Qu’est-ce que l’IA forte ?

Dans le domaine de la technologie, l’intelligence artificielle (IA) est un sujet qui suscite à la fois de la fascination mais aussi beaucoup d’inquiétude. Ce sujet sort un peu des sujets habituellement abordés dans ce blog tournant autour de Shopify même si Shopify lui aussi inclut de plus en plus l’IA (notamment dans la génération « dynamique » de fiches produit ou les recommandations produit).

L’IA est au cœur des discussions depuis la sortie fin d’année 2022 de chat GPT 3 puis GPT4 qui démocratisent et concrétisent les avancées de l’IA. Elles alimentent des fantasmes de plus en plus poussés sur l’Avenir.

L’une des distinctions les plus importantes à faire dans ce domaine est celle entre l’intelligence artificielle faible et l’intelligence artificielle forte. Intéressons nous à ses particularités, ses enjeux et ses implications et à re définir quelques éléments lexicaux utiles pour appréhender au mieux le sujet. La définition de l’IA forte inclut ses ambitions de simuler des capacités humaines avancées.

L’IA forte désigne une catégorie d’algorithmes et de systèmes informatiques qui ont pour objectif d’arriver à reproduire non seulement certaines tâches spécifiques réalisées par l’intelligence humaine, mais aussi l’ensemble de ses capacités cognitives. Par exemple, l’IA faible inclut des assistants virtuels comme Siri ou Alexa, tandis que l’IA forte viserait à simuler une intelligence humaine complète. En d’autres termes, une IA forte serait capable de penser, apprendre, raisonner, résoudre des problèmes, percevoir son environnement et interagir avec lui de manière similaire à un être humain.

Distinguer IA forte et IA faible

• IA faible : Elle se concentre sur la réalisation de tâches précises, comme le traitement de données ou la reconnaissance vocale (exemple concrets Alexa, SIRI, etc). Ces systèmes ne possèdent pas de conscience de soi et sont incapables de s’adapter à des situations nouvelles ou inattendues. L’IA faible est conçue pour accomplir des tâches spécifiques sans capacité d’apprentissage autonome, intégrée dans la vie quotidienne à travers des applications comme les assistants virtuels et les systèmes de pilotage autonome.
• IA forte : Elle vise à reproduire l’ensemble des capacités cognitives humaines et à agir de manière autonome. Une IA forte serait donc capable de comprendre, apprendre et s’adapter à son environnement (exemple Chat GPT 4 ou sa version Auto chat GPT). Elle peut prendre des décisions de manière autonome, en se basant sur son apprentissage, contrairement à l’IA faible qui dépend des instructions humaines et lutte pour s’adapter aux situations imprévues.

Les enjeux de l’intelligence artificielle forte

Le développement d’une IA forte soulève plusieurs questions cruciales pour notre société, notamment en matière d’éthique, de législation et d’impact sur l’emploi. Les applications potentielles de l’IA forte pourraient transformer de nombreux domaines, bien que des applications réelles ne soient pas encore disponibles. Il est également important de comprendre les différences entre l’IA forte et l’IA faible : l’IA forte viserait à simuler des capacités humaines avancées, tandis que l’IA faible, déjà en application, est limitée en termes de complexité et d’autonomie.

Éthique et responsabilité

La création de machines dotées d’une intelligence semblable à celle de l’être humain pose d’importantes questions éthiques. Par exemple, si une IA forte commet une erreur ou cause un préjudice, qui doit être tenu responsable ? Les concepteurs de l’algorithme, les utilisateurs, ou bien la machine elle-même ? De plus, quels droits devraient être accordés à ces intelligences artificielles ? Devraient-elles être considérées comme des personnes à part entière ?

