L’intelligence artificielle pour les nuls

Résumé de « L’intelligence artificielle pour les nuls » de John Paul Mueller et Luca Massaron : voici un livre qu’il vous faut lire si vous voulez comprendre les enjeux de ces nouvelles technologies qui prétendent changer notre vie et nos façons de travailler — un ouvrage de vulgarisation technique complet qui répondra à toutes vos interrogations sur le fonctionnement et les défis posés par l’IA.

Par John Paul Mueller et Luca Massaron (pour l’adaptation française), 2022, 420 pages.

Titre original : Artificial intelligence for dummies

Chronique et résumé de « L’intelligence artificielle pour les nuls » de John Paul Mueller et Luca Massaron

Introduction

Il y a beaucoup de discours contradictoires sur l’intelligence artificielle (IA), des plus optimistes aux plus pessimistes. Ce livre cherche à faire le point en étudiant le rôle des IA dans nos vies quotidiennes. Il aborde aussi la question des limites — techniques et éthiques — de ces technologies.

Partie 1. Introduction à l’IA

Chapitre 1. Introduction à l’IA

« Chacun a de l’IA une vision différente », affirment les auteurs. Cela ne facilite ni sa compréhension ni son développement.

L’intelligence artificielle, qu’est-ce que ça veut dire ?

Il faut d’abord distinguer entre différents types d’activités mentales reprises sous le nom d’intelligence :

• Apprentissage ;
• Raisonnement ;
• Compréhension ;
• Perception de la vérité ;
• Vision des liens ;
• Prise en compte du sens ;
• Distinction entre les faits et les croyances ;
• Etc.

Malgré cette diversité, l’intelligence suit un processus qui peut être imité ou simulé par une machine :

1. Élaboration d’un objectif ;
2. Estimation de la valeur d’une information pour l’atteinte de l’objectif ;
3. Manipulation de données ;
4. Définition des valeurs de vérité entre informations nouvelles et existantes ;
5. Évaluation de l’atteinte de l’objectif ;
6. Modification de l’objectif en fonction de nouvelles données ;
7. Répétition jusqu’à la réussite/échec (trouvé vrai/trouvé faux).

Pour comprendre ce que les ordinateurs peuvent faire, il peut être utile de se rapporter à la théorie des intelligences multiples de Howard Gardner (voir le tableau 1.1. p. 12-14).

En fait, il est important de comprendre que « l’IA, en réalité, n’a rien à voir avec l’intelligence humaine ». L’IA « simule » l’intelligence grâce à des algorithmes.

Comprendre l’histoire de l’IA

Les débuts de l’IA ont lieu aux États-Unis, à Darmouth, dans les années 50. Les premières expériences ont lieu avec la logique symbolique. Au début, les scientifiques tentèrent d’imiter le fonctionnement du raisonnement humain (tel qu’ils le comprenaient à l’époque). Cela a donné des résultats, mais plutôt décevants par rapport à ce qui était attendu.

Les systèmes experts ont ensuite fait leur apparition. Nous en utilisons toujours aujourd’hui (les correcteurs d’orthographes, par exemple). Ce type de recherche a connu ses beaux jours dans les années 70 et 80, avant d’être relégué au second plan dans les années 90.

Ensuite vint « l’hiver des IA ». L’engouement s’est réduit (financier, scientifique, etc.). Mais au début des années 2000, de nouvelles découvertes ont vu le jour. De nouvelles théories et groupes de recherche naissent et se développent rapidement.

À l’heure actuelle, c’est la « tribu » de l’apprentissage profonds qui connaît le plus de succès. Nous verrons plus bas de quoi il s’agit.

Recenser les applications de l’IA

Voici quelques applications d’utilisations de l’IA déjà mises en place :

• Détection des fraudes ;
• Planification des ressources ;
• Analyse complexe ;
• Automatisation ;
• Services à la clientèle ;
• Systèmes de sécurité ;
• Efficience des machines.

Éviter l’emphase et la surestimation concernant l’IA

Voici maintenant les 5 tribus de l’IA et de l’apprentissage machine dont nous parlions plus haut :

1. Symbolistes (leur truc, c’est la logique et la philosophie) ;
2. Connexionnistes (eux, ils sont branchés neurosciences) ;
3. Évolutionnistes (les biologistes du coin) ;
4. Bayésiens (pros de la statistique) ;
5. Analogistes (ou la psychologie appliquée aux machines).

À terme, l’objectif serait de fusionner toutes ces approches pour créer un ou plusieurs « algorithme(s) maître(s) (…) capable(s) d’apprendre quelque chose ». Même si des scientifiques y travaillent, nous sommes encore loin du compte.

Il faut donc être prudent et ne pas succomber aux sirènes médiatiques qui nous annoncent la révolution IA tous les deux ou trois ans. En tant qu’utilisateurs, nous devons rester calmes et ne pas surestimer leur puissance.

Chapitre 2. Définir le rôle des données

Les données sont la « nourriture » des centres de calcul. Ce qui change aujourd’hui, c’est leur nombre et leur diversité. « L’utilisation de matériels sophistiqués et les progrès réalisés dans les algorithmes font que les données sont aujourd’hui la ressource universelle de l’IA », rappellent les auteurs.

