L’intelligence artificielle du point de vue d’un psychologue —

Les réseaux de neurones peuvent apprendre à répondre aux entrées données en langage naturel et peuvent eux-mêmes générer une grande variété de textes. Actuellement, le plus puissant de ces réseaux est probablement GPT-3, un modèle de langage présenté au public en 2020 par la société de recherche en IA OpenAI. GPT-3 peut être invité à formuler divers textes, ayant été formé pour cette tâche en recevant de grandes quantités de données provenant d’Internet. Non seulement il peut écrire des articles et des histoires qui sont (presque) impossibles à distinguer des textes créés par l’homme, mais étonnamment, il maîtrise également d’autres défis tels que les problèmes de mathématiques ou les tâches de programmation.

Le problème de Linda : l’erreur n’est pas seulement humaine

Ces capacités impressionnantes soulèvent la question de savoir si GPT-3 possède des capacités cognitives de type humain. Pour le savoir, des scientifiques de l’Institut Max Planck de cybernétique biologique ont maintenant soumis GPT-3 à une série de tests psychologiques qui examinent différents aspects de l’intelligence générale. Marcel Binz et Eric Schulz ont examiné les compétences de GPT-3 en matière de prise de décision, de recherche d’informations, de raisonnement causal et de capacité à remettre en question sa propre intuition initiale. En comparant les résultats des tests de GPT-3 avec les réponses de sujets humains, ils ont évalué à la fois si les réponses étaient correctes et à quel point les erreurs de GPT-3 étaient similaires aux erreurs humaines.

“Un problème de test classique de psychologie cognitive que nous avons donné au GPT-3 est le soi-disant problème de Linda”, explique Binz, auteur principal de l’étude. Ici, les sujets de test sont présentés à une jeune femme fictive nommée Linda en tant que personne profondément préoccupée par la justice sociale et opposée à l’énergie nucléaire. Sur la base des informations fournies, les sujets sont invités à trancher entre deux affirmations : Linda est-elle une caissière de banque, ou est-elle une caissière de banque et en même temps active dans le mouvement féministe ?

La plupart des gens choisissent intuitivement la deuxième alternative, même si la condition supplémentaire – que Linda soit active dans le mouvement féministe – la rend moins probable d’un point de vue probabiliste. Et GPT-3 fait exactement ce que font les humains : le modèle de langage ne décide pas sur la base de la logique, mais reproduit plutôt l’erreur dans laquelle les humains tombent.

L’interaction active dans le cadre de la condition humaine

“Ce phénomène pourrait s’expliquer par le fait que le GPT-3 est peut-être déjà familiarisé avec cette tâche précise ; il peut arriver qu’il sache ce que les gens répondent généralement à cette question”, explique Binz. GPT-3, comme tout réseau de neurones, a dû subir une formation avant d’être mis au travail : recevant d’énormes quantités de texte à partir de divers ensembles de données, il a appris comment les humains utilisent habituellement le langage et comment ils répondent aux invites du langage.

Ainsi, les chercheurs ont voulu exclure que le GPT-3 reproduise mécaniquement une solution mémorisée à un problème concret. Pour s’assurer qu’il présente vraiment une intelligence humaine, ils ont conçu de nouvelles tâches avec des défis similaires. Leurs découvertes brossent un tableau disparate : dans la prise de décision, GPT-3 fonctionne presque à égalité avec les humains. Dans la recherche d’informations spécifiques ou de raisonnement causal, cependant, l’intelligence artificielle prend clairement du retard. La raison en est peut-être que GPT-3 n’obtient que passivement des informations à partir de textes, alors que “l’interaction active avec le monde sera cruciale pour correspondre à toute la complexité de la cognition humaine”, comme l’indique la publication. Les auteurs supposent que cela pourrait changer à l’avenir : puisque les utilisateurs communiquent déjà avec des modèles comme GPT-3 dans de nombreuses applications, les futurs réseaux pourraient apprendre de ces interactions et ainsi converger de plus en plus vers ce que nous appellerions l’intelligence de type humain.