L’avènement de l’intelligence artificielle générale (IAG) ouvre la voie à des machines dotées de capacités de comportement, de fonctionnement et d’apprentissage similaires à celles des humains.
L’intelligence artificielle a fondamentalement transformé l’exécution des tâches par les machines. Actuellement, un ordinateur peut réaliser de nombreuses activités personnelles et professionnelles, à condition d’être entraîné grâce à des outils d’IA. On peut citer, par exemple, la création d’images, la synthèse vocale à partir de texte ou le pilotage d’applications.
Cependant, ces systèmes ne sont pas dotés d’une véritable intelligence. Ces automatisations résultent de longs mois de formation.
Imaginez une application informatique véritablement intelligente, capable d’apprendre de manière autonome. C’est précisément l’objet de l’intelligence artificielle générale. Explorez cette technologie révolutionnaire sans plus attendre !
Introduction
L’IAG est une technologie qui confère aux logiciels et au matériel une intelligence telle qu’ils expriment des capacités cognitives comparables à celles de l’être humain. Elle est également connue sous d’autres dénominations, telles que l’IA forte ou l’IA complète.
En termes simples, un système intelligent basé sur l’IAG est confronté à un problème inédit. L’ordinateur intelligent analyse ce problème, effectue des recherches en ligne et propose une solution.
IBM, OpenAI, Microsoft, Google Brain, Darktrace et Deepmind figurent parmi les acteurs les plus dynamiques dans le domaine de l’IAG. Ces entreprises cherchent à intégrer les éléments suivants dans un ordinateur intelligent :
- Une intelligence générale de type humain.
- Une intelligence ne se limitant pas à des tâches spécifiques, telles que la saisie ou la parole.
- La capacité de généraliser de nouveaux apprentissages et de relier les connaissances aux expériences antérieures.
- La capacité de donner du sens à partir d’apprentissages qualitativement différents.
- La perception et l’analyse de tâches à partir du contexte réel.
Actuellement, aucune véritable intelligence artificielle générale (IAG) n’est encore disponible. Bien qu’IBM Strong AI et Google Brain réalisent des progrès, leurs systèmes ne sont pas encore prêts à être utilisés en production.
Avantages et besoins
L’IAG est essentielle pour remplacer les humains dans des environnements dangereux. De plus, les ordinateurs basés sur l’IAG peuvent apporter des niveaux de productivité inégalés dans les opérations commerciales.
Les applications d’IAG contribueront également à la résolution de problèmes complexes dans des domaines tels que la médecine, la santé, la logistique, l’économie, la finance et les sciences sociales.
Voici d’autres raisons essentielles qui justifient le développement de l’IAG :
- Les applications d’IAG peuvent fournir une meilleure compréhension des causes et des effets, ce qui facilite les projets d’évaluation des risques.
- L’IAG est capable d’utiliser efficacement diverses perceptions sensorielles, telles que les couleurs, les sons, la profondeur, les éléments visuels et les dimensions.
- Ces programmes informatiques intelligents peuvent commander un bras robotique pour effectuer des tâches motrices fines, comme l’assemblage de dispositifs électroniques de bout en bout.
- La capacité de traitement du langage naturel (PNL) de l’IAG facilite l’automatisation. Il suffit de prononcer quelques mots-clés pour que l’outil d’IAG crée le flux automatisé requis.
- L’IAG peut résoudre des problèmes inédits après avoir analysé le problème et son environnement réel, sans nécessiter de conditions de type Si/Alors ou Si/Sinon.
- L’IAG peut fournir des idées innovantes aux créateurs de contenu, aux artistes, aux concepteurs et aux architectes.
- Les applications d’IAG peuvent assurer un service client d’excellence, sans aucune défaillance, car elles feront également preuve d’intelligence émotionnelle et sociale.
IA contre IAG
#1. Mode d’action
L’IA, également appelée IA étroite, est une application intelligente réactive. Elle répondra à une liste prédéfinie d’actions lorsqu’elle recevra des signaux déclencheurs d’événements.
L’IAG n’a pas besoin de déclencheurs d’événements. Ces applications réagiront de manière proactive, à l’image des humains, pour prévenir les problèmes et résoudre des énigmes.
