Types de systèmes d'intelligence artificielle

Depuis les premiers jours des ordinateurs, les chercheurs ont essayé de créer des systèmes qui imitent l'intelligence humaine. Alors qu'un Einstein en silicium peut encore être une possibilité lointaine, l'intelligence artificielle, ou IA, nous a apporté des téléphones qui reconnaissent la parole humaine, des voitures qui se conduisent elles-mêmes et des systèmes experts qui rivalisent dans les jeux télévisés spectacles. Au fil des ans, la recherche en IA a connu plusieurs évolutions et, à mesure que chaque technologie a mûri, elles sont devenues une partie de notre expérience quotidienne.

Les premiers chercheurs se sont débattus avec une puissance de traitement et un stockage informatique limités, mais ont tout de même posé les fondement de l'IA avec des langages de programmation comme LISP et des concepts comme les arbres de décision et la machine apprentissage. Les programmes écrits en LISP pourraient facilement analyser des jeux comme les échecs, cartographier tous les mouvements possibles pendant plusieurs tours, puis choisir la meilleure alternative. Ces programmes pourraient également modifier leur logique de décision et apprendre des erreurs précédentes, devenant ainsi « plus intelligents » au fil du temps. Avec des ordinateurs plus puissants et un stockage de masse moins cher, cette branche de l'IA a engendré l'industrie des jeux informatiques, ainsi qu'un une variété de moteurs de recherche personnalisés et de sites d'achat en ligne qui non seulement se souviennent de nos préférences, mais anticipent nos Besoins.

Alors que la première vague de chercheurs en IA s'appuyait sur des cycles de calcul pour simuler le raisonnement humain, l'approche suivante s'appuyait sur des faits et des données pour imiter l'expérience humaine. Les systèmes experts ont rassemblé des faits et des règles dans une base de connaissances, puis ont utilisé des moteurs d'inférence informatiques pour déduire de nouveaux faits ou répondre à des questions. Les ingénieurs du savoir ont interrogé des experts en médecine, en réparation automobile, en design industriel ou dans d'autres professions, puis ont réduit ces résultats en faits et règles lisibles par machine. Ces bases de connaissances ont ensuite été utilisées par d'autres pour aider à diagnostiquer des problèmes ou répondre à des questions. À mesure que la technologie mûrissait, les chercheurs ont trouvé des moyens d'automatiser le développement de la base de connaissances, en alimentant des tonnes de documentation technique, ou laisser le logiciel parcourir le Web pour trouver des informations pertinentes sur son posséder.

Un autre groupe de chercheurs a tenté de reproduire le fonctionnement du cerveau humain en créant des réseaux artificiels de neurones et de synapses. Avec l'entraînement, ces réseaux de neurones pourraient reconnaître des modèles à partir de ce qui ressemblait à des données aléatoires. Les images ou les sons sont transmis du côté entrée du réseau, les réponses correctes étant transmises du côté sortie. Au fil du temps, les réseaux réorganisent leur structure interne de sorte que lorsqu'une entrée similaire est introduite, le réseau renvoie la bonne réponse. Les réseaux de neurones fonctionnent bien lorsqu'ils répondent à la parole humaine ou lorsqu'ils traduisent des images numérisées en texte. Les logiciels qui reposent sur cette technologie peuvent lire des livres aux personnes aveugles ou traduire la parole d'une langue à une autre.

L'analyse de données à grande échelle, souvent appelée « big data », exploite la puissance de nombreux ordinateurs pour découvrir des faits et des relations dans des données que l'esprit humain ne peut pas comprendre. Des milliards de frais de carte de crédit ou des milliards de relations sur les réseaux sociaux peuvent être analysés et corrélés à l'aide de diverses méthodes statistiques pour découvrir des informations utiles. Les sociétés émettrices de cartes de crédit peuvent découvrir des habitudes d'achat indiquant qu'une carte a été volée ou qu'un titulaire de carte est en difficulté financière. Les commerçants de détail peuvent trouver des habitudes d'achat qui indiquent qu'une cliente est enceinte, avant même qu'elle le sache elle-même. Les mégadonnées permettent aux ordinateurs de comprendre le monde d'une manière que nous, les humains, ne pourrions jamais comprendre seuls.