Régulation et législation

Avec l’avènement potentiel de l’IA forte, il est nécessaire de mettre en place des lois et des régulations pour encadrer leur utilisation et éviter les abus. Des organismes internationaux comme le Groupe d’experts gouvernementaux sur les systèmes d’armes létales autonomes (GGE) travaillent déjà sur cette question afin d’élaborer des normes internationales. IBM joue également un rôle crucial dans le développement de technologies d’intelligence artificielle, en innovant avec des systèmes comme Watson Assistant et en contribuant aux discussions sur les capacités et les défis des machines en termes d’intelligence.

Impact sur l’emploi

Il est souvent question des risques que représentent les avancées en matière d’intelligence artificielle pour l’emploi, surtout si les machines deviennent capables de réaliser des tâches complexes et variées. Des études prédisent une automatisation massive de nombreux emplois dans les décennies à venir, ce qui pourrait accentuer les inégalités socio-économiques et nécessiter la mise en place de nouvelles politiques publiques. La sortie de Chat GPT 4 apporte déjà un petit aperçu sur des tâches relativement simples de rédaction de contenu ou traduction qui bouleverse d’ores et déjà en cette année 2023 le fonctionnement de certaines activités : agences de traduction, agences de référencement naturel. La science fiction a souvent exploré ces scénarios futurs, illustrant les concepts et les ambitions de l’intelligence artificielle forte, et alimentant l’imaginaire collectif avec des applications potentielles et des débats éthiques liés à une IA avancée.

Intelligence artificielle forte : lexique

1. Apprentissage automatique (Machine Learning): C’est un sous-domaine de l’IA qui se concentre sur la construction de systèmes capables d’apprendre à partir de données. Au lieu d’être explicitement programmés, ces systèmes sont formés en utilisant des algorithmes d’apprentissage automatique pour ajuster leurs performances au fil du temps.
2. Réseaux de neurones artificiels (Artificial Neural Networks): Les réseaux de neurones sont des systèmes de calcul inspirés par le fonctionnement du cerveau humain. Ils sont constitués de noeuds, ou « neurones », connectés les uns aux autres en couches. Ils peuvent apprendre à partir de données et sont particulièrement efficaces pour le traitement de problèmes non linéaires complexes.
3. Apprentissage profond (Deep Learning): C’est une sous-catégorie de l’apprentissage automatique qui se concentre sur les réseaux de neurones avec de nombreuses couches (« profondes »). Ces réseaux sont capables de découvrir des fonctionnalités de haut niveau à partir de données non structurées, comme des images ou du texte.
4. Traitement naturel du langage (Natural Language Processing): C’est un domaine de l’IA qui se concentre sur la communication entre les ordinateurs et les humains en langage naturel. Les applications de NLP comprennent la traduction automatique, la génération de texte, l’analyse des sentiments, et bien plus encore.
5. Apprentissage par renforcement (Reinforcement Learning): C’est une méthode d’apprentissage automatique où un agent apprend à prendre des décisions en interagissant avec son environnement. L’agent reçoit des récompenses ou des punitions (renforcements) pour ses actions et tente d’optimiser ses récompenses sur le long terme.
6. Intelligence artificielle (IA): L’intelligence artificielle se divise en deux catégories principales : l’IA forte et l’IA faible. L’IA forte, bien qu’encore théorique, représente un potentiel d’intelligence similaire à celle de l’humain, avec des capacités de prise de décision et de raisonnement. En revanche, l’IA faible se concentre sur des tâches spécifiques sans conscience ni émotions, comme la reconnaissance faciale ou les assistants virtuels.
7. Intelligence humaine: L’intelligence humaine se distingue de l’IA forte par sa capacité à comprendre, raisonner et prendre des décisions de manière autonome. L’IA forte est censée posséder toutes les caractéristiques de l’intelligence humaine, mais elle reste un concept théorique, tandis que l’IA faible fonctionne sur un spectre limité sans comprendre ou raisonner au-delà des tâches pour lesquelles elle est programmée.

