Comment la révolution de l’IA nous aide-t-elle à répondre aux questions les plus fondamentales de la philosophie ? (Partie 1)

Qui suis-je? Pour quoi suis-je né ? Comment devrais-je vivre ? De nombreux articles, de nombreux livres et de nombreuses écoles philosophiques sont nés pour résoudre les plus grandes questions concernant l’existence humaine. Dans cet article, nous aimerions présenter aux lecteurs de profondes réflexions sur ces questions philosophiques fondamentales du point de vue d’un expert technologique de premier plan à travers la série d’articles ci-dessous.

La série d'articles est traduite d'un article sur The Edge de l'auteur Kai-fu Lee, fondateur de la société d'investissement technologique Sinovation Ventures, classée n°1 en Chine par Forbes. Lee a occupé des postes de recherche chez Apple et était responsable des opérations chez Microsoft et Google Chine. Lee est également l'informaticien qui a créé le premier système de reconnaissance vocale au monde. Le système de Lee est actuellement utilisé dans les produits Siri d'Apple, Microsoft et de nombreuses autres sociétés.

Auteur Kai-fu Lee, fondateur de Sinovation Ventures, la société d'investissement technologique n°1 en Chine (Photo : China Daily)

PARTIE 1 : LA PREMIÈRE ET DEUXIÈME VAGUE D'INTELLIGENCE ARTIFICIELLE

La première vague de l'intelligence artificielle

Comme tout le monde, les questions que je me pose toujours sont : qui suis-je et pourquoi j’existe ? En tant qu'humains, qui sommes-nous, pourquoi existons-nous ? Quand j’étais à l’université, j’avais une vision beaucoup plus innocente. J'étais très passionné par l'informatique, par l'intelligence artificielle, et je pensais que j'étais destiné à travailler avec des algorithmes informatiques, et avec mes collègues, imaginer comment fonctionne le cerveau, comment les ordinateurs peuvent être aussi intelligents que le cerveau, peuvent même remplacer le cerveau, et c’est ce qu’on appelle l’intelligence artificielle.

C’était mon simple point de vue à l’époque. Je l'ai poursuivi à l'université, pendant mes années de maîtrise. Je suis allé à Carnegie Meelon et j'ai obtenu mon doctorat en reconnaissance vocale , puis j'ai rejoint Apple, SGI, puis Microsoft et Google. Dans ces entreprises, j'ai continué à travailler sur l'intelligence artificielle. Je pense que notre recherche du fonctionnement de l'intelligence et notre compréhension de l'intelligence artificielle nous reviendront et diront : « Ah, c'est ainsi que fonctionne le cerveau ». Nous le simulons, et c’est la définition de l’intelligence. Cela devrait être ce qui compte le plus dans nos vies : notre QI, notre capacité à penser, analyser, prédire, comprendre – tout cela peut être développé par simulation sur ordinateur.

J'ai eu la chance de rencontrer Marvin Minsky, Allen Newell, Herb Simon (trois scientifiques considérés comme des pionniers dans le domaine de l'intelligence artificielle) et mon mentor Raj Reddy (Dabbala Rajagopal "Raj" Reddy, un informaticien indo-américain, est également un pionnier de l’IA). Toutes ces personnes ont laissé une profonde influence sur ma façon de penser. Il est harmonieux qu’ils poursuivent également une compréhension de l’intelligence. L’idée à l’époque était que nous mettrions en œuvre l’intelligence humaine comme des règles régissant les manières d’agir humaines si nous fournissions un processus permettant de mener à bien notre réflexion par étapes concrètes.

Par exemple, si j'ai faim, j'ai envie de sortir et de manger. J'ai accidentellement dépensé beaucoup d'argent ce mois-ci, j'irai dans un endroit moins cher. L'endroit le moins cher est censé être McDonald's. Chez McDonald's, j'évite les aliments frits, je ne reçois donc qu'un hamburger. Ces choses « si, alors, sinon » correspondent à la façon dont nous pensons (comme nous pensons), et c'est ainsi que fonctionne la génération de systèmes experts ou d'IA symbolique. Je me rends compte que c'est très contraignant, parce que quand on écrit les règles, il y en a trop.

