Le grille-pain pour mener la révolution de l’intelligence artificielle

On imagine le futur de l’intelligence artificielle comme des droides qui peuvent nous aider dans n’importe quelle tâche. Mais nous devons calmer ces ambitions, car la révolution de l’intelligence artificielle ne sera pas plus intelligente qu’un grille-pain.


On imagine le futur de l'intelligence artificielle comme des droides qui peuvent nous aider dans n'importe quelles tâches. Mais nous devons calmer ces ambitions, car la révolution de l'intelligence artificielle ne sera pas plus intelligente qu'un grille-pain.

Est-ce que les algorithmes intelligents de l’avenir ressembleront à des robots à usage général pour discuter, lire des cartes géographiques et nous aider dans notre cuisine ? Ou nos assistants numériques ressembleront-ils davantage à un sac de gadgets spécialisés ? Une foule d’appareils intelligents plutôt qu’un seul chef cuisinier s’occupant de tout ?

Quand une crée sa propre recette

Si un essaie d’en faire trop, alors il rencontre rapidement des problèmes. La recette ci-dessous a été générée par un réseau neuronal artificiel, un type d’intelligence artificielle (IA) qui apprend par l’exemple. Cet algorithme particulier a examiné environ 30 000 recettes de livres de recettes de toutes sortes, des soupes aux tartes en passant par les barbecues et il a ensuite essayé de trouver sa propre recette. Les résultats sont, dirons-nous, quelque peu peu orthodoxes :

  • Riz au poulet à tartiner
  • fromage/oeufs, salades, fromage
  • 900 grammes de coeurs, ensemencés
  • 1 tasse de menthe fraîche râpée ou de tarte aux framboises
  • 1/2 tasse de catrimas, râpé
  • 1 cuillère à soupe d’huile végétale
  • 1 sel
  • 1 poivre
  • 2 tasse et demie de sucre, sucre
  • Mélanger et laisser mijoter jusqu’à ce que le mélange soit épais. Ensuite, ajoutez les ?ufs, le sucre, le miel et les graines de carvi et faites cuire à feu doux. Ajouter le sirop de maïs, l’origan et le romarin et le poivre blanc. Mettez dans la crème par la chaleur. Cuire en ajoutant le reste d’une cuillère à café de poudre à pâte et de sel. Cuire au four à 350F pendant 2 à 1 heure. Servir chaud.
  • Rendement : 6 portions

Plus performant dans des tâches limitées

Maintenant, voici un exemple d’une recette générée par le même algorithme, mais à la place des données qui incluaient des recettes de toutes sortes, il ne s’agissait que de gâteaux. La recette n’est pas parfaite, mais c’est beaucoup, beaucoup mieux que la précédente :

  • Gâteau aux carottes
  • 1 sachet de mélange à gâteau
  • 3 tasses de farine
  • 1 cuillère à café de poudre à pâte
  • 1 1/2 cuillère à café de bicarbonate de soude
  • 1/4 cuillère à café de sel
  • 1 cuillère à café de cannelle moulue
  • 1 cuillère à café de gingembre moulu
  • 1/2 cuillère à café de girofle moulu
  • 1 cuillère à café de poudre à pâte
  • 1/2 cuillère à café de sel
  • 1 cuillère à café de vanille
  • 1 oeuf, température ambiante
  • 1 tasse de sucre
  • 1 cuillère à café de vanille
  • 1 tasse de noix de pécans hachés
  • Préchauffez le four à 350 degrés. Graisser un moule de 9 pouces. Pour faire le gâteau : Battre les oeufs à haute vitesse jusqu’à l’obtention d’une couleur épaisse et jaune et mettre de côté. Dans un autre bol, battre les blancs d’oeufs jusqu’à ce qu’ils soient fermes. Accélérer le premier comme le mélange dans la casserole préparée et lisser la pâte. Cuire au four environ 40 minutes ou jusqu’à ce qu’un cure-dent en bois inséré au centre en ressorte propre. Laisser refroidir dans la poêle pendant 10 minutes. Démouler sur une grille pour refroidir complètement.
  • Retirer le gâteau de la poêle pour le refroidir complètement. Servir chaud.
  • Rendement : 16 portions

Les limites de l’IA généraliste

Bien sûr, quand vous regardez les instructions de plus près, il ne produit qu’un seul jaune d’oeuf cuit. Mais c’est toujours une amélioration. Quand l’IA a été autorisée à se spécialiser, il y avait simplement moins d’instructions à suivre. L’IA n’a pas eu besoin de comprendre quand utiliser du chocolat et quand utiliser des pommes de terre, quand cuire ou quand mijoter. Si le premier algorithme essayait d’être une boîte à surprises qui pourrait produire du riz, de la crème glacée et des tartes, le deuxième algorithme ressemblait à un grille-pain, spécialisé pour une seule tâche.

Les développeurs, qui entrainent des algorithmes d’apprentissage automatique, ont découvert qu’il est souvent judicieux de construire des grille-pain plutôt que des boîtes à surprises. Cela peut sembler contre-intuitif, car les IA de la science-fiction occidentale ont tendance à ressembler à C-3PO dans Star Wars ou WALL-E dans le film éponyme, des exemples d’intelligence artificielle générale (IAG), des automates qui peuvent interagir avec le monde humain et gérer de nombreuses tâches différentes.