Constater que les données sont aujourd’hui omniprésentes

Il existe différents types de données. Mais avant d’aller plus loin, il faut prendre la mesure du « big data » (grandes données). C’est la grande nouveauté. Les données sont vastes, si vastes que de nouveaux outils d’analyse sont nécessaires pour les stocker et les traiter.

Où sont créées et distribuées ces données ? Sur Internet, principalement. Et plus encore depuis la naissance du web 2.0 (collaboratif, avec les réseaux sociaux et le peer-to-peer, etc.).

Tous nos équipements contemporains — de l’ordinateur au mobile, en passant par les appareils domestiques connectés — récoltent des données qui sont (ou peuvent être) ensuite traitées ailleurs.

Aujourd’hui, ce sont principalement les algorithmes fonctionnant avec l’apprentissage profond qui sont capables de traiter ces grands amas de données.

Exploiter les données avec succès

Avoir des données ne suffit pas à améliorer les IA. Il faut les recueillir, les manipuler, puis seulement les analyser. Pour la récolte, vous aurez besoin de capteurs qui sont de toutes sortes (voir p. 36). Ce sont eux qui seront capables de vous fournir des données fiables.

Parfois, ce sont les humains qui introduisent eux-mêmes leurs données (sur Facebook ou dans un formulaire du registre national en ligne, par exemple). Mais vous pourrez aussi recourir à l’automatisation de la collecte de données.

Dans tous les cas, vous devrez vous assurer d’agir avec éthique (ce qui n’est pas toujours facile). Voici quelques recommandations :

• Obtenir la permission ;
• Utiliser des techniques d’assainissement des données ;
• Éviter l’inférence des données ;
• Éviter les généralisations (p. 41-42).

Adapter les données

Vous n’aurez que rarement des données « parfaites ». Vous devrez faire avec des données manquantes et prendre en compte des discordances entre certaines d’entre elles. Par ailleurs, vous devrez faire le tri entre les données utiles et celles qui ne vous apporteront rien.

Autrement dit, comme vous pouvez le constater, les données sont loin d’être simplement « données ». Il faut un long travail pour les « obtenir ».

Tenir compte des 5 types de données incorrectes

Vous devrez être particulièrement vigilant, lors de la récolte, à exclure ces 5 types de données :

1. Mensonges ;
2. Omissions volontaires ;
3. Erreurs de perspectives ;
4. Biais cognitifs (sur ce point, voir Système 1/système 2) ;
5. Mauvais cadres de référence (quand vous ne parlez pas de la même chose, vous ne pouvez pas vous comprendre).

Définir les limites de l’acquisition des données

Bien sûr, il convient aussi de définir des limites à l’acquisition des données. Pourquoi accumuler tant de data ? Pour faire quoi ? « Il importe d’adapter l’acquisition de données aux questions auxquelles il faut répondre », rappellent les auteurs.

Sans questionnement préalable, la récolte pourrait bien être absurde ! Si vous êtes en situation de récolter et d’analyser des données, assurez-vous donc d’avoir clairement défini, au préalable, les choses que vous voulez savoir.

Prendre en compte les problèmes de sécurité des données

L’accessibilité des données ne va pas de soi. Certains utilisateurs biaisent volontairement leurs données (dans le domaine politique ou médical, par exemple). Par ailleurs, certaines données peuvent être corrompues par des sources humaines ou des machines (botnets, attaques de virus, etc.).

Chapitre 3. Réfléchir à l’utilisation des algorithmes

Les données sont capitales. Plus encore que le perfectionnement de l’algorithme. C’est en tout cas l’avis de spécialistes en création de modèles de langage. Mais allons un peu plus au fond des choses.

Comprendre le rôle des algorithmes

« Un algorithme est une procédure, c’est-à-dire une succession d’opérations, généralement exécutée par un ordinateur, qui garantit l’aboutissement à la solution correcte d’un problème dans un temps fini, ou qui vous dit qu’il n’existe aucune solution. »

(L’intelligence artificielle pour les nuls, p. 58)

En soi, ce n’est rien de très nouveau et nous utilisons déjà des IA appuyées sur des algorithmes plus ou moins simples tous les jours, depuis les systèmes intelligents d’ouverture de porte de garage jusqu’à Alexa ou Siri.

Les auteurs abordent ensuite des questions techniques liées à la compréhension plus fine des premiers algorithmes ayant servi au développement des IA :

• Les plans et ramifications (comment construire des graphes de résolution de problèmes en créant des espaces d’états et des moyens de « traverser » les graphes) ;
• Les jeux qui opposent des joueurs (l’exemple type est le morpion, aussi appelé OXO) ;
• La recherche locale et les heuristiques.

Découvrir la machine qui apprend

Les algorithmes présentés ci-dessus peuvent résoudre des problèmes de type « sudoku ». Mais certains problèmes de la vie réelle sont plus compliqués. Le diagnostic d’une pathologie ou la détection d’une fraude à l’assurance, par exemple, demandent d’autres compétences et — surtout — plus de flexibilité.

