Les 4 types d'IA : découvrir l'intelligence artificielle

Read in English (Lire en anglais).

L’ intelligence artificielle (IA) a ouvert la voie à des avancées dans la résolution de problèmes concrets liés à la santé, à l’éducation et à l’environnement. Dans certains cas, l’intelligence artificielle peut faire des choses plus efficacement ou méthodiquement que l’intelligence humaine. 

Les bâtiments, véhicules et autres technologies « intelligentes » peuvent réduire les émissions de carbone et aider les personnes handicapées. L’apprentissage automatique, un sous-ensemble de l’IA, a permis aux ingénieurs de construire des robots et des voitures autonomes, de reconnaître la parole et les images et de prévoir les tendances du marché. 

Lisez la suite pour en savoir plus sur les quatre principaux types d’IA (machines réactives, à mémoire limitée, à théorie de l’esprit et conscientes d’elles-mêmes) ainsi que leurs fonctions dans la vie quotidienne.

Les 4 principaux types d'intelligence artificielle

Dans l’IA, on distingue trois types d’intelligence : l’« intelligence étroite », l’« intelligence artificielle générale » et la « super IA ». Ces catégories illustrent les capacités de l'IA au fur et à mesure de son évolution : elle peut effectuer des séries de tâches étroitement définies, simuler des processus de pensée de l'esprit humain et réaliser des performances dépassant les capacités humaines.

Regardez cette vidéo du cours Introduction à l'intelligence artificielle (IA) d'IBM pour en savoir plus sur ces catégories :

Il existe quatre principaux types d'IA, tels que définis par Arend Hintze, chercheur et professeur de biologie intégrative à l'Université d'État du Michigan [1]. Ce sont les suivants :

1. Les machines réactives

Les machines réactives sont des systèmes d'IA qui n'ont pas de mémoire et sont spécifiques à une tâche, ce qui signifie qu'une entrée fournit toujours la même sortie. Les modèles d'apprentissage automatique ont tendance à être des machines réactives car ils prennent les données des clients, telles que l'historique des achats ou des recherches, et les utilisent pour fournir des recommandations aux mêmes clients. 

Ce type d'IA est réactif. Il s'agit d'une « super » IA, car l'humain moyen ne serait pas en mesure de traiter d'énormes quantités de données, comme l'historique complet des visites Netflix d'un client et les recommandations personnalisées. L'IA réactive, dans la plupart des cas, est fiable et fonctionne bien dans des inventions comme les voitures autonomes. Elle n'a pas la capacité de prédire des résultats futurs à moins d'avoir reçu les informations appropriées.

Comparez cela à notre vie humaine, où la plupart de nos actions ne sont pas réactives car nous ne disposons pas de toutes les informations nécessaires pour réagir, mais nous avons la capacité de nous souvenir et d'apprendre. En fonction de ces succès ou de ces échecs, nous pouvons agir différemment à l'avenir si nous sommes confrontés à une situation similaire.

Exemples de machines réactives

Battu aux échecs par le superordinateur d'IBM : L'un des meilleurs exemples d'IA réactive est celui de Deep Blue, le système d'IA d'IBM pour jouer aux échecs, qui a battu Garry Kasparov à la fin des années 1990. Deep Blue pouvait identifier ses pièces et celles de son adversaire sur l'échiquier pour faire des prédictions, mais il n'avait pas la capacité de mémoire nécessaire pour utiliser les erreurs passées pour éclairer les décisions futures. Il ne faisait que des prédictions basées sur les prochains coups possibles pour les deux joueurs et sélectionnait le meilleur coup. 

Les recommandations Netflix : le moteur de recommandation de Netflix est alimenté par des modèles d'apprentissage automatique qui traitent les données collectées à partir de l'historique de visionnage d'un client pour déterminer les films et les émissions de télévision spécifiques qu'il appréciera. Les humains sont des créatures d'habitudes : si quelqu'un a tendance à regarder beaucoup de séries coréennes, Netflix affichera un aperçu des nouvelles sorties sur la page d'accueil.

2. Les machines à mémoire limitée

L’évolution de l’IA la conduit au type suivant, l'IA à mémoire limitée. Ce modèle imite la façon dont les neurones de notre cerveau fonctionnent ensemble, ce qui signifie qu'il devient plus intelligent à mesure qu'il reçoit plus de données sur lesquelles s'entraîner. Les algorithmes d'apprentissage profond améliorent le traitement du langage naturel (NLP), la reconnaissance d'images et d'autres types d'apprentissage par renforcement.

Contrairement aux machines réactives, l'IA à mémoire limitée peut observer le passé et surveiller des objets ou des situations spécifiques au fil du temps. Ces observations sont ensuite programmées dans l'IA afin que ses actions puissent être exécutées en fonction des données du moment passé et présent. Mais dans le modèle à mémoire limitée, ces données ne sont pas enregistrées dans la mémoire de l'IA comme une expérience dont elle peut tirer des enseignements, à la différence des humains, qui peuvent tirer un sens de leurs succès et de leurs échecs. L'IA s'améliore au fil du temps à mesure qu'elle est entraînée sur davantage de données.

