Jalgos — L’intelligence artificielle mérite-t-elle son buzz ?
Par Julien Muresianu, co-fondateur de Jalgos
Un peu d’Histoire pour comprendre l’explosion de l’IA
Le buzz sur l’IA est-il mérité ? — L’IA est maintenant omniprésente, depuis nos fils d’information jusqu’au Parlement et aux programmes électoraux, en passant par la création de nombreuses startups, la géopolitique et les grands groupes. Pourtant, le domaine a déjà près de 70 ans. Que se passe-t-il ces dernières années qui ne se passait pas depuis les années 40 ? Est-ce que le buzz est justifié ?
Je vous propose de répondre à cette question à travers un rapide survol de l’Histoire de l’IA, de l’antiquité à nos jours, qui nous éclairera sur pourquoi on en (re)parle autant.
Créer des être intelligents — et leur déléguer des tâches pénibles — un vieux rêve de l’humanité :
De l’antiquité à la période moderne, l’Histoire foisonne de rêves d’IA qui n’en portent pas le nom. Mythologie et légendes (Galatée, le Golem, Frankenstein et bien d’autres), mais aussi inventions technologiques comme le boulier chinois, sont dirigées vers ce rêve : créer des être artificiels qui pourront réaliser, parfois mieux que nous, des tâches que nous ne souhaitons plus devoir réaliser.
La naissance de l’informatique et le premier âge d’or de l’IA :
•Années 40 : Dans la continuité de travaux et prototypes datant de la première moitié du 19ème siècle, les années 40 sont souvent retenues comme marquant la naissance de l’informatique moderne, ainsi que la naissance concomitante de l’intelligence artificielle. Le terme désigne l’aboutissement du projet informatique lui-même : créer des machines et programmes que l’on pourrait qualifier d’intelligents.
Ce projet repose notamment sur l’affirmation suivante, ayant servi de fondement de la conférence de Dartmouth en 1956 :
“Chaque aspect de l’apprentissage ou d’autres aspects de l’intelligence peut en principe être décrit si précisément qu’une machine peut le simuler”
Cette première période voit la réalisation de nombreuses avancées stupéfiantes, fondement de l’IA actuelle, avec les réseaux de neurones artificiels, les premiers chatbots, les premiers programmes d’échec, etc.
Au vu de la vitesse à laquelle le domaine avançait, de nombreux experts s’attendaient à ce que le projet d’IA ait totalement abouti en quelques dizaines d’années.
Désillusions et premier hiver de l’IA:
• C’est au milieu des années 70 que les désillusions ont pris la place de l’émerveillement. Des barrières se sont présentées face aux développements du domaine, et le projet de créer des programmes d’une intelligence comparable à l’humain s’est avéré beaucoup plus complexe que prévu, en particulier sur les tâches a priori les plus anodines, comme la reconnaissance de visage ou le bon sens.
Ces désillusions ont entraîné un fort ralentissement des investissements, et donc des avancées, retenu comme le premier hiver de l’IA
Les systèmes experts font leur entrée
• Un nouveau départ a rapidement relancé le domaine, dès 1980, avec un changement de perspective. L’objectif a été revu à la baisse, en passant du projet de créer une intelligence générale, à la création de programmes capables de réaliser une tâche simple, ciblé : on les appelles les systèmes experts.
Ils marquent le renouveau du domaine, mais également un changement inédit : pour la première fois, l’IA se voit appliquée au monde de l’entreprise, avec des succès commerciaux forts, comme Digital Equipment Corporation.
Conceptuellement les systèmes experts ont souvent la forme d’arbres de décision : on code, à chaque étape de la tâche que l’on souhaite que le programme réalise, un test, et fonction de ce test, l’étape suivante, constituée d’un tâche élémentaire, ou d’un autre test permettant de bifurquer de nouveau en distinguant les situations.
Ainsi, le code de ces programme décrit explicitement l’ensemble des tâches réalisées et est le résultat d’une modélisation exhaustive de la situation à résoudre.
