Comment la révolution de l’IA nous aide-t-elle à répondre aux questions les plus fondamentales de la philosophie ? (Partie 2)

Qui suis-je? Pour quoi suis-je né ? La révolution de l'IA à travers les yeux de l'expert en technologie Kaifu-Lee, la deuxième partie vous aidera à continuer à découvrir les réponses à ces deux éternelles questions humaines. Après l’échec des deux premières vagues, comment l’IA a-t-elle continué à se développer et à décoller jusqu’à présent ? L’IA a-t-elle aujourd’hui assez de pouvoir pour conquérir le monde comme certains le prédisent ?

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

Résumé de la partie 1 : mécanismes des deux premières vagues d