Les systèmes experts forment des moyens plus subtils de répondre à ce type de tâche (les auteurs donnent l’exemple de MYCIN et DENDRAL).

Autre solution : faire intervenir l’apprentissage machine. C’est ce qui a été utilisé par Google et son IA AlphaGo, qui a réussi à vaincre plusieurs champions du Go (un jeu de table plus complexe que le jeu d’échecs).

Chapitre 4. Innover avec un matériel spécialisé

Pour que l’IA fonctionne bien, et même mieux, il faut développer des matériaux nouveaux. Le matériel informatique reste la base de tout développement et progrès en ce domaine. Par ailleurs, il faut aussi apprendre à améliorer la relation humain/machine.

Utiliser un matériel standard

Mieux vaut se fier à ce qui a déjà fait ses preuves, au moins dans un premier temps. Si vous devez développer une IA, vous vous appuierez donc sur des systèmes pérennes et standards dans ce domaine. En l’occurrence, l’architecture de von Neumann (du nom de l’inventeur de l’informatique) fait encore référence, même si elle a des défauts (qui sont répertoriés page 80).

S’appuyer sur de nouvelles techniques de calcul

Certaines nouvelles techniques peuvent paraître géniales, mais c’est parfois juste un effet d’annonce. Il faut donc rester vigilant, surtout si vous souhaitez expérimenter en la matière. Neural Magic est une technique intéressante, mais elle nécessite d’avoir un matériel informatique robuste.

Les auteurs parlent également du Sub-Linear Deep Learning Engine (SLIDE) qui change complètement la façon traditionnelle d’exécuter les tâches.

Utiliser des processeurs graphiques (GPU)

Ceux-ci sont très performants. Ils s’adjoignent au processeur central (CPU) afin d’en accroître les performances, notamment dans le traitement des images, un thème brûlant de l’IA depuis les années 2010 au moins.

Travailler avec des processus d’apprentissage profond

Ici, il faut différencier entre  :

• Le DLP pour deep learning processor ou processeur d’apprentissage profond, encore étudié par les universitaires ;
• Et le NPU pour neuronal processor unit ou unité de traitement neuronal, qui est issu du premier et qui a fait l’objet d’utilisations commerciales ;
• Et le TPU pour tensor processing unit créé par Google sur la même base, pour des utilisations spécialisées.

Créer un environnement de traitement spécialisé

En revanche, l’apprentissage profond est incompatible avec les architectures classiques de type Von Neumann. Les spécialistes (dont l’Agence de recherche du ministère de la Défense US et IBM) ont donc conçu d’autres dispositifs, dont SyNAPSE (Systems of neuromorphic adaptative plastic scalable electronics).

Les matériels se font de plus en plus performants et la compétition est rude (entre Google et Microsoft, entre autres).

La course aux capteurs toujours plus sensibles est également lancée. L’objectif ? Rendre les IA encore plus réceptives à leurs environnements et, donc, plus capables d’interagir avec lui.

Partie 2. Recenser les utilisations de l’IA dans la société

Chapitre 5. Faire le tour des utilisations de l’IA dans les applications informatiques

La correction (d’erreurs, au sens large) et la suggestion (propositions en tout genre) sont actuellement les deux manières par lesquelles les IA répondent à nos besoins.

Prenons une voiture « intelligente » : celle-ci corrige les erreurs de conduite et suggère des itinéraires plus rapides. Ce sont déjà des fonctions que nous connaissons (conduite assistée et GPS, notamment).

Avoir une idée des applications les plus courantes

Il y a certaines applications déjà courantes de l’IA. Voici celles citées par les auteurs :

• Créativité artificielle (les auteurs citent Chat GPT un peu plus haut) ;
• Vision par ordinateur, réalité virtuelle et traitement d’image ;
• Diagnostics ;
• Reconnaissance de visages ;
• Jeux de tous types ;
• Reconnaissance d’écriture manuscrite ;
• Traitement automatique du langage naturel, traduction automatique, agents conversationnels ;
• Contrôle non linéaire et robotique ;
• Reconnaissance optique de caractère ;
• Reconnaissance de la parole.

L’un des plus gros problèmes à ce jour concerne les deepfake ou hypertrucage. Il faut donc mettre en balance les exploits de l’IA avec ses risques.

Voici quelques autres applications, plus spécifiques (ou en cours de recherche) :

• Vie artificielle ;
• Raisonnement automatisé ;
• Exploration de données ;
• Représentation des connaissances ;
• Résolution des contentieux ;
• Robotique ;
• Web sémantique ;
• Etc.

Etudier les erreurs de l’IA

« On parlera d’erreur pure et simple quand le résultat d’un processus, compte tenu des inputs, n’est correct en aucun cas, c’est-à-dire quand la réponse n’est pas adaptée du tout à la requête. »

(L’intelligence artificielle pour les nuls, p. 111)

Les erreurs sont nombreuses et les développeurs ne savent pas toujours pourquoi elles ont lieu. Ces erreurs peuvent avoir de conséquences graves dans certains cas. Toutefois, la plupart du temps, cela ne doit pas nous inquiéter outre mesure. Rappelons-nous simplement que l’IA ne pense pas !

