samedi 7 avril 2018

Publié dans les Echos.


L’intelligence artificielle suscite nombre de prophéties déconnectées de la réalité technologique. Une partie de ces envolées prend des termes techniques au pied de la lettre, sans compréhension de leur réelle signification. Il y aurait moins de fantasmes si on avait parlé de « classification automatique de motifs complexes » plutôt que d’« intelligence artificielle ». Le terme de « réseau de neurones » laisse imaginer un cerveau numérique, alors que la réalité est celle de « matrices de convolutions », des calculs itératifs intensifs menés sur de gigantesques matrices numériques. A l’inverse des technologies puissantes mais aux noms moins évocateurs[1] (programmation génétique, forêts aléatoires ou « gradient boosté ») soulèvent moins de fantasmes.

Comme le rappelle Andrew Ng[2], ces technologies sont efficaces sur des tâches bien définies. Elles peuvent, mieux qu’un spécialiste, déterminer si une lésion cutanée est cancéreuse. Sans battre un expert, elles peuvent réaliser des tâches fastidieuses à des échelles inatteignables par des individus. Ainsi, chaque année, GE collecte à l’intérieur de pipelines acheminant le gaz ou le pétrole dix fois la surface de Paris d’images pour détecter des fissures de la taille d’un brin d’herbe. Impossible pour des humains, cette tâche est réalisée par des logiciels, puis confirmée par des experts – créant 350 emplois et évitant de nombreuses fuites.

Beaucoup l’ignorent, mais c’est souvent « l’intelligence augmentée », c’est-à-dire l’intelligence humaine « augmentée » par des outils d’intelligence artificielle, qui donne les meilleurs résultats. Dans un exemple de diagnostic de cancer cité par le Dr Rus[3], l’intelligence artificielle atteint 7,5% d’erreur, les médecins spécialistes 3,5% et les spécialistes outillés de logiciels 0,5 % De la même façon l’assistante virtuelle Julie Desk[4] repose sur des équipes de superviseurs humains. Des clients qui n’ont pas les moyens d’avoir une assistante pourront ainsi s’offrir une « assistante augmentée », créant au passage des emplois. Le jeu d’échec est l’un des premiers domaines dans lequel les ordinateurs ont commencé à battre l’Homme. Mais ce sont les « centaures » – joueurs outillés d’intelligence artificielle, mi-humains, mi-machines – qui gagnent[5] désormais les matchs « freestyle ».

Enfin, ces technologies sont l’objet d’améliorations rapides qu’il est tenant d’extrapoler. Dans les année 70, 1000$ permettait d’acheter une capacité de calcul équivalent à l’intelligence d’une bactérie. Actuellement c’est celle d’un singe. En 2030, ce serait celle d’un humain, mais avec deux limites. D’abord cette intelligence artificielle reste une intelligence dit « faible », limitée à des tâches bien définie comme la reconnaissance d’images. Aucun chercheur au monde ne sait comment on pourrait un jour concevoir une intelligence « forte », capable de sensibilité, d’initiative ou de contextualiser (passer de l’analyse d’image à un diagnostic tenant compte de l’ensemble du patient). Ensuite, les extrapolations supposent une amélioration infinie de la puissance des ordinateurs. Or la fameuse loi de Moore, qui exprime cette amélioration, montre des signes d’essoufflement[6]. Imaginons qu’il n’en soit rien : si les capacités de l’Iphone progressaient au même rythme que depuis 10 ans, ils auraient en 2280 assez de mémoire pour stocker l’état de chaque atome de l’univers[7]. Il est donc probable que le progrès de l’intelligence artificielle s’essouffle bien avant, laissant un champ large à l’intelligence humaine. Enfin, certains problèmes ne pourront jamais être réalisés par un ordinateur. Avec une méthode proche de celle de Gödel[8], Turing a montré en 1936 qu’il n’y aura jamais de programme capable de dire pour tout programme s’il va s’arrêter un jour ou tourner à l’infini[9].

Toute technologie s’accompagne de bulles, et l’intelligence artificielle n’y fait pas exception. Pour les dirigeants, privés ou publics, l’enjeu est double : saisir les opportunités offertes par l’intelligence artificielle et éviter ses mirages. A ce jour, ces opportunités apparaissent sous la forme de centaures, humains augmenté par le numérique, plus que sous la forme d’intelligences capable de totalement remplacer l’homme, dont aucun chercheur n’a le début d’une preuve.



[1] https://www.import.io/post/how-to-win-a-kaggle-competition/
[2] https://hbr.org/2016/11/what-artificial-intelligence-can-and-cant-do-right-now
[3] http://danielarus.csail.mit.edu/wp-content/uploads/2017/10/2017-09-30-Remarks-on-AI.pdf
[4] https://intelligenceartificielle.digitalcmo.fr/julie-desk-lassistante-virtuelle-mixe-intelligence-artificielle-operateurs-humains/
[5] http://www.nybooks.com/articles/2010/02/11/the-chess-master-and-the-computer/
[6] https://www.technologyreview.com/s/601441/moores-law-is-dead-now-what/
[7] https://physics.stackexchange.com/questions/4118/how-many-bytes-can-the-observable-universe-store
[8] https://en.wikipedia.org/wiki/Gödel's_incompleteness_theorems
[9] https://en.wikipedia.org/wiki/Halting_problem

0 commentaires:

Enregistrer un commentaire