Les défis techniques liés à l’intelligence artificielle forte

Développer une IA forte représente un défi majeur pour les chercheurs en informatique et en intelligence artificielle. Voici quelques-unes des principales difficultés rencontrées :

1. Comprendre l’intelligence humaine : Avant d’espérer créer une IA forte, il est indispensable de mieux comprendre le fonctionnement de l’intelligence humaine. Malgré les avancées réalisées en neurosciences et en psychologie cognitive, de nombreuses questions demeurent quant aux mécanismes précis qui sous-tendent nos capacités cognitives. John Searle, avec son argument de la pièce chinoise formulé en 1980, a illustré que même si un système peut simuler une interaction linguistique, cela ne constitue pas une véritable compréhension, soulignant ainsi les différences entre le calcul syntaxique et la sémantique réelle de l’esprit.
2. Créer des algorithmes performants : La conception d’algorithmes capables de reproduire les multiples facettes de l’intelligence humaine est un autre défi majeur. Les approches actuelles reposent principalement sur l’apprentissage automatique et les réseaux de neurones artificiels, mais elles sont encore loin de pouvoir rivaliser avec les performances du cerveau humain. Il faut néanmoins toujours prendre du recul car les prédictions à plus de 2 ou 3 ans sont difficiles à réaliser tant certains sauts techniques rabattent les cartes. Bill Gates lors d’une réunion courant 2022 avec les équipes d’Open AI (dont Microsoft est actionnaire soit dit en passant) mesuraient le fossé et pensait qu’il fallait plus de 10 ans pour arriver à un résultat satisfait des équipes. 2 semaines plus tard, il fut rappeler par les équipes du projet Chat GPT 3. On connaît la suite. Désormais, il annonce le remplacement des professeurs par des chat GPT 4 d’ici fin 2024…
3. Ressources matérielles : Le développement d’une IA forte requiert également des ressources matérielles importantes, notamment en termes de puissance de calcul et de capacité de stockage. Les ordinateurs actuels sont certes de plus en plus performants, mais il reste encore beaucoup de progrès à réaliser pour atteindre les capacités nécessaires. Cela ramène à une autre révolution industrielle annoncée le développement des ordinateurs quantiques. Ces super ordinateurs basés sur la physique et le Qbyt sont amenés à donner des puissances de calcul infiniment plus grandes que les ordinateurs basés sur les bons vieux Octects (binaire).

L’intelligence artificielle forte : un horizon lointain pour l’ homme?

Malgré les avancées spectaculaires réalisées ces dernières années dans le domaine de l’IA, certains experts estiment que l’arrivée d’une intelligence artificielle forte est encore lointaine. Les défis techniques à surmonter sont nombreux, et les questions éthiques et sociétales liées à ce type de technologie doivent être prises en compte avant même de parvenir à créer une véritable IA forte. Pour cette intelligence, on emploie d’ailleurs le terme de superintelligence, on parle ici d’une machine qui disposerait d’une intelligence 1 million de fois supérieure au cerveau des humains les plus brillants, un stade qui nous amèneraient de l’avis d’experts sur le sujet à ne plus être en mesure de comprendre la machine et introduit d’autres concepts tel que le transhumanisme (disposer de puces implantées pour augmenter nos capacités intellectuelles pour se mettre à la hauteur de la machine).

Pour en savoir plus sur ce sujet, je vous invite à écouter ce podcast extrêmement intéressant sur l’IA et Chat GPT, épisode #327de génération Do It Yourself avec Laurent Alexandre

En attendant, l’intelligence artificielle faible continue de progresser et de s’imposer dans de nombreux secteurs, offrant des perspectives intéressantes pour améliorer notre quotidien et relever certains défis globaux, tels que la santé, la recherche scientifique ou la protection de l’environnement. Qu’on ait peur de cette révolution ou non, la technologie est en marche, la meilleure solution reste encore de s’y intéresser et de comprendre ces nouveaux concepts.