#2. Champ d’action
Les IA étroites ou faibles ont un champ d’action limité. Une IA capable d’écrire ne sera pas en mesure de conduire une voiture, et inversement. Cette limitation rend également le développement coûteux et peu efficace en termes de production.
Une IAG peut gérer une usine de fabrication complète, des milliers de foyers dans une localité donnée ou l’ensemble des bureaux d’une entreprise. Elle est ouverte à tous les défis grâce à ses capacités d’apprentissage cognitif, de raisonnement et d’action proactive.
#3. Capacités de résolution de problèmes
Les IA étroites résolvent principalement des problèmes fermés, comme la navigation GPS, la recherche sur le web à partir de mots-clés, la rédaction par IA ou l’achèvement de code par IA.
L’intelligence artificielle générale peut gérer des problèmes ouverts, comme la création d’une stratégie marketing sur le terrain en analysant le marché, les clients et les produits.
#4. Capacité de mémoire
La plupart des programmes d’IA faibles sont basés sur des machines à mémoire limitée. Les IA s’appuient sur un ensemble de réseaux de neurones artificiels et des bases de données de formation. Lorsque la base de données ou les algorithmes sont obsolètes, l’IA est limitée.
L’IAG sera dotée d’une mémoire virtuellement infinie (ressources de connaissances) grâce à des bases de données locales, en cloud et sur Internet.
#5. Mises à jour
Les humains doivent régulièrement mettre à jour les IA faibles en fonction de l’évolution des besoins de l’entreprise et des tendances du marché.
L’IAG mettra à jour elle-même ses mémoires et ses bases de données, sans intervention humaine.
Approches
#1. L’approche sous-symbolique
Dans cette approche, les développeurs d’IAG utilisent des applications qui imitent le fonctionnement du cerveau humain. C’est le cas, par exemple, d’AlphaGo de DeepMind, des réseaux neuronaux convolutifs et des systèmes d’apprentissage profond.
#2. L’approche symbolique
Cette méthode consiste à utiliser des organigrammes, des symboles et des instructions de type Si-Alors. L’intelligence artificielle générale s’appuie sur un algorithme principal pour apprendre et créer une base de connaissances. De plus, elle peut comparer cet algorithme et ses symboles avec des éléments du monde réel pour développer des processus de pensée plus performants que ceux des IA faibles.
#3. Approche du corps entier
Cette approche consiste à intégrer toutes les capacités logicielles, matérielles, réseau et sensorielles dans un corps humanoïde. Ce dernier serait capable de marcher, de parler, de toucher des personnes, etc.
#4. L’approche hybride
Le développement de l’IAG par la voie hybride repose sur les approches sous-symboliques et symboliques.
Un exemple probant dans cette catégorie est Sophia, un robot humanoïde qui comprend à la fois des systèmes symboliques et connexionnistes. Elle nécessite, par exemple, l’architecture CogPrime et la base de données AtomSpace pour fonctionner.
#5. Approche mathématique
Les chercheurs souhaitent allouer aux IAG une puissance de calcul infinie. Ainsi, ces applications et dispositifs intelligents seraient capables d’effectuer les résolutions de problèmes mathématiques nécessaires pour prendre des décisions exceptionnelles.
Comment fonctionne l’IAG ?
Un programme d’IAG s’appuiera sur diverses technologies pour atteindre des capacités cognitives de niveau humain. Ces technologies sont présentées ci-dessous :
Entrée et sortie (E/S)
Les IAG utilisent divers dispositifs sensoriels pour mener à bien leurs tâches, qu’il s’agisse d’usines de fabrication ou de véhicules autonomes. Ces capteurs peuvent être visuels, RFID, de température, de pression, de vitesse ou de mouvement.
D’autres applications d’IAG peuvent nécessiter une reconnaissance optique de caractères (OCR) ou des connecteurs de base de données pour réaliser des opérations commerciales dans les bureaux.
Motricité
Les dispositifs tels que les corps entiers, les bras robotiques et les véhicules autonomes réalisent des mouvements fins. L’IAG s’appuie sur des habiletés motrices acquises à partir de réseaux de neurones, du traitement d’images 3D et du mimétisme visuel.