Exemple d'intelligence artificielle à mémoire limitée

Les voitures autonomes : Un bon exemple d'IA à mémoire limitée est la façon dont les voitures autonomes observent les autres voitures sur la route pour connaître leur vitesse, leur direction et leur proximité. Ces informations sont programmées pour constituer une représentation du monde par la voiture, il s’agit par exemple de la connaissance des feux de circulation, des panneaux, des virages et des bosses sur la route. Les données aident la voiture à décider quand changer de voie pour éviter d’être heurtée ou de se faire couper la route par un autre conducteur. 

3. Les machines à théorie de l'esprit

Les deux premiers types d'IA, les machines réactives et à mémoire limitée, sont des types qui existent déjà. L’IA à théorie de l'esprit et l'IA consciente d'elle-même sont des types théoriques qui pourraient être développés à l'avenir. Il n'existe donc pas encore d'exemples concrets.

Si elle est développée, l’IA basée sur la théorie de l’esprit pourrait avoir le potentiel de comprendre le monde et la façon dont les autres entités ont des pensées et des émotions. En retour, cela affecterait la façon dont elles se comportent par rapport à ceux qui les entourent.

Les capacités cognitives humaines nous permettent de comprendre comment nos pensées et nos émotions affectent les autres et comment celles des autres nous affectent. C'est la base des relations humaines dans notre société. À l'avenir, les machines d'intelligence artificielle basées sur la théorie de l'esprit pourraient être capables de comprendre les intentions et de prédire les comportements, comme si elles simulaient les relations humaines.

À quel type d’IA se rattache ChatGPT ?

ChatGPT est un exemple d'IA générative, une sorte d'intelligence artificielle alimentée par de grands modèles de langage (LLM) créés en entraînant des algorithmes sur des quantités massives de données. L'IA générative est capable de créer des sorties originales en réponse aux entrées de l'utilisateur ou « invites », encore appelées « prompts ». La capacité de ChatGPT à produire des réponses ressemblant au langage humain en a fait un type d'IA couramment utilisé pour les chatbots et les assistants virtuels.

Cela dit, même si des outils comme ChatGPT, Google Gemini ou Microsoft Copilot peuvent produire des réponses qui donnent l'impression d'une IA consciente d'elle-même, ce n'est pas vraiment le cas. Au lieu de cela, leurs réponses ne sont en fait que le produit d’un algorithme identifiant le résultat statistiquement le plus probable en fonction de ses données d'entraînement et de l'invite de l'utilisateur.

4. Les machines conscientes d’elles-mêmes

Le point culminant de l’évolution de l’IA serait de concevoir des systèmes dotés d’un sens de soi, d’une compréhension consciente de leur existence. Ce type d’IA n’existe pas encore.

Cela va au-delà de l’IA à théorie de l'esprit et de la compréhension des émotions pour atteindre la conscience de soi-même, de son état d'esprit et être capable de ressentir ou de prédire les sentiments des autres. Par exemple, « J'ai faim » devient « Je sais que j'ai faim » ou « Je veux manger des lasagnes parce que c'est mon plat préféré ». 

L’intelligence artificielle et les algorithmes d’apprentissage automatique sont encore loin d’être conscients d’eux-mêmes, car il reste encore beaucoup à découvrir sur l’intelligence du cerveau humain et sur le fonctionnement de la mémoire, de l’apprentissage et de la prise de décision.

Apprenez-en plus sur l'intelligence artificielle avec Coursera

Apprendre l'IA peut être amusant et fascinant, même si vous ne souhaitez pas devenir ingénieur en IA. Que vous souhaitiez simplement augmenter votre productivité au travail ou vous orienter vers une carrière dans l'IA, Coursera a quelque chose pour vous.

Pour avoir un aperçu de l'IA, suivez le cours L'IA pour tous de DeepLearning.AI. Conçu pour que les non-techniciens comprennent ce qu'est l'IA, le cours inclut une terminologie courante comme les réseaux neuronaux, l'apprentissage automatique, l'apprentissage profond et la science des données. Vous apprendrez à travailler avec une équipe d'IA, à élaborer une stratégie d'IA dans votre entreprise, et bien plus encore. 

Pour exploiter le potentiel de l'IA générative, vous pouvez envisager de vous inscrire au cours Spécialisation sur les fondements de l'IA générative d’IBM. Vous apprendrez les concepts, modèles, outils et applications d'IA fondamentaux pour accroître votre productivité au travail et dans votre vie.

Pour améliorer vos compétences en IA, explorez le cours Apprentissage profond avec PyTorch, Keras et Tensorflow Certificat professionnel d’IBM. Vous apprendrez à créer, entraîner et déployer des modèles d'apprentissage profond dans ce programme de niveau intermédiaire.