Chapitre 6. Automatiser des processus courants

Élaborer des solutions contre l’ennui

Nous pouvons également renverser la conclusion précédente : les IA peuvent nous aider là où nous, humains, faisons des erreurs.

Selon les auteurs, qui s’appuient sur plusieurs études, les personnes au travail font souvent des erreurs lorsqu’ils s’ennuient. Les IA peuvent aider à réaliser ces tâches ennuyeuses.

Il est également possible d’élaborer des solutions efficaces contre l’ennui, en rendant les tâches plus intéressantes ou en permettant aux personnes de travailler plus efficacement.

Par contre, une IA ne pourra pas vous motiver ou vous dire ce que vous pourriez faire pour vaincre l’ennui. Mais rappelez-vous : l’ennui est aussi une condition de la pensée créative !

Travailler dans un contexte industriel

L’automatisation est un problème ancien, qui commence dès les débuts de l’industrialisation et même — à en croire les auteurs — dès le XIe siècle dans les chantiers navals de Venise !

Les IA peuvent aider à améliorer l’automatisation et à rendre le travail encore plus efficace. C’est vrai en l’associant à la robotique, mais pas seulement. Une question se pose alors : si nous automatisons tout, que feront les humains ?

Créer un environnement sécurisé

La sécurité n’est pas toujours garantie. En milieu industriel, c’est encore plus vrai. L’automatisation aide à être plus efficace, mais pas nécessairement à sécuriser certaines tâches. Les IA peuvent assister les humains dans leurs difficultés avec l’automatisation.

Mais ce n’est pas le seul endroit où l’IA pourrait améliorer la sécurité : c’est vrai aussi dans la vie quotidienne et même lorsque nous surfons sur le Net (l’IA pourrait nous aider à ne pas laisser traîner des données sensibles ou à nous prévenir de la présence de virus).

En revanche, l’IA ne pourra pas rendre le monde totalement sécurisé. La réponse de l’IA interviendrait toujours trop lentement au regard de notre irrésistible capacité à inventer de nouveaux problèmes et dangers !

Chapitre 7. Utiliser l’IA pour répondre à des besoins médicaux

L’IA peut aider le médecin, qui est confronté à de nombreux défis et qui doit mettre à jour régulièrement ses connaissances, après avoir déjà passé une dizaine d’années à l’université (en moyenne). Les auteurs se penchent sur certaines solutions techniques dans ce chapitre.

Mettre en œuvre une surveillance portative pour le patient

C’est l’une des voies à suivre pour améliorer le monitoring régulier des patients. Il y a certains moniteurs portables qui sont utiles, voire essentiels au bien-être des plus fragilisés ou des personnes avec des maladies chroniques (diabète, par exemple).

Rendre les gens plus capables

Rester en bonne santé plus longtemps est également un objectif souhaitable. Et il peut être atteint grâce — entre autres — à des techniques incluant l’IA.

Il y a d’abord des jeux qui peuvent aider à conserver motricité et capacités cognitives. Les consoles telles que Nintendo Wii ou Xbox 360 sont utilisées dans des programmes de physiothérapie, par exemple.

Au-delà des jeux pour rester en bonne santé, il existe déjà des ingénieurs s’intéressant à la création d’exosquelettes pour aider les personnes en souffrance à retrouver la mobilité.

Assurer une série de capacités physiques

Chacun est différent, avec ses forces et ses faiblesses. Les yeux d’untel seront plus vite fatigués, tandis qu’un autre aura plus rapidement mal aux jambes après une marche de 10 km, etc.

Pour nous aider dans nos tâches quotidiennes et permettre aux moins valides d’accéder aux technologies numériques, des solutions logicielles sont mises en place (comme les lecteurs d’écran pour les personnes malvoyantes, par exemple).

Au-delà des simples programmes disponibles sur nos ordinateurs, des solutions intégrant robotique et logiciels avec IA peuvent être pensées (c’est déjà le cas des exosquelettes évoqués ci-dessus). Différents types de prothèses ou de systèmes de pilotage sont d’ores et déjà imaginés pour aider les patients à recouvrer leurs capacités.

Mais que se passera-t-il quand ces dispositifs permettront à ces patients de surpasser les capacités physiques humaines ? Ou lorsque des personnes saines décideront de les employer ? Est-ce que cela est irrévocable ? Nous devrons réfléchir au caractère souhaitable de ces évolutions.

Exploiter de nouvelles méthodes d’analyse et de diagnostic

La téléprésence est la technologie qui permet à quelqu’un de consulter une personne tout en étant ailleurs. Elle est souvent combinée à la réalité virtuelle (plongée dans un monde virtuel) et à la réalité augmentée (ajout d’éléments numériques à la réalité présente).

Vous avez peut-être entendu parler de téléopérations qui ont déjà eu lieu dans le monde. Mais nous pouvons imaginer des systèmes qui permettent aux professionnels de santé d’intervenir auprès des patients à leur domicile, sans avoir besoin de s’y rendre.