PNL
Une IAG peut apprendre à partir de différentes sources, telles que des articles de sites web, des revues de recherche, des livres électroniques ou des vidéos YouTube. Pour cela, l’application intelligente doit d’abord apprendre à interpréter le langage naturel sous forme de langage machine.
Raisonnement et résolution de problèmes
Un robot ou une application d’IAG utilise souvent des simulations pour résoudre un problème inédit. Grâce à ses énormes capacités de traitement et de mémoire, la machine peut exécuter plusieurs simulations simultanément. Ensuite, elle peut choisir une simulation en fonction de son taux de réussite.
La pensée créative
L’IAG peut utiliser plusieurs réseaux de neurones pour générer des idées originales et créatives, telles que des formes d’art, des partitions musicales ou des articles.
Reconnaissance faciale et traitement du son
Les IAG humanoïdes qui interagissent avec des personnes utilisent principalement l’analyse sonore et la reconnaissance faciale. Après avoir traité les éléments audio et visuels de son environnement et effectué un recoupement avec les bases de connaissances existantes, l’IAG peut interagir avec les humains.
Défis
L’intelligence artificielle générale offre un potentiel considérable pour transformer le monde de l’IA. Cependant, parvenir à ce stade ne se fera pas sans difficultés. Voici les principaux défis et obstacles au développement de l’IAG :
#1. Maîtriser les compétences humaines
Pour atteindre une véritable intelligence de niveau humain, une IAG doit maîtriser certaines capacités, comme la motricité, la compréhension du langage naturel, la perception sensorielle, la connexion émotionnelle et sociale et la créativité au niveau humain.
#2. Absence de protocole de travail
Il n’existe pas de protocoles de travail standardisés pour les systèmes d’IA, ce qui freine une collaboration fluide. Le déploiement d’un système d’IAG complet se heurte donc à des lacunes techniques inévitables.
#3. Manque d’alignement commercial
L’intégration de l’IA dans les systèmes existants reste un processus complexe. Étant donné que les parties prenantes concernées ignorent encore ses paramètres opérationnels, il est difficile d’aligner son développement sur les objectifs de l’entreprise.
#4. Lacunes de la communication
Un fossé de communication persiste entre les différents systèmes d’IA. Comme le partage de données transparent entre ces systèmes est impossible, l’inter-apprentissage des modèles d’IA est entravé et leur universalité s’en trouve réduite.
#5. Absence de direction IAG
Il n’existe aucun plan ni directive pour mettre en œuvre l’IAG dans les opérations commerciales de l’entreprise. Par conséquent, son application devient coûteuse et sa concrétisation est freinée.
Les tendances
Comme vous le savez, le développement complet de l’intelligence artificielle générale n’est pas encore une réalité. Toutefois, ces tendances dans le domaine de l’IA influeront sur l’IAG :
#1. Traitement du langage naturel (TAL)
Le TAL fait référence au processus par lequel l’IA est capable de comprendre le langage humain et de le convertir en codes exploitables par la machine. Grâce au TAL, l’IAG peut espérer interagir de manière réaliste avec les humains.
#2. Métaverse
Le métaverse est une technologie qui offre une expérience utilisateur immersive. Alors que de plus en plus de personnes s’y intéressent, l’IAG évoluera pour contribuer au développement d’un monde virtuel.
#3. IA Low-Code ou No-Code
On observe une demande croissante de solutions low-code ou no-code, y compris pour les outils et les algorithmes d’IA. Ces solutions sont fournies avec des interfaces intuitives qui simplifient les processus de développement d’applications complexes.
#4. Augmentation de la main-d’œuvre
Il s’agit d’une situation où des employés humains et numériques travaillent côte à côte dans une organisation. Bien que beaucoup craignent que l’IA ne rende les humains au chômage, son intégration dans les opérations les rendra plus efficaces.