Des grille-pains spécialisés plutôt que des boites à surprises

Mais de nombreuses entreprises utilisent invisiblement, et avec succès, l’apprentissage automatique pour atteindre des objectifs beaucoup plus limités. Un algorithme peut être un chatbot gérant une gamme limitée de questions de base sur la facture téléphonique. Un autre pourrait faire des prédictions sur l’appel d’un client, affichant ces prédictions pour le représentant humain qui répond au téléphone. Ce sont des exemples d’intelligence artificielle étroite (IAE), restreinte à des fonctions très étroites. D’autre part, Facebook a récemment retiré son chatbot M, qui n’a jamais réussi à atteindre son objectif de gérer les réservations d’hôtel, réserver des billets de théâtre, organiser des visites, etc.

Quand une intelligence artificielle génère des images

La raison pour laquelle nous avons une IA au niveau du grille-pain au lieu d’une IA au niveau de WALL-E est que tout algorithme, qui tente de se généraliser, se détériore au cours des diverses tâches auxquelles il est confronté. Par exemple, voici un algorithme formé pour générer une image basée sur une légende. L’image ci-dessous a été générée partir de la phrase : Cet oiseau est jaune avec du noir sur la tête et un bec très court. Quand il a été entraîné sur un composé uniquement d’oiseaux, il s’est plutôt bien débrouillé (malgré l’étrange corne de licorne) :

Une image d'oiseau générée par une IA

Une image d’oiseau générée par une IA

Mais quand sa tâche consistait à générer n’importe quoi, allant des panneaux d’arrêt aux bateaux en passant par les vaches et les gens, alors l’IA pédalait dans la semoule. Voici sa tentative de générer une image d’une fille mangeant une grande tranche de pizza :

Une image générée par l'IA sur une femme mangeant une tranche de pizza

Une image générée par l’IA sur une femme mangeant une tranche de pizza

Chaque tâche supplémentaire dilue les capacités de l’algorithme

Nous n’avons pas l’habitude de penser qu’il existe un énorme fossé entre un algorithme qui fait bien une seule chose et un algorithme qui fait bien toutes les choses. Mais nos algorithmes actuels ont un pouvoir mental très limité par rapport au cerveau humain et chaque nouvelle tâche les dilue. Pensez à un appareil de la taille d’un grille-pain : Quelques fentes pour insérer les tartines et quelques serpentins de chauffage afin qu’il puisse griller du pain. Mais cela laisse peu de place à autre chose. Si vous essayez d’ajouter une fonctionnalité de cuisson à la vapeur et de fabrication de crème glacée, alors vous devrez abandonner l’une des fentes à pain et ce ne sera probablement pas bon pour quoi que ce soit.

Il existe des astuces que les programmeurs utilisent pour tirer le meilleur parti des algorithmes IAE. L’un est l’apprentissage de transfert : former un algorithme pour faire une tâche et il peut apprendre à faire une tâche différente, mais étroitement liée après une rééducation minimale. Par exemple, on utilise l’apprentissage du transfert pour former des algorithmes de reconnaissance d’image. Un algorithme, qui a appris à identifier les animaux, a déjà beaucoup de compétences de détection des contours et d’analyse des textures et il peut passer à la tâche d’identification des fruits. Mais, si vous recyclez l’algorithme pour identifier le fruit, alors un phénomène appelé l’oubli catastrophique implique qu’il ne se souviendra plus comment identifier les animaux.

La modularité

La modularité est une autre astuce utilisée par les algorithmes actuels. Plutôt qu’un seul algorithme capable de gérer n’importe quel problème, les IA du futur sont susceptibles d’être un assemblage d’instruments hautement spécialisés. Un algorithme, qui a appris à jouer au jeu vidéo Doom, par exemple, avait des modules de vision, de contrôleur et de mémoire séparés et dédiés. Les modules interconnectés peuvent également fournir une redondance contre les défaillances et un mécanisme de vote sur la meilleure solution à un problème basé sur plusieurs approches différentes. Ils pourraient également être un moyen de détecter et de résoudre les erreurs algorithmiques. Il est normalement difficile de comprendre comment un algorithme individuel prend ses décisions, mais si une décision est prise en coopérant avec des sous-algorithmes, on peut au moins regarder la sortie de chaque sous-algorithme.

Quand nous envisageons les IA du futur, peut-être que WALL-E et C-3PO ne sont pas les droïdes que nous devrions rechercher. Au lieu de cela, nous pourrions imaginer quelque chose comme un smartphone plein d’applications ou un placard de cuisine rempli de gadgets. Alors que nous nous préparons à un monde d’algorithmes, nous devons nous assurer que nous ne prévoyons pas de boîtes à surprises génériques qu’on ne pourra jamais construire, mais plutôt des grilles pains hautement spécialisées.

Traduction d’un article d’Aeon par Janelle Shane, qui entraine des réseaux neuronaux pour écrire de l’humour sur aiweirdness.com. Elle est aussi une chercheuse dans l’optique.

Aeon counter – do not remove

N'oubliez pas de voter pour cet article !
1 étoile2 étoiles3 étoiles4 étoiles5 étoiles (2 votes, moyenne : 4,50 sur 5)
Loading...
mm

Jacqueline Charpentier

Ayant fait une formation en chimie, il est normal que je me sois retrouvée dans une entreprise d'emballage. Désormais, je publie sur des médias, des blogs et des magazines pour vulgariser l'actualité scientifique et celle de la santé.

1 réponse

  1. koriaendre dit :

    L’IA fait des progrès extrêmement importants et démontre étape par étape la performance de ces algorithmes. L’IA “globale” n’en est qu’à ses balbutiements.
    Présupposer les limitations futures des IAs en se limitant aux difficultés actuelles me semble bien réducteur.

Laisser un commentaire

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