Concevoir de nouvelles techniques chirurgicales

L’IA peut être utile pour formuler des suggestions et assister un chirurgien dans son diagnostic ou son intervention. Il sera plus difficile, en revanche, de lui faire remplacer le chirurgien. Pourtant, certains chercheurs s’y attèlent déjà ; en atteste le développement du robot STAR (smart tissue autonomous robot).

Exécuter des tâches en recourant à l’automation

Comme elles ne s’ennuient pas et adorent les procédures, les IA peuvent parfaitement gérer les dossiers médicaux, élaborer des prédictions à partir de ceux-ci ou rendre les protocoles de soin plus sûrs. Voire aider à créer des médicaments (l’IA a été utilisée dans la recherche de solutions contre la Covid-19).

Combiner les robots et les professionnels de la santé

Ceux-ci existent déjà au Japon et aux États-Unis. Ils aident les patients à l’hôpital et les professionnels dans leurs tâches.

« Ces robots n’en sont encore qu’à leurs balbutiements, mais on peut s’attendre à les voir évoluer », promettent les auteurs.

Chapitre 8. Utiliser l’IA pour améliorer l’interaction humaine

Dans ce chapitre, la question porte sur la communication et les IA. Où celles-ci pourraient-elles nous aider ? Que font-elles déjà ? Voici quelques points d’intérêt et lignes de recherche contemporaines.

Développer de nouvelles façons de communiquer

Pourquoi pas créer de nouveaux alphabets : c’est ce que l’informatique a déjà réalisé avec les émoticônes et les émojis. Ces caractères peuvent aider les IA et donc les machines informatiques à interpréter les émotions, qui leur restent sans cela incompréhensibles.

Au-delà, l’automatisation de la traduction doit être signalée. Google Traduction a fait de grands progrès. Or cette application est basée sur un système d’IA, le GNMT (Google neural machine translation).

Enfin, des recherches sont même effectuées pour apprendre aux IA à reconnaître (voire à imiter) le langage corporel.

Échanger des idées

Les IA peuvent nous aider à :

• Créer des liens (c’est ce qui se fait sur LinkedIn, par exemple) ;
• Augmenter la communication (via des représentations graphiques ou la traduction, notamment) ;
• Définir des tendances (analyse de données et représentations graphiques, etc.).

Utiliser le multimédia

« Dans l’avenir (…), on peut espérer pouvoir utiliser l’IA pour la reconstitution de scènes en 3D à partir d’images en 2D. Imaginez que les policiers puissent se déplacer sur une scène de crime virtuelle et noter fidèlement tous les détails. »

(L’intelligence artificielle pour les nuls, p. 158)

Les images seront de plus en plus dynamiques et se « détacheront » des supports. Comme dans les journaux de Harry Potter !

Embellir la perception sensorielle humaine

Pourrions-nous avoir le don de synesthésie comme certains génies des mathématiques (tels que Daniel Tammet) ?

C’est encore une technologie à l’état expérimental, mais les auteurs semblent prévoir la possibilité d’augmenter nos sens humains et d’acquérir de nouvelles compétences dans ces domaines. De là à pouvoir aller jusqu’à la synesthésie, rien n’est moins sûr, car cet état est très difficile à décrire et à reproduire.

Partie 3. Travailler avec des applications électroniques de l’IA

Chapitre 9. Effectuer une analyse de données pour l’IA

« L’analyse de données et l’apprentissage machine permettent de dépasser les limites précédentes en matière d’utilisation de données et de développer une IA plus performante », affirment les auteurs.

Voyons en détail de quoi il en retourne.

Définir l’analyse de données

Les données, c’est comme le pétrole. Cette analogie a été popularisée, à l’origine, par un spécialiste du marketing : Clive Humby. Comme le pétrole, les données doivent être raffinées afin de pouvoir être utilisées.

Ce n’est donc pas du tout cuit : il faut beaucoup travailler pour devenir riche à partir des données !

L’analyse de données permet d’aider l’IA à interpréter les images.

Mais plus fondamentalement, les données sont désormais utilisées pour se passer des théories elles-mêmes : leur simple agrégation (en grand nombre) permet d’induire des règles et des lois sans avoir à passer par la création d’hypothèses.

Définir l’apprentissage machine

Il s’agit d’un apprentissage mathématique à partir des données. Les auteurs évoquent le fonctionnement et l’intérêt de cette technique. Mais ils explorent aussi ses limites.

Parmi celles-ci, il y a le sur-apprentissage (inférer des règles qui n’existent pas dans la réalité) et l’incapacité à reconnaître de mauvaises données (fausses ou anormales).

Savoir comment apprendre à partir des données

Il y a plusieurs types d’apprentissage machine. À chaque fois, il s’agit de donner un objectif (plus ou moins complexe) à un algorithme et de voir comment il se « débrouille » pour l’atteindre.

En l’occurrence, 3 grandes catégories d’apprentissage existent :

• Supervisé (vous dites à la machine ce qu’elle doit faire) ;
• Non supervisé (vous la laissez faire) ;
• Par renforcement (vous la « récompensez » ou la « punissez » en fonction de ses réponses).

