matière d’intelligence artificielle, l’objectif est que la machine puisse apprendre efficacement en extrayant des données depuis de multiples bases d’informations. Dans ce but, on applique des techniques issues du «Data Mining» telles que l’apprentissage supervisé ou non supervisé.
L’apprentissage supervisé implique une intervention humaine. Pour aider la machine à distinguer une rose d’une tulipe parmi un ensemble de photos, l’humain pourra d’abord lui indiquer les caractéristiques d’une fleur. Par conséquent, la machine aura la capacité à reconnaître une fleur sur une photo avant d’aller plus loin dans l’analyse mathématique.
Par opposition, l’apprentissage non supervisé n’implique aucune intervention humaine. Dans notre exemple, la machine devra d’abord identifier par elle-même une fleur sur une photo, avant de pouvoir faire la distinction entre une rose et une tulipe. Évidemment, cette méthode est moins rapide et moins fiable. Cependant, elle a le mérite d’éviter d’effectuer des tris préparatoires lourds lorsqu’il s’agit de manipuler beaucoup de données.
Concrètement, à quoi peut servir l’intelligence artificielle?
Impossible de répondre à cette question de façon exhaustive, tant les possibilités sont nombreuses! Actuellement, les assistants personnels se font une place dans nos maisons. Amazon Alexa, Google Home ou Apple Siri sont tous des Agents intelligents qui reposent sur des principes du Machine Learning. Grâce à des techniques de traitement du langage naturel (ou NLP en anglais), ces assistants sont capables de comprendre et de répondre à une requête vocale. A l’écrit, ce sont les Chatbots qui sont en train d’être déployés dans plusieurs secteurs du commerce et de la relation client.
L’IA touche tous les secteurs
Amazon ou Netflix utilisent depuis longtemps le Machine Learning pour effectuer des recommandations personnalisées. De son côté, Facebook s’en sert notamment pour faire de la reconnaissance visuelle sur les photos publiées. Le Deep Learning est abondamment exploité dans la recherche sur les voitures autonomes. Dans la médecine, l’IA pourra bientôt faire du prédictif et anticiper des pathologies pouvant être développées par les patients. Toutes les industries, les administrations, le commerce, la logistique, le marketing, la robotique, la sécurité peuvent tirer avantage de l’intelligence artificielle.
Récemment, même l’univers artistique a découvert les premières créations réalisées par des intelligences artificielles. On se souvient notamment de Hello World, morceau de musique entièrement créé par une IA. Autre exemple, un algorithme de Microsoft a étudié l’ensemble de l’oeuvre de Rembrandt. Il a ensuite réalisé la toile The Next Rembrandt avec une imprimante 3D. Le style du peintre semble repris à la perfection…
L’intelligence artificielle est l’une des prochaines révolutions technologiques qui va modifier l’ensemble de notre société, notre économie et nos usages. La capacité à simuler l’intelligence humaine est généralement évaluée grâce à des variantes du Test de Turing, du nom d’un célèbre mathématicien britannique. Le principe initial est de confronter un individu à une conversation à l’aveugle avec une IA et un autre humain. Si l’individu ne sait pas distinguer l’IA de l’autre humain, alors le test est réussi. Le sujet a d’ailleurs été traité avec talent au cinéma dans le film Ex Machina d’Alex Garland.
A ce jour, rares sont les IA qui ont réussi le test de façon incontestable. En améliorant continuellement la puissance de calcul et les algorithmes utilisés, le plus difficile reste paradoxalement de reproduire les «failles» et les erreurs de l’esprit humain. Mais on s’en approche à grands pas.