L’intelligence artificielle et le machine learning sont deux concepts visant à améliorer les compétences d’un système informatique. Mais à quoi font-ils référence exactement et comment pourriez-vous les différencier ?
Définition de l’intelligence artificielle
L’intelligence artificielle, ou IA, est un concept visant à donner aux machines la capacité de raisonner comme un être humain. Pour cela, le processus cognitif auquel l’intelligence artificielle aspire a été fractionné en différentes compétences qui sont :
- La compréhension ;
- La communication ;
- La mémorisation ;
- Le raisonnement ;
- L’adaptation ;
- L’apprentissage autonome.
Une machine intelligente peut donc avoir une ou plusieurs de ces facultés. Néanmoins, le concept d’intelligence artificielle est très compliqué à assimiler. En effet, en plus des obstacles techniques que pourraient rencontrer des concepteurs, la controverse et la manière différente d’appréhender le concept selon les écoles de pensées rajoutent encore plus à la complexité de la mise en place de l’IA.
Un domaine très controversé
Déterminer les facultés qui mènent à l’intelligence peut s’avérer délicat chez l’Homme et encore plus chez une machine. L’intelligence est-elle purement rationnelle ? Ou à contrario doit-elle inclure le rationnel et l’émotionnel ? De ces questions en surgit une autre encore plus fondamentale : à quoi doit servir une intelligence artificielle ? Doit-elle mimer entièrement le comportement humain, ou seulement ses capacités à raisonner rationnellement ?
Ces questions qui divisent ont fait apparaitre deux sous types d’intelligence artificielle :
· L’IA subsymbolique ;
· L’IA symbolique.
Le premier type, l’IA subsymbolique ou IA forte, a pour but de mimer le comportement humain dans son ensemble. Le second type, l’IA symbolique ou IA faible, a pour objectif de réaliser seulement des tâches spécifiques dans un domaine précis (jeu d’échec, diagnostic médical).
Pour considérer qu’une machine est artificiellement intelligente, celle-ci doit passer le test de Turing. Si les réponses données lors de ce test ne sont pas différentiables de celles d’un humain, alors l’ordinateur a réussi l’examen. Le test est cependant différent selon l’IA forte et l’IA faible. En effet, dans le dernier cas, le test de Turing est dit « limité » et on regardera les capacités d’un système informatique à réaliser une tache spécifique comme un humain.
Deux façons de penser IA
L’IA symbolique (IA faible)
L’objectif de cet IA est donc de mimer le comportement humain sur un aspect logique, ordonné et raisonné. L’approche utilisée se base sur une multitude d’algorithmes et un apprentissage (dit machine learning).
Ici, la machine recevra des données et apprendra à reconnaitre et classer ces données, puis à donner une réponse appropriée selon le type de donnée reçue.
Aujourd’hui, l’IA faible est utilisée dans de nombreux domaines, dont le traitement de texte, les traductions, les jeux stratégiques comme le rubik’s cube ou encore le jeu d’échec.
L’intelligence artificielle neuronale ou subsymbolique (IA forte)
Développée comme un système neuronal, l’IA forte peut apprendre en continu et développer ses compétences indépendamment d’un facteur humain. A l’inverse de l’IA symbolique, l’intelligence artificielle neuronale va être entrainée et stimulée pour apprendre.
Ainsi, la machine apprendra seule sur le long terme et pourra raisonner selon son propre apprentissage. Aujourd’hui, la majorité des innovations dans ce domaine se fait par IA neuronale. Basée sur l’apprentissage profond (deep learning), les machines sont capables de réaliser des tâches de plus en plus complexes comme conduire, apprendre et parler plusieurs langues, ou encore reconnaitre une écriture manuscrite.
Applications de l’IA
L’intelligence artificielle est déjà présente dans de nombreux domaines et sa présence ne va que s’accroitre au fil des prochaines années. Parmi ces domaines vous pourrez trouver :
- Les jeux de réflexion et de stratégie ;
- La finance ;
- La santé ;
- La perception et l’interprétation avec la reconnaissance faciale ou la communication en plusieurs langues ;
- La robotique avec l’industrie, le transport et l’armement.
