L'avenir de l'intelligence artificielle : l'intelligence artificielle générale

Pour acquérir une véritable compréhension de l’intelligence artificielle, les chercheurs devraient se concentrer sur le développement d’une technologie AGI de base sous-jacente capable de reproduire la compréhension humaine de l’environnement.

Des géants de l'industrie comme Google, Microsoft et Facebook, des laboratoires de recherche comme OpenAI d'Elon Musk et même des plateformes comme SingularityNET parient sur l'intelligence artificielle générale (AGI), la capacité des agents intelligents à comprendre ou à apprendre toute tâche intellectuelle que les humains ne peuvent pas accomplir. Cela représente l’avenir de la technologie de l’intelligence artificielle.

Cependant, il est quelque peu surprenant qu’aucune de ces entreprises ne se concentre sur le développement d’une technologie AGI de base de bas niveau qui reproduit la compréhension contextuelle humaine. Cela peut expliquer pourquoi les recherches menées par ces sociétés s'appuient entièrement sur des modèles intelligents plus ou moins spécifiques et s'appuient sur les algorithmes d'intelligence artificielle actuels.

Malheureusement, cette dépendance signifie que, au mieux, l’IA ne peut faire preuve que d’intelligence. Aussi impressionnantes que soient leurs capacités, ils suivent toujours un script prédéterminé qui inclut de nombreuses variables. Par conséquent, même les grands programmes très complexes tels que GPT3 ou Watson ne peuvent que démontrer leur compréhension. En fait, ils ne comprennent pas que les mots et les images représentent des choses physiques qui existent et interagissent les unes avec les autres dans l’univers physique. La notion de temps ou l’idée d’une cause ayant un effet leur est totalement étrangère.

Il ne s’agit pas de supprimer les capacités de l’intelligence artificielle d’aujourd’hui. Google, par exemple, est capable de rechercher de grandes quantités d’informations incroyablement rapidement pour fournir les résultats souhaités par l’utilisateur (du moins la plupart du temps). Les assistants personnels comme Siri peuvent effectuer des réservations de restaurant, rechercher et lire des e-mails et donner des instructions en temps réel. Cette liste s’allonge et s’améliore constamment.

Mais quelle que soit la sophistication de ces programmes, ils recherchent toujours des entrées et répondent avec des résultats spécifiques qui dépendent entièrement de leur ensemble de données de base. Si vous n'êtes pas convaincu, posez une question « imprévue » à un robot du service client et le robot peut générer une réponse dénuée de sens, voire aucune réponse du tout.​

En bref, Google, Siri ou tout autre exemple actuel d’IA manquent de compréhension véritable et de bon sens, ce qui les empêchera à terme de s’orienter vers l’intelligence artificielle générale. La raison remonte à l’hypothèse dominante qui sous-tend la plupart des développements de l’IA au cours des 50 dernières années, selon laquelle si les problèmes difficiles peuvent être résolus, les problèmes faciles du renseignement seront résolus. Cette hypothèse peut être décrite comme le paradoxe de Moravec, selon lequel il serait relativement facile de faire en sorte que les ordinateurs fonctionnent à un niveau adulte lors de tests d'intelligence, mais en leur donnant les capacités de perception et d'action d'un bébé d'un an. Les compétences sont difficiles .

Les chercheurs en IA se trompent également en supposant que si des applications d’IA suffisamment étroites sont créées, elles finiront par se développer ensemble en intelligence générale. Contrairement à la manière dont les enfants peuvent intégrer sans effort la vision, le langage et d’autres sens, les applications d’IA étroites ne peuvent pas stocker les informations de manière générale, permettant ainsi à ces informations d’être partagées et ensuite utilisées par d’autres applications d’IA.

Enfin, les chercheurs croient à tort que si un système d’apprentissage automatique suffisamment grand peut être construit avec suffisamment de puissance informatique, il fera spontanément preuve d’une intelligence générale. Cela s’est également avéré faux. Tout comme les systèmes experts qui tentent de capturer des connaissances spécifiques à un domaine ne peuvent pas créer suffisamment de données de cas et d’exemples pour surmonter un manque de compréhension sous-jacent, les systèmes d’IA ne peuvent pas gérer les demandes « imprévues », quelle que soit leur taille.

Bases de l'intelligence artificielle générale

Pour parvenir à une véritable compréhension de l'IA, les chercheurs doivent se concentrer sur le développement d'une technologie AGI de base sous-jacente qui reproduit la compréhension humaine du contexte. Par exemple, considérons la conscience de la situation et la compréhension de la situation dont fait preuve un enfant de 3 ans lorsqu’il joue avec des blocs. Les enfants de 3 ans comprennent que les blocs existent dans un monde tridimensionnel, ont des propriétés physiques telles que le poids, la forme et la couleur, et tomberont s'ils sont empilés trop haut. Les enfants comprennent également les concepts de cause à effet et de passage du temps, car les blocs ne peuvent pas être renversés avant d'être empilés.

Un enfant de 3 ans peut aussi devenir un enfant de 4 ans, puis un enfant de 5 ans, puis un enfant de 10 ans, et ainsi de suite. En termes simples, les enfants de 3 ans naissent avec des capacités qui incluent la capacité de devenir des adultes pleinement fonctionnels et généralement intelligents. Une telle croissance est impossible avec l’intelligence artificielle d’aujourd’hui. Aussi sophistiquée soit-elle, l’intelligence artificielle actuelle ignore totalement son existence dans son environnement. Il ne sait pas que les mesures prises aujourd’hui affecteront les actions futures.

Bien qu'il soit irréaliste de penser qu'un système d'IA qui n'a jamais rien expérimenté en dehors de ses propres données d'entraînement puisse comprendre des concepts du monde réel, l'ajout de modules sensoriels mobiles à l'IA pourrait permettre à des entités artificielles d'apprendre à partir d'environnements du monde réel et de démontrer une compréhension de base des objets physiques, des causes et des effets et du passage du temps dans la réalité. Comme cet enfant de 3 ans, cette entité artificielle équipée de modules sensoriels est capable d'apprendre directement à empiler des blocs, à déplacer des objets, à effectuer une séquence d'actions au fil du temps et à tirer les leçons des conséquences de ces actions.

Grâce à la vision, à l'ouïe, au toucher, aux manipulateurs, etc., les entités artificielles peuvent apprendre à comprendre d'une manière qui n'est tout simplement pas possible avec des systèmes contenant uniquement du texte ou des images. Comme mentionné précédemment, de tels systèmes ne peuvent tout simplement pas comprendre et apprendre, quelle que soit la taille et la diversité de leurs ensembles de données. Une fois qu’une entité acquiert cette capacité de comprendre et d’apprendre, il peut même être possible de retirer les modules sensoriels.

Bien qu'à ce stade, nous ne puissions pas quantifier la quantité de données nécessaires pour représenter une véritable compréhension, nous pouvons spéculer qu'il doit y avoir un ratio raisonnable dans le cerveau lié à la compréhension. Après tout, les humains interprètent tout dans le contexte de tout ce qu’ils ont déjà vécu et appris. En tant qu’adultes, nous interprétons tout en fonction de ce que nous avons appris au cours des premières années de la vie. Dans cet esprit, il semble qu’une véritable intelligence artificielle générale ne sera possible que si la communauté de l’IA reconnaît ce fait et prend les mesures nécessaires pour établir une base de compréhension de base.

Ce qui précède est le contenu détaillé de. pour plus d'informations, suivez d'autres articles connexes sur le site Web de PHP en chinois!