Chapitre 10. Utiliser l’apprentissage machine dans l’IA

« Aujourd’hui, l’apprentissage machine peut se vanter d’avoir atteint un niveau quasi humain pour des tâches spécifiques comme la classification des images ou le traitement du son, et il s’efforce d’atteindre un niveau similaire dans un certain nombre d’autres tâches. »

(L’intelligence artificielle pour les nuls, p. 181)

Emprunter différents chemins vers l’apprentissage

Il existe plusieurs techniques que nous avons déjà vues plus haut : symbolisme, connexionnisme, évolutionnisme, bayésianisme, analogisme. Mais quelle sera la prochaine percée ?

Explorer la vérité dans les probabilités

L’une des approches les plus fructueuses est d’utiliser les probabilités. C’est une solution intéressante lorsque l’IA doit agir en situation d’incertitude.

C’est ce que fait très bien l’algorithme bayésien qui permet, notamment, de se représenter le monde sous la forme d’un graphe. Sur la base de ce graphe, l’IA peut calculer les probabilités et choisir quelle action entreprendre.

Faire grandir les arbres pour classer des éléments

« L’arbre de décision est un autre type d’algorithme essentiel dans le domaine de l’apprentissage machine et de mise en œuvre de l’IA ». Celui-ci est de type symbolique (déductif) et assez ancien.

Chapitre 11. Améliorer l’IA grâce à l’apprentissage profond

Allons un pas plus loin. Que peut l’apprentissage profond (une forme de l’apprentissage machine) qui est aujourd’hui tant vanté par les firmes et les publicitaires ?

Développer des réseaux de neurones similaires au cerveau humain

L’apprentissage profond est la méthode du connexionnisme, qui s’appuie sur les neurosciences.

L’idée est d’imiter le mode d’apprentissage du cerveau en utilisant le neurone comme unité de base (le neurone étant ici conçu comme un algorithme) et en superposant des « couches » formant une architecture de réseau.

Malgré quelques problèmes techniques qui en ont ralenti la progression durant plusieurs années, cette technologie s’est développée jusqu’à devenir l’une des plus prometteuses.

Elle est notamment très utilisée pour la reconnaissance des images. Et elle pourrait aujourd’hui nous aider à fabriquer des IA capables d' »imiter l’art et la vie », comme disent les auteurs, en prenant néanmoins leurs précautions (voir les limites posées plus bas, dans la « Partie des 10 »).

Quoi qu’il en soit, elles ont fait de grands progrès en matière de conversation : les agents conversationnels oraux de type Alexa ou écrits de type ChatGPT en témoignent.

Il importe toutefois de voir que ce ne sont pas encore de véritables IA, dans la mesure où ces réseaux d’apprentissages profond « ne peuvent pas vraiment comprendre le discours ».

Partie 4. Travailler avec l’IA dans des applications matérielles

Chapitre 12. Mettre au point des robots

L’IA et la robotique ne doivent pas être confondus. Certains robots peuvent fonctionner sans IA et vice-versa. Pour autant, leur couplage est source de grands espoirs.

Définir les rôles des robots

Il faut distinguer les automates des hologrammes, qui sont des projections lumineuses sans mécanique. Les androïdes, dont rêvent beaucoup d’auteurs de science-fiction, sont issus de procédés biotechnologiques (et parfois mécaniques).

Hors de la SF, les robots sont déjà présents dans nos vies et surtout dans l’industrie, mais pas nécessairement sous forme humaine.

D’ailleurs, les robots humanoïdes ne sont pas si faciles à concevoir et créent des réticences éthiques plus fortes que les autres types de robots.

Lorsque ceux-ci deviennent trop réalistes, mais pas encore suffisamment pour être confondus avec des humains, nous avons tendance à les rejeter avec plus de véhémence. C’est ce qu’un auteur japonais a nommé la « vallée dérangeante ».

Assembler un robot basique

Les auteurs expliquent comment assembler un robot basique en déclinant ses composants. Mais pour qu’il soit opérationnel, le robot doit détecter le monde alentour. Il doit également être possible de le contrôler et, notamment, de gérer les situations d’incertitude et de situations conflictuelles.

Chapitre 13. Voler avec des drones

Prendre connaissance de l’état actuel des progrès

Ces applications ont d’abord été militaires et existent déjà depuis plusieurs décennies (les années 1970). Les auteurs retracent leur histoire dans l’armée et s’intéressent en particulier au quadrirotor, ce drone à quatre pales que nous voyons aujourd’hui assez communément.

Définir l’usage des drones

À quoi peuvent bien servir les drones non militaires ? Voici quelques exemples d’applications :

• Livrer des marchandises ;
• Suivre la maintenance ou la gestion d’un projet ;
• Cartographier ;
• Évaluer des dommages pour les assurances ;
• Assister des opérations de recherche et de sauvetage ;
• Produire de l’électricité à partir de vents d’altitude ;
• Transporter des personnes ;
• Poursuivre des malfaiteurs ;
• Organiser des entrepôts ;
• Etc.

L’IA est bien sûr déterminante dans l’usage de ces engins car elle permet de les doter d’autonomie dans la prise de décision (ainsi, un « pilote » n’est pas obligé de les téléguider à chaque instant).