Au MCC (Consortium of Microelectronic Computer Companies), il y avait un professeur nommé Doug Lenat, l'une des personnes les plus intelligentes que je connaisse. Il a embauché des centaines de personnes pour écrire toutes les règles auxquelles nous pouvions penser, pensant qu'un jour nous y arriverions et que ce serait le cerveau. Ses recherches sont sponsorisées par Apple et Microsoft. Je me souviens encore que lorsque je lui ai rendu visite, il m'a montré tous ces différents types de fleurs, partageant ses connaissances sur ce qu'est chaque type de fleur, combien de pétales chaque fleur a et quelles couleurs elle a. Il s’avère qu’il y a trop de connaissances dans le monde pour que nous puissions les intégrer, et que leurs interactions sont trop complexes. Ce mécanisme, ces systèmes basés sur des règles, nous ne savons pas comment les construire.

C'était la première vague. Les gens ont commencé à s’enthousiasmer, pensant que nous pourrions écrire les règles, mais ce fut un échec total. Le résultat de cet échec est que, d’une certaine manière, il n’existe que quelques applications utiles. Cela fait croire aux gens que l’IA a échoué et qu’elle ne vaut pas la peine d’être poursuivie.

Scientifiques pionniers dans le domaine de l'intelligence artificielle par lesquels Kai-fu Lee a été profondément influencé : Marvin Minsky, Allen Newell, Herb Simon, Dabbala Rajagopal « Raj » Reddy (Photo : Slideplayer, Wikipedia)

La deuxième vague de l'intelligence artificielle

J'ai eu la chance de suivre la deuxième vague, qui a coïncidé avec mes travaux de doctorat à Carnegie Mellon. Dans ce travail, je me suis demandé si nous pouvions utiliser une sorte de statistiques ou d’apprentissage automatique. Et si nous collections des échantillons de toutes choses et formions les systèmes ? Il pouvait s'agir d'échantillons de voix pour entraîner différents sons en anglais, d'échantillons de chiens et de chats pour entraîner la reconnaissance des animaux, etc. Ils donnaient de bons résultats à cette époque. Le type de technologie que j'ai développé et utilisé dans ma thèse de doctorat s'appelle « Modèles de Markov cachés », qui est le premier exemple d'un système de haut-parleurs autonome à reconnaissance vocale. Ce système était et est toujours utilisé dans de nombreux produits, tels que Siri, le système de reconnaissance vocale de Microsoft, et d'autres technologies utilisées dans la voix et la vision par ordinateur. J'ai effectué ce travail chez Carnegie Mellon dans les années 1980, terminé ma thèse en 1988 et travaillé chez Apple de 1990 à 1996, puis chez Microsoft Research vers 2000.

Nous étions optimistes quant à l’efficacité du calcul de ce travail car nous avons constaté une amélioration des résultats. Mais après une décennie de travail, nous constatons que des améliorations cruciales atteignent leurs limites. Ils ne pouvaient pas monter plus haut, alors nous avions peur. Encore une fois, beaucoup de gens disent : « Vous pouvez reconnaître 1 000 mots, 100 objets, mais pas plus. Les humains peuvent comprendre un vocabulaire infini, y compris des mots nouvellement formés. Ce n’est pas intelligent. Ce n’est pas de l’IA. » Le deuxième effondrement de l’intelligence artificielle s’est produit parce qu’elle n’a pas réussi à prouver que les machines pouvaient faire ce que les humains pouvaient faire.

Selon VnReview Voir plus :

• Cours en ligne gratuit sur l'intelligence artificielle (IA) dispensé par les universités finlandaises
• 6 étapes pour commencer à apprendre la programmation de l'intelligence artificielle (IA)
• Cours en ligne sur l'intelligence artificielle (IA), certification