#5. IA quantique
L’IA quantique est susceptible d’influencer l’IAG en accélérant les algorithmes d’apprentissage automatique et en vous aidant à obtenir des résultats rapidement. Elle peut également neutraliser les obstacles auxquels l’IAG pourrait être confrontée en analysant d’énormes volumes de données.
#6. Éthique de l’IA
Il est impossible d’ignorer les risques potentiels de l’IA. Si elle n’est pas utilisée correctement, l’IA pourrait se révéler dangereuse pour l’humanité. Par conséquent, l’éthique de l’IA suscitera davantage d’intérêt dans les années à venir.
#7. Chatbots IA
Les chatbots IA ou les assistants virtuels sont capables d’entretenir une conversation naturelle et de réaliser des opérations basées sur des règles. En remplaçant les agents de support humains, ces chatbots ont déjà réduit les coûts opérationnels des entreprises. À l’avenir, ils pourraient révolutionner l’IAG.
Risques de l’IAG
- Si la base de données d’une IAG est limitée, elle peut prendre des décisions désastreuses qui pourraient nuire aux entreprises et aux particuliers.
- Les IAG peuvent devenir la cible de piratages avancés. Si un pirate bloque une machine d’IAG, l’ensemble de l’entreprise pourrait en subir les conséquences.
- Les développeurs d’IA ont signalé plusieurs incidents de décisions biaisées prises par des prototypes d’IAG.
- Le fait de donner à l’IAG un accès illimité aux bases de données pourrait également enfreindre les réglementations sur la protection de la vie privée dans le monde.
Nous allons maintenant découvrir des exemples concrets d’intelligence artificielle générale.
Exemples concrets
#1. Recherche IA de ROSS
L’avocat IA ROSS est capable de rechercher des milliards de documents juridiques en moins de trois secondes. Vous pouvez saisir n’importe quelle question juridique et il fournira des réponses précises.
Il s’agit d’une IAG, car elle utilise diverses technologies intelligentes, telles que le classement, la récupération et la compréhension. De plus, son champ d’action est vaste, puisqu’il couvre tous les aspects du domaine juridique.
#2. Alpha Go
AlphaGo est un programme d’IA qui joue au jeu de Go. C’est la première machine intelligente qui a battu un joueur de Go professionnel. Bien qu’il s’agisse d’une IA avec un champ d’action limité, elle possède des capacités d’auto-apprentissage. AlphaGo peut apprendre de son concurrent et de ses propres erreurs.
#3. Outils d’IA intégrés d’OpenAI
La gamme de systèmes d’IA d’OpenAI, comme mentionné ci-dessous, est capable d’effectuer diverses tâches automatiquement lorsqu’ils sont combinés à l’aide d’appels d’API :
- GPT-3 crée des textes basés sur le langage naturel à partir de phrases simples et d’instructions. De nombreux jeux en ligne et expériences de réalité mixte, comme « Virtual Being » de FableStudio, utilisent GPT-3 pour proposer des histoires interactives.
- Codex aide les développeurs à traduire les entrées en langage naturel en codes pour faciliter la programmation.
- DALL·E aide les créateurs de NFT et les artistes numériques à produire des milliers d’œuvres d’art originales en quelques minutes. L’IA peut également modifier des images.
#4. IBM Watson
IBM Watson est une offre groupée d’IA à service complet pour les entreprises. On peut le considérer comme une IAG, car il possède diverses applications. Voici différentes solutions d’IA Watson :
- IBM Watson Assistant pour le service client ou l’assistance virtuelle
- IBM Watson Discovery, qui crée des informations et des réponses à partir de documents commerciaux complexes
- IBM Watson Natural Language Understanding and Classifier
Derniers mots
Vous avez maintenant exploré le concept de l’intelligence artificielle générale, appris son fonctionnement, ses défis, ses exemples, ses risques, etc.
Ces informations vous aideront à planifier correctement vos projets de développement d’intelligence artificielle. Votre projet doit être suffisamment flexible pour inclure des applications intelligentes de nouvelle génération et en faire une IAG.
Si votre entreprise cherche à rendre ses opérations plus productives et rentables, l’IAG pourrait être la solution, bien que d’autres développements soient encore en cours.
Vous pouvez maintenant découvrir l’apprentissage automatique.