Néanmoins, il ne faudrait pas négliger les problèmes de réglementation qui se posent. Cela se voit déjà avec le développement des drones de loisir, dont l’usage a dû être réglementé dans de nombreux pays.

Chapitre 14. Utiliser une voiture conduite par une IA

Avoir un aperçu historique

Les premières tentatives de réalisation de ce type de véhicule ont eu lieu dans les années 1980. Google a racheté un projet prometteur dans les années 2000 et poursuit ses recherches.

Vous pouvez également consulter les avancées d’Elon Musk en ce domaine !

Avoir une vision claire de l’avenir de la mobilité

Ce type d’innovation changera en profondeur nos façons de nous mouvoir dans la ville, notamment. Restons toutefois prudents, car nous ne sommes pas encore arrivés au bout des recherches en la matière.

Nous devrons repenser le rôle de l’automobile dans nos existences. Sommes-nous prêts ? Y avons-nous suffisamment réfléchi collectivement ? Et sommes-nous au clair sur ce que ces voitures intelligentes ne pourront pas faire ?

Les attentes sont grandes. Mais les questions éthiques (quelle option choisir en cas d’incertitude ou de danger ?) et techniques (à propos des capteurs, notamment) ne manquent pas.

Partie 5. Se pencher sur l’avenir de l’IA

Chapitre 15. Avoir un aperçu d’une application qui ne mène nulle part

Ce qu’une IA ne peut pas faire

Selon les auteurs, l’IA ne pourra jamais être performante dans certains types d’intelligence. C’est en particulier le cas pour la créativité et l’intelligence. Ils n’ignorent pas les tentatives en ce domaine (notamment pour créer de la musique ou des images), mais considèrent que ce n’est pas de la créativité.

La créativité implique de « développer une nouvelle forme de pensée », or cela, une IA est incapable de le faire. Une IA se limite aux données reçues et ne pourra jamais créer ses propres données.

L’IA n’a pas d’imagination. Elle ne peut vagabonder à travers différents domaines et se laisser aller à faire des liens en fonction de ses émotions. Pourquoi ? Eh bien parce qu’elle n’en a pas !

L’IA ne pourra jamais inventer d’idées neuves, profondément originales. En revanche, elle pourrait bien se laisser berner par des données fausses ou qui recèlent des éléments négatifs que nous voudrions supprimer (racisme, etc.).

N’ayant pas de sentiments, l’IA pourrait également énoncer des vérités blessantes pour les gens et manquer cruellement d’empathie dans les moments douloureux.

Mesurer les effets des hivers de l’IA

Le danger majeur des hivers de l’IA, c’est-à-dire des moments d’arrêt de l’innovation, vient des espérances démesurées du public. Mais surtout, il vient des créateurs eux-mêmes qui promettent beaucoup trop et de façon beaucoup trop rapide !

Il existe aussi des solutions pour lesquelles on cherche un problème réel : ce sont les gadgets qui, au fond, ne servent à rien ou pas grand-chose. Sont-ils vraiment utiles ? Font-ils avancer l’IA ?

« De façon assez curieuse, les limites de l’IA laissent beaucoup de champ libre à l’être humain, notamment dans un certain nombre de domaines auxquels nous ne pouvons pas encore accéder parce que nous sommes trop pris par des tâches répétitives et ennuyeuses qui pourraient facilement être confiées à l’IA. »

(L’intelligence artificielle pour les nuls, p. 321)

Chapitre 16. Voir l’IA dans l’espace

Voici, en résumé, les 4 principales fonctions que les auteurs attribuent à l’IA dans la conquête de l’espace :

1. Observer l’univers (améliorer notre « visibilité », trouver de nouveaux endroits et étudier l’évolution de l’univers, voire créer de nouveaux principes scientifiques) ;
2. Extraire du minerai dans l’espace (récolter de l’eau, des minéraux rares, découvrir de nouveaux éléments, améliorer la communication terrestre et spatiale) ;
3. Explorer de nouveaux endroits (avec des sondes équipées d’IA, puis des robots et éventuellement des binômes IA/humain) ;
4. Construire des structures dans l’espace (aller en vacances, faire des investigations scientifiques, créer de nouvelles industries ou stocker des choses).

Chapitre 17. Inaugurer de nouvelles activités humaines

L’espace est une chose, mais que faire des terriens ? Contrairement à une idée répandue, les auteurs ne pensent pas que les IA vont supprimer le tiers des emplois humains dans les prochaines décennies. Ils se veulent rassurants.

Au contraire, selon eux, de nombreux métiers bénéficieront des IA. Celles-ci complèteront leurs compétences et amélioreront leurs conditions de travail.

C’est pourquoi il est important de continuer à privilégier l’humain. De là à l’augmenter grâce à l’IA ? Cela reste une question ouverte.

La question des territoires est importante. Les IA pourraient-elles nous aider à créer de nouvelles villes dans des environnements hostiles — voire dans l’espace, comme le suggère le chapitre précédent ? C’est possible…

Et qu’en est-il, enfin, des problèmes à l’échelle planétaire ? L’IA (ou plutôt les IA) aurait-elle les capacités de nous aider à régler les problèmes de la surpopulation, de la malnutrition, de la pollution et du réchauffement climatique ? N’est-ce pas à la résolution de ces problèmes qu’il faudrait l’employer en premier lieu ?