L’intelligence artificielle est un secteur qui s’accroit fortement et dont les perspectives sont immenses. Néanmoins, ce domaine ne serait rien sans le machine learning.
Zoom sur le machine learning
Le machine learning est une sous-catégorie de l’intelligence artificielle. Le principe est donc qu’une machine apprenne d’une manière automatique et regroupe en son sein plusieurs concepts, dont le deep learning. L’ordinateur va pouvoir apprendre afin d’apporter, par la suite, une réponse adaptée à une situation dite complexe.
Pour traiter un nombre de données monumental dans des délais limités, les machines sont dotées de plusieurs algorithmes leur permettant d’apprendre sur une base déjà déterminée (IA symbolique) ou non (IA neuronale). Parmi ces algorithmes, vous pourrez y trouver :
- Les algorithmes de régressions : ce sont des courbes qui permettent de synthétiser les données reçues de manière approximative, comme les régressions linéaires, polynomiales ou régularisées ;
- L’algorithme de Naïve Bayes : celui-ci joue sur la probabilité en donnant les statistiques de réalisation d’un événement qui se base sur des données préalables ;
- Le clustering : permet de regrouper des données sur la base d’une similarité (les photos de chat ensemble et celles de chien dans un autre groupe) ;
- Les arbres de décision : en répondant à des questions, les réponses donneront lieu à des questions différentes jusqu’à arriver à un résultat.
Ces algorithmes permettent ainsi aux machines d’apprendre automatiquement. Néanmoins, le type d’apprentissage varie selon le type d’algorithme utilisé et la complexité de l’ordinateur.
Il existe à ce jour 3 grands types d’apprentissage :
- L’apprentissage supervisé : la machine apprendra à classifier des données selon des critères préalablement déterminés par un humain ;
- L’apprentissage non-supervisé : l’ordinateur va classer les données brutes selon les critères qu’il déterminera par lui-même ;
- L’apprentissage par renforcement : le système informatique va observer son environnement et apprendre par l’entrainement et la stimulation.
Différencier le machine learning et l’intelligence artificielle
Si l’intelligence artificielle est un concept visant à simuler un ou des comportements humains, le machine learning n’est qu’une méthode pour atteindre la création d’une intelligence artificielle. Ainsi, l’IA n’est possible qu’avec l’usage de plusieurs méthodes, dont le machine learning.
Si l’apprentissage automatique permet, entre autres, aux machines d’apprendre et de s’auto-corriger, celui-ci ne permet pas de raisonner. Or, aujourd’hui les développeurs d’intelligences artificielles cherchent avant tout à créer des modèles permettant de mimer le comportement humain (IA forte) mais qui peuvent raisonner par elles-mêmes.
Ce système a encore beaucoup de limites. Cela a été vu avec la voiture autonome. Aux Etats-Unis, une voiture a renversé un piéton et après analyse des données, les ingénieurs ont découvert que la machine s’était vue confrontée à un choix crucial : s’arrêter pour laisser passer le piéton et risquer un accident potentiellement mortel OU continuer et renverser le piéton.
C’est en choisissant la deuxième option que ce système informatique a montré la grande limite de l’intelligence artificielle. Celle-ci ne prend pas en compte les émotions qui sont pourtant primordiales dans l’élaboration des choix humains.
Le machine learning est une sous branche du domaine de l’intelligence artificielle permettant à celle-ci d’apprendre par elle-même. Ce domaine offre des perspectives gigantesques pour le futur, comme avec la voiture de demain, entièrement automatisée et pouvant conduire seule. Néanmoins, le processus de raisonnement d’un tel système informatique peine encore à mimer le raisonnement humain, car il est dénué d’émotions comme la compassion. Ainsi, le domaine de l’intelligence artificielle a encore beaucoup de défis à relever pour dépasser ces limites.
Vous avez des données que vous n’exploitez pas ? Laissez des experts comme Ryax vous aider à exploiter vos données au maximum !
La Ryax Team.