Intelligence artificielle

[AI ] Quand devient-il intelligent? – FutureImpact

[AI ] Quand devient-il intelligent? - FutureImpact


Nous ne nous attendons pas à ce qu'un marteau soit une scie. C'est exactement ce que nous attendons de l'intelligence artificielle.

La plupart des choses dans le monde ne sont pas considérées comme intelligentes. Une pierre, une étoile, un arbre. Tout peut être beau, mais intelligent, non.

Avec certaines «choses» vivantes, nous parlons d’êtres intelligents. Pensez à certains animaux, en particulier nous-mêmes, des êtres humains. Quelle ligne doit être traversée par une chose pour devenir intelligente?

Selon Alan Turing dans son article «Computing Machinery and Intelligence», quelque chose est intelligent si nous ne pouvons pas faire la différence si nous parlons à un ordinateur ou à un humain. Ce «test» est une vision très limitée de l’intelligence dans la mesure où elle n’implique que le langage humain. Si nous construisons des choses intelligentes, nous verrons que ce n’est pas 1/0, mais qu’il existe toutes sortes de niveaux d’intelligence.

Nos plus proches parents, les chimpanzés, par exemple, peuvent apprendre des mots. Mais ce n'est pas vraiment ce qui les rend intelligents. Ce sont des traits comme utiliser des outils, mettre en place des structures sociales complexes et résoudre des problèmes. Les éléphants et les dauphins ont des traits similaires à ceux des chimpanzés, mais d'autres animaux, comme les corbeaux, ont des traits intelligents, comme se souvenir des géolocalisations et s'adapter aux situations difficiles.

Les moutons sont considérés comme intelligents car ils peuvent identifier quand un compagnon de mouton est perdu dans leur troupeau. Des recherches ont également montré que les moutons avaient une très bonne mémoire. En pensant à la mémoire, les écureuils viennent à l’esprit, avec leur incroyable habileté à collecter de la nourriture et à se rappeler où ils l’avaient stockée. Les dauphins et les baleines sont bien connus pour leurs compétences en communication, les chiens peuvent facilement comprendre ce que veulent les autres membres du groupe (ou les humains). Les porcs sont connus pour leurs capacités d'apprentissage.

Les êtres intelligents ont toutes sortes de traits comme la communication, résoudre des problèmes, apprendre, mémoriser et interagir socialement. Ces animaux n’ont cependant pas la capacité de raisonnement logique avancé ni de résoudre un problème mathématique complexe. Quand il s’agit de ces traits, il vaut mieux regarder les ordinateurs. Ils peuvent calculer et utiliser la logique plus rapidement que n'importe quel humain, tout en la mémorisant et en la conservant avec précision.

Dans de nombreuses tâches comme la mémorisation, l’application de l’arithmétique ou de la logique, les ordinateurs sont bien meilleurs que les humains, mais ils ne sont pas considérés comme intelligents. Une des raisons est que les ordinateurs ressemblent davantage à des outils avancés. Vous lui donnez une entrée, par exemple un problème mathématique, et vous obtenez une sortie. Ainsi, bien qu’il fasse quelque chose d’intelligent, l’outil lui-même n’est pas intelligent. L'ordinateur est pour ainsi dire, non conscient du contexte, et n'est pas capable de s'adapter à la situation et n'est pas capable de gérer d'autres tâches, non appris.

Un ordinateur n’a pas la capacité de percevoir ou de déduire des informations et de les conserver en tant que connaissances à appliquer aux comportements d’adaptation dans un environnement ou un contexte. Le problème principal est que les ordinateurs sont conçus comme des outils. Ce n'est évidemment pas un problème tant que nous l'utilisons comme outil, mais cela le devient dès que nous voulons qu'il soit intelligent.

Considérons le matériel d’un ordinateur normal. Cette machine ne peut rien faire. C’est complètement inutile. Ensuite, nous ajoutons un système d'exploitation. Cela agit comme un pont entre le matériel et les logiciels. Maintenant, la machine peut démarrer et la plupart des systèmes d'exploitation sont livrés avec une interface et des programmes de base.

Tous les logiciels sont des outils spécialisés pour effectuer des tâches simples à complexes. Dites un traitement de texte est un outil pour manipuler des textes. Lorsque la capacité matérielle augmente, les scientifiques et les ingénieurs en intelligence artificielle se concentrent sur des tâches plus complexes. Pensez aux échecs ou à un chat-bot. La plupart de ces tâches reposent en grande partie sur des calculs et de grands ensembles de données. Ce logiciel ne peut effectuer qu'une seule tâche.

Il était impossible et ridicule de discuter avec une partie d'échecs et de jouer aux échecs avec un chat-bot.