Certes, c’est une option. Mais nous devons rester conscients d’une chose : les IA n’étant pas créatives, la recherche de solutions reviendra toujours, in fine, à l’humain.

Partie 6. La partie des 10

Chapitre 18. Dix activités à l’abri de l’IA

Voici 10 catégories professionnelles que l’IA ne pourra pas remplacer (selon les auteurs, bien sûr) :

1. Enseigner aux enfants ;
2. Assurer des soins ;
3. Répondre à des besoins personnels ;
4. Résoudre des problèmes de handicap ;
5. Inventer ;
6. Faire de l’art ;
7. Imaginer l’irréel ;
8. Enquêter sur les crimes ;
9. Contrôler des situations en temps réel (par l’intuition) ;
10. Distinguer la réalité de la fiction

Autrement dit, ce qui touche majoritairement aux interactions humaines (1-3), à la création (4-7) et aux décisions intuitives (8-10).

Chapitre 19. Dix contributions importantes de l’IA à la société

Voici, par contraste, 10 contributions majeures de l’IA (présentes ou à venir) :

1. Concevoir une prothèse active de pied humain ;
2. Assurer un contrôle permanent (des patients, par exemple) ;
3. Administrer des médicaments ;
4. Utiliser l’IA pour l’impression 3D ;
5. Faire progresser les technologies robotiques ;
6. Développer de nouvelles ressources rares ;
7. Voir ce qui ne peut pas être vu (des structures ou matériaux, par exemple) ;
8. Livrer des marchandises aux stations spatiales ;
9. Exploiter des ressources extraterrestres ;
10. Explorer d’autres planètes.

Chapitre 20. Dix exemples d’échecs de l’IA

Ces échecs ont provoqué des hivers de l’IA et nous devrions donc apprendre à connaître ces 10 limites. L’IA est incapable de/d’ :

1. Interpréter plutôt qu’analyser ;
2. Aller au-delà des chiffres ;
3. Considérer les conséquences inattendues ;
4. Faire de nouvelles données avec les anciennes ;
5. Voir au-delà des schémas ;
6. Mettre en œuvre de nouveaux sens ;
7. Se mettre dans la peau de quelqu’un ;
8. Développer de vraies relations ;
9. Changer de point de vue ;
10. Faire un acte de foi.

Conclusion sur « L’intelligence artificielle pour les nuls » de John Paul Mueller

Ce qu’il faut retenir de « L’intelligence artificielle pour les nuls » de John Paul Mueller

Ce livre est très intéressant ! Mais attention, car sa lecture n’est pas aisée (même si c’est « pour les nuls » !). En effet, il y a des parties assez techniques, que nous vous avons évitées ici. Mais si vous avez l’âme d’un geek, vous allez adorer, c’est sûr !

Mais que les autres ne perdent pas courage. Au-delà des questions techniques, les auteurs prennent soin de nous emmener vers des terrains plus philosophiques et éthiques. Ils posent des questions sur les limites et les futurs désirables de l’IA. Nous avons essayé de reproduire certaines de ces questions dans la chronique.

Dans l’ensemble, les auteurs, John Paul Mueller et Luca Massaron, sont tous deux de fervents technophiles. Le ton de l’ouvrage est donc résolument optimiste. Un peu comme Bill Gates lorsqu’il parle de changement climatique, ceux-ci pensent que l’innovation peut résoudre bien des problèmes…

Pour finir, retenez ces 4 points importants

1. L’IA n’est pas ce qu’en font les médias, les publicitaires et les auteurs de science-fiction ;
2. C’est avant tout un ensemble de techniques en progrès, qui a ses ratés et ses limites ;
3. Cela étant dit, il est fort probable que les IA (au pluriel) changent en profondeur nos modes de vie ;
4. Et c’est d’ailleurs ce qu’elles sont déjà en train de faire, discrètement, depuis plusieurs décennies.

Les points forts et les points faibles du livre L’intelligence artificielle pour les nuls

Points forts 

• Une présentation claire et dynamique ;
• Des encadrés pour comprendre ou approfondir certains concepts ;
• Beaucoup de liens vers des vidéos, des articles, etc. pour « aller voir par soi-même » (le gros plus du livre, à notre avis).

Points faibles 

• Une certaine difficulté de lecture par moment (mais cela fait partie du jeu !) ;
• Quelques répétitions (notamment sur l’IA et l’espace) ;
• Même si le livre est à jour et parle des agents conversationnels type Chat-GPT (OpenAI) ou Bard (Google), nous aurions aimé en savoir plus à ce sujet !

Ma note :

★★★★★

Avez-vous lu le livre de John Paul Mueller « L’intelligence artificielle pour les nuls » ? Combien le notez-vous ?

(Pas encore de Note)

Loading...

Visitez Amazon afin de lire plus de commentaires sur le livre de John Paul Mueller « L’intelligence artificielle pour les nuls ».

 Visitez Amazon afin d’acheter le livre de John Paul Mueller « L’intelligence artificielle pour les nuls »

Recherches utilisées pour trouver cet article :