Les origines

Isaac Asimov est considéré comme l’un des plus grands écrivains de science-fiction, auteur notamment du Cycle des Robots. Lassé des ouvrages de science-fiction ne proposant que des histoires de robots-tueurs, il introduit les 3 lois de la robotique dans son ouvrage Turnaround en 1942.

• Première Loi : « Un robot ne peut porter atteinte à un être humain ni, restant passif, laisser cet être humain exposé au danger. » ;
• Deuxième Loi : « Un robot doit obéir aux ordres donnés par les êtres humains, sauf si de tels ordres sont en contradiction avec la Première Loi. » ;
• Troisième Loi : « Un robot doit protéger son existence dans la mesure où cette protection n'entre pas en contradiction avec la Première ou la Deuxième Loi. »

Il ajoutera par la suite une Loi Zéro : « Un robot ne peut ni nuire à l'humanité ni, restant passif, permettre que l'humanité souffre d'un mal. »

‍

Il introduit ainsi avec beaucoup de clairvoyance la nécessaire réflexion éthique et philosophique sur le sujet de l'intelligence artificielle.

Alan Turing est l’inventeur de la machine qui a permis de décrypter les messages codés par les fameuses machines Enigma utilisées par les armées allemandes (popularisé par le film Imitation Game).

‍

Le test de Turing porte sur la manière dont nous pourrions évaluer l'intelligence d'une machine. Dans un article de 1950 propose un principe simple : un humain et une machine entretiennent une conversation textuelle. L’observateur a 5 minutes pour discerner l’homme de la machine.

‍

Le test de Turing fit l’objet de critiques. Mais, par sa portée philosophique, il occupe, encore aujourd’hui, une place centrale dans la réflexion sur l’intelligence artificielle. Quelle est la nature de l’Intelligence humaine ? Imiter la pensée humaine revient-il à penser ? Comment devrions-nous interagir avec des machines capables de passer un tel test ?

‍

Ce test trouve une application concrète avec les captcha que vous retrouvez aujourd’hui pour vérifier l’identité des utilisateurs en ligne. Il s’agit d’un acronyme pour Completely Automated Public Turing test to tell Computers and Humans Apart, soit Test de Turing automatisé pour distinguer les humains des ordinateurs.

A ce stade, vous avez sûrement une féroce envie de passer à la question suivante. Ce serait dommage car nous abordons là un point fondamental pour comprendre le fonctionnement des intelligences artificielles !

‍

Illustrons ces deux approches. Imaginons que nous souhaitions qu'une IA parvienne à reconnaître une voiture sur une photo.

• L’approche symbolique (ou top-down) utilise des règles prédéfinies et fonctionne par déduction. Par exemple : “Si l’objet a 4 roues et un volant, alors il s’agit d’une voiture”.
• L'approche connexionniste (ou bottom-up) s’inspire du mode d'apprentissage du cerveau humain. Les enfants apprennent à reconnaître une voiture en multipliant les expériences de voiture. A force d'entraînement, l'enfant développe la capacité à identifier les caractéristiques visuelles communes à toutes les voitures, sans que cela ait fait l'objet d'un apprentissage formel.

L’approche symbolique (ou IA classique) sera dominante jusqu’aux années 1990. Mais ses limites sont importantes puisqu'elle ne fonctionne que pour des schémas où des règles explicites peuvent être établies.

Le Perceptron est un algorithme d’apprentissage mis au point par le psychologue Franck Rosenblatt. Il est considéré comme le premier exemple de “machine learning” (apprentissage par la machine, voir le second quiz sur l'IA).

‍

Malgré cette réussite, le machine learning restera éclipsé jusqu'à la fin des années 1980, faute de progrès suffisants.

Développé entre 1966 et 1972, il tient son nom de la manière dont il tremblait lorsqu’il s’arrêtait brusquement.

‍

Pour la première fois, les travaux sur l’intelligence artificielle rejoignent ceux de la robotique. Shakey est le premier robot à prendre des instructions, analyser son environnement et agir.

‍

Une de ses missions pouvait ainsi ressembler à ceci : « Un opérateur saisit sur une console d'ordinateur l'instruction « Fais tomber le bloc de la plate-forme. » Shakey regarde autour de lui, identifie une plate-forme avec un bloc dessus et une rampe lui permettant de l'atteindre. Shakey pousse la rampe contre la plate-forme, monte sur la rampe jusqu'à la plate-forme et pousse le bloc jusqu'au bord. Mission accomplie. »

‍

Ses logiciels sont considérés comme les ancêtres des véhicules autonomes.