Des difficultés se sont très vite présentées face à ces nouvelles avancées à succès. Alors que certains considéraient que l’ensemble des tâches réalisées par des humains pouvaient se traduire en arbres de décisions, de nombreuses situations se sont présentées comme trop complexes pour être efficacement modélisées à travers cette approche, comme maintenir une conversation, conduire un véhicule, ou même reconnaître efficacement une photo de hot dog.
C’est le second hiver de l’IA, durant quelques années.
Nouvel âge d’or — mathématiques, données et puissance de calcul :
• Un nouveau changement de paradigme a marqué le renouveau du domaine. Plutôt que de devoir modéliser explicitement les situations que l’on souhaite résoudre, une partie de cette modélisation va être déléguée à la machine.
Concrètement, l’idée est de passer des arbres de décision, explicites quant à la résolution du problème à résoudre, à une approche où l’on alimente le programme avec les éléments suivants :
- Un objectif à atteindre
- Un cadre, des degrés de liberté dans lesquels le programme pourra évoluer et chercher la solution qui permet de se rapprocher au mieux de l’objectif
- De nombreux exemples du problème correctement résolu
L’objectif doit être modélisé correctement, le cadre en question est l’algorithme lui-même, et les exemples sont couramment appelés “data”. C’est ce qu’on appelle le machine learning permettant de faire émerger statistiquement, à partir de ces trois “ingrédients”, un modèle de la situation à résoudre.
Même si le machine learning a été conceptualisé dès le premier âge d’or, dans les années 50 à 70, il ne devient utilisable à grande échelle qu’à partir des années 2000. Pourquoi ?
Les algorithmes en question ont, pour la plupart, été inventés des dizaines d’années auparavant, et ne sont pas la source directe de la rupture profonde observée durant les années 2000. Deux phénomènes l’expliquent :
- La quantité et le type de données disponibles
- La puissance de calcul disponible
Avec les développements d’Internet, puis des réseaux sociaux, smartphones, sites d’e-commerce, et plus généralement des capteurs peu chers, les données disponibles dans de nombreux secteurs sont devenues d’une richesse jamais observée auparavant. Une heuristique nous montre que la quantité de données disponibles double tous les deux ans à l’échelle du monde.
De même, la loi de Moore, une autre heuristique, montre que la puissance de calcul disponible double tous les 18 mois environ.
Ces deux grandeurs, data et puissance, ont atteint une masse critique, permettant l’utilisation efficace de l’approche de machine learning, révolutionnaire dans le sens où elle permet de faire gérer une partie supplémentaire de la complexité des problèmes à résoudre par l’ordinateur lui-même.
De fait, de nombreuses situations jusqu’alors hors de portée des programmes, de la santé à l’industrie en passant par la logistique, la finance, le marketing et bien d’autres domaines, deviennent l’objet de forts succès de l’IA.
Le buzz actuel est amplement justifié par cette rupture, dont on peut voir les illustrations concrètes dans le rapide taux d’innovation, et la capitalisation boursière ou la rentabilité des entreprises ayant parié avant les autres sur l’IA.
Nous sommes dans un nouvel âge d’or de l’IA, caractérisé, en plus du machine learning, par le nombre élevé d’applications commerciales à succès, et la richesses des applications potentielles à travers les secteurs, encore bien loin d’être entièrement exploitées.
Conclusion:
Même si des débats profonds et passionnants — qui feront l’objet d’articles à venir — opposent les tenants de vues différentes sur le potentiel à court ou long terme du domaine, les progrès actuels de l’IA justifient amplement le buzz dont le domaine fait l’objet.
Ce nouvel âge d’or de l’IA a encore de belles années devant lui, mais quelle est la prochaine étape ?
Jalgos est une startup basée à Paris spécialisée en technologie d’intelligence artificielle sur-mesure co-fondée par Sébastien Lamy de la Chapelle et Julien Muresianu www.jalgos.com
Originally published at https://jalgos.com on May 29, 2019.
