Il semble que les pionniers eux-mêmes ne savaient pas vraiment expliquer leur fonctionnement.
En 1956, le mathématicien et biologiste Jack D. Cowan s'est rendu à Londres pour voir de ses yeux l'étrange «nouvelle machine d'apprentissage» imaginée par Wilfred Taylor. Selon lui, cette dernière semblait effectuer «un schéma de mémoire associative». Il était en réalité en train de découvrir, selon la BBC, le précurseur des intelligences artificielles (IA) les plus avancées d'aujourd'hui : une forme analogique de réseau neuronal artificiel.
Si le terme de réseau neuronal artificiel recouvre en réalité plusieurs systèmes différents, il désigne selon IBM, «un sous-ensemble de l'apprentissage automatique, au cœur des algorithmes d'apprentissages profond. Inspirés par le cerveau humain, ils imitent la façon dont les neurones se signalent les uns aux autres.» Aujourd'hui, c'est la technologie considérée comme l'avenir des IA, notamment celle qu'utilise la célèbre application ChatGPT.
Les réseaux neuronaux artificiels sont déjà largement intégrés à nos vies. Ils peuvent servir aux IA par exemple à être formées à la reconnaissance d'image à grande vitesse donc à la reconnaissance faciale. C'est également la technologie cachée derrière des applications telles que Google traduction ou encore certaines applications de prédiction des marchés boursiers.
En 1956, le mathématicien et biologiste Jack D. Cowan s'est rendu à Londres pour voir de ses yeux l'étrange «nouvelle machine d'apprentissage» imaginée par Wilfred Taylor. Selon lui, cette dernière semblait effectuer «un schéma de mémoire associative». Il était en réalité en train de découvrir, selon la BBC, le précurseur des intelligences artificielles (IA) les plus avancées d'aujourd'hui : une forme analogique de réseau neuronal artificiel.
Si le terme de réseau neuronal artificiel recouvre en réalité plusieurs systèmes différents, il désigne selon IBM, «un sous-ensemble de l'apprentissage automatique, au cœur des algorithmes d'apprentissages profond. Inspirés par le cerveau humain, ils imitent la façon dont les neurones se signalent les uns aux autres.» Aujourd'hui, c'est la technologie considérée comme l'avenir des IA, notamment celle qu'utilise la célèbre application ChatGPT.
Les réseaux neuronaux artificiels sont déjà largement intégrés à nos vies. Ils peuvent servir aux IA par exemple à être formées à la reconnaissance d'image à grande vitesse donc à la reconnaissance faciale. C'est également la technologie cachée derrière des applications telles que Google traduction ou encore certaines applications de prédiction des marchés boursiers.
Selon David Beer, professeur de sociologie à l'Université de York, la multiplication des utilisations de cette technologie réduit constamment nos chances d'appréhender l'ampleur de ses conséquences. Une recherche des brevets contenant uniquement la mention «réseau neuronal» produit déjà 135 828 résultats. Le chercheur explique également que plus les IA sont compliquées à comprendre, plus leur système est opaque, plus elles sont considérées comme authentiques et avancées.
Boîtes noires
«Il y a de fortes chances pour que, plus l'impact que les IA auront sur nos vies grandira, moins nous comprendrons comment et pourquoi», affirme David Beer. De nouvelles lois, notamment dans l'Union européenne, veulent rendre les plus transparentes possible les innovations dans le secteur. Mais selon lui, «l'Histoire des réseaux neuronaux nous indique que nous ne faisons que nous éloigner de cet objectif.»
Pour bien comprendre, il faut avoir en tête que ces technologies s'inspirent du cerveau humain : elles cherchent à copier ou à simuler des formes de pensées biologiques. L'objectif principal est donc pour le système d'être capable d'apprendre mais aussi de s'adapter à son environnement : comme pour le système nerveux humains, les IA se veulent instantanées et autonomes et c'est la raison pour laquelle elles sont si difficiles à comprendre.
Le fait que les IA soient inspirées du cerveau humain est intrinsèquement risqué puisque le cerveau humain lui-même n'est pas encore compris dans toute sa complexité. C'est la raison pour laquelle le journaliste Richard Waters écrivait en 2018 dans le Financial Times : «Contrairement aux circuits logiques utilisés dans un logiciel traditionnel, il n'y a aucun moyen de suivre ce processus pour identifier exactement pourquoi le système trouve une réponse particulière.»
«Il y a de fortes chances pour que, plus l'impact que les IA auront sur nos vies grandira, moins nous comprendrons comment et pourquoi», affirme David Beer. De nouvelles lois, notamment dans l'Union européenne, veulent rendre les plus transparentes possible les innovations dans le secteur. Mais selon lui, «l'Histoire des réseaux neuronaux nous indique que nous ne faisons que nous éloigner de cet objectif.»
Pour bien comprendre, il faut avoir en tête que ces technologies s'inspirent du cerveau humain : elles cherchent à copier ou à simuler des formes de pensées biologiques. L'objectif principal est donc pour le système d'être capable d'apprendre mais aussi de s'adapter à son environnement : comme pour le système nerveux humains, les IA se veulent instantanées et autonomes et c'est la raison pour laquelle elles sont si difficiles à comprendre.
Le fait que les IA soient inspirées du cerveau humain est intrinsèquement risqué puisque le cerveau humain lui-même n'est pas encore compris dans toute sa complexité. C'est la raison pour laquelle le journaliste Richard Waters écrivait en 2018 dans le Financial Times : «Contrairement aux circuits logiques utilisés dans un logiciel traditionnel, il n'y a aucun moyen de suivre ce processus pour identifier exactement pourquoi le système trouve une réponse particulière.»
3 Commentaires
Sayfu
En Avril, 2023 (09:35 AM)-
Les statistiques sont tres differentes de l'apprentissage automique et tres eloigne de l'intelligence artificielle meme s'ils travaillent sur des donnees. En statistique, on a des donnees et des lois stastiques on verifie que les donnees suivent ces lois et on en tire les parametres et on predit les donnees. En apprentissage automatique en fait on ne connait pas la fonction de transformation d'une donnee d'entree en donnee en sortie et c'est ce que l'on essaie de determiner. Et ensuite c'est les regles et l'apprentissage automatique qui forme l'intelligence artificielle.
Répondre
+1
-0
Signalier
Permalink
{comment_ads}Reply_author
En Avril, 2023 (11:30 AM)Paco
En Avril, 2023 (10:44 AM)C'es facile a comprendre avec l'IA les riches continuerons a etre riches et les pauvres continueront a l'être également.
Participer à la Discussion