La victoire de Deep Blue sur Garry Kasparov en 1997 a été un tournant pour l'IA car elle a montré que les ordinateurs pouvaient rivaliser avec les humains dans des tâches complexes qui nécessitent une grande intelligence et une grande stratégie.

‍

La médiatisation de l'événement permet une première prise de conscience du grand public. Elle facilite également le retour des capitaux pour le financement de la recherche.

‍

Il s’agit cependant de l’expression de la force de calcul brute. Deep Blue pouvait ainsi calculer 200 millions de positions par seconde.

Cette formule de Rodney Brooks, un pionnier dans le domaine de la robotique, critique l’approche traditionnelle (symbolique) de l’IA largement prédominante à l’époque.

‍

Rodney rappelle ainsi que l’intelligence est bien davantage qu’une simple mesure de la capacité à suivre des règles abstraites, déconnectées du monde réel. En faisant référence à l’éléphant, connu pour son intelligence mais aussi ses interactions sociales complexes, il rappelle que l'intelligence ne peut se résumer à savoir jouer aux échecs.

‍

Au tournant des années 1990, cette formule marque le retour en grâce de l’approche connexionniste, qui, en s’attachant davantage à simuler l’apprentissage humain, va permettre la véritable accélération de l'IA.

Rappelons que dans ce jeu de culture générale aux allures de kamoulox, les candidats se voient proposer des réponses et ils doivent deviner la question associée.

‍

La complexité et l’ambiguïté de ce jeu rendait le challenge d’autant plus intéressant pour une intelligence artificielle. Contrairement aux échecs, il n’est pas possible de s’appuyer sur des règles strictes ou des stratégies bien définies pour gagner.

‍

Cette victoire est une nouvelle étape importante dans la prise de conscience des progrès de l’IA par le grand public. Elle illustre notamment la capacité de Watson à comprendre le langage naturel (y compris dans ses subtilités, comme les jeux de mots) et à répondre à des questions complexes sur un large éventail de domaines en allant rechercher, mais également analyser et interpréter des informations à partir de diverses sources digitales.

‍

Elle a ouvert la voie à de nombreuses applications pratiques, par exemple en médecine où Watson a accompagné les médecins dans le diagnostic de maladies et la mise au point de traitements.

Le go est un jeu de stratégie ancien, originaire de Chine, et pratiqué sur un plateau carré quadrillé de 19 lignes par 19 colonnes.

‍

Deux joueurs s'affrontent, l'un avec des pierres noires, l'autre avec des pierres blanches, en posant à tour de rôle une pierre sur les intersections du plateau.

L'objectif est de contrôler le plus grand territoire possible en entourant des zones vides avec ses pierres et en capturant les pierres adverses en les entourant complètement.

‍

Les règles sont simples, mais le jeu est reconnu pour sa profondeur stratégique, offrant une infinité de possibilités de jeu. Quand les échecs offrent en général une vingtaine de coups possibles à chaque tour, le jeu de go lui en propose jusqu’à 361 !

‍

Même pour un ordinateur il est impossible de simuler tous les coups possibles.

‍

De fait, AlphaGo est très différent de DeepBlue, puisqu’il utilise l’approche connexionniste et le machine learning.

‍

Au départ, seules les règles du jeu ont été intégrées au programme. Selon les principes du machine learning, AlphaGo a donc d’abord été nourri par des dizaines de milliers de parties amateurs - et a ainsi appris à jouer.

‍

Puis AlphaGo s’est entraîné en jouant contre lui-même.

Lors du 37e coup de la deuxième partie, AlphaGo a joué un coup qui apparaissait comme une erreur absolument grossière à tous les spécialistes - qui le prirent pour un bug. Lee Sedol demeura lui-même circonspect pendant de longs instants.

‍

Pourtant, ce coup s’est révélé d’une créativité inouïe et permis à AlphaGo de remporter cette partie. Il marque un tournant : l'IA n'est plus uniquement une force brute, elle peut désormais nous surprendre.

‍

Le développement d’AlphaGo illustre de manière percutante les progrès exponentiels que peut réaliser une intelligence artificielle. Ainsi, un an après sa victoire contre Lee Sedol, DeepMind annonce un nouveau développement, AlphaGo Zero. Ce programme utilise une architecture simplifiée et part d’une connaissance nulle du jeu (uniquement les règles). Jouant uniquement contre lui-même, il atteint le niveau débutant en trois heures.

‍

Il a battu 100 à 0 la version ayant battu Lee Sedol après 72 heures.