Un appareil dans notre cuisine ne peut faire qu'une chose. Lavez notre vaisselle, faites du café ou une pizza. Tout est fait par un appareil séparé. Nous ne pouvons pas imaginer comment un seul appareil peut tout faire, mais nous pouvons imaginer un robot de cuisine. En réalité, notre propre matériel, notre corps, et notre logiciel, notre cerveau, sont tous deux capables de faire toutes sortes de choses. Pas tous, mais beaucoup. Alors, est-ce vraiment ridicule de demander cela aux ordinateurs?

Au cours de la dernière décennie, des avancées dans le domaine de l'IA ont permis de rendre l'idée d'appeler un ordinateur intelligent moins étrange. Décrivons la définition du renseignement en 4 phases et examinons comment traduire ces aspects en technologie.

jeInformations extraites par traitement (brut) des entrées

La première phase commence avec les données brutes telles que les données enregistrées par des capteurs ou audio. Si les données sont «comprises» (par exemple par des algorithmes d’apprentissage automatique) et transformées en informations, ces informations peuvent être utilisées comme un élément de base de l’intelligence.

ata to connaissance

Si les informations sont stockées, étiquetées et classées, cela permet des corrélations et un contexte. Si un système intelligent est capable de traiter des informations et permet des décisions tenant compte du contexte, ou est capable de comprendre en fonction du scénario de données possibles, il peut acquérir de l'expérience. En prenant des décisions, il devient capable d’apprendre et d’acquérir des connaissances.

L'apprentissage par des preuves / supervision ne produira que des renseignements dont les résultats sont contrôlés… ce qui présente un grand risque de biais, car les preuves historiques pourraient contenir des hypothèses. Apprendre sans preuves ni supervision pourrait donner des résultats plus spectaculaires / imprévisibles. Cependant, malgré l'état actuel de la technologie, cette quantité de résultats possibles est si grande que cette méthode n'est pas (encore) possible pour une intelligence adaptative.

UNEstratégies dapt

De nouveaux algorithmes logiciels ne reposent pas uniquement sur des calculs et des ensembles de données. Pensez à Google Alpha Zero et à l'IA de Facebook. Alpha Zero est générique dans la façon dont il peut jouer aux échecs, aller et shogi. Il joue contre lui-même et crée ensuite un "programme" pouvant être exécuté sur n’importe quel ordinateur. Il battra tout programme humain ou informatique. Ces programmes d’IA ont mis au point de nouvelles stratégies que des milliers d’années d’expériences humaines et de livres volumineux n’ont jamais proposées et que les fabricants ne suivent pas encore. Facebook a fait la même chose avec le poker avec les autres choses qu’il ya au bluff dans le poker.

Toute réalisation d'ordinateurs est donc la réalisation de l'homme en premier? AI commence-t-il à être capable de s'adapter?

Cprise en compte du texte

Appliquer les informations dans le contexte est le plus gros obstacle. Les programmes doivent être très génériques pour s’adapter à l’environnement. Il sera utile de combiner les trois premiers éléments. C’est la raison pour laquelle, outre Facebook et Google, Microsoft a également investi plus d’un million de dollars dans la création d’une intelligence artificielle générale.

Ces initiatives, même si elles ne sont pas motivées publiquement et scientifiquement, sont importantes pour comprendre l'intelligence. Nous visualisons ensuite l'intelligence en la réalisant. Ou comme Richard Feynman a dit: "Ce que je ne peux pas créer, je ne comprends pas"

Un petit exemple

Un premier exemple (avec une portée quelque peu limitée) consistera à créer des voitures autonomes, des voitures intelligentes. Les voitures autonomes contiennent tous les éléments qui doivent être appelés intelligents. Ils doivent d’abord percevoir leur environnement à l’aide de capteurs et de caméras. Deuxièmement, ils doivent transformer cela en connaissance (ce que chaque objet signifie dans une situation de trafic) et troisièmement, ils doivent s’adapter en temps réel aux situations imprévues du monde entier.

Ainsi, une voiture autonome n’est pas considérée comme intelligente au sens traditionnel du terme (elle ne peut pas communiquer), mais elle est intelligente lorsque nous élargissons notre champ de vision.

Parties suivantes

En définissant ces 4 phases (selon nos critères aux fins de la série d'articles sur l'IA), nous nous plongerons dans les défis que nous rencontrerons dans les prochains articles sur la série AI.

Afficher plus

SupportIvy

SupportIvy.com : Un lieu pour partager le savoir et mieux comprendre le monde. Meilleure plate-forme de support gratuit pour vous, Documentation &Tutoriels par les experts.

Articles similaires

Laisser un commentaire

Votre adresse de messagerie ne sera pas publiée. Les champs obligatoires sont indiqués avec *

Bouton retour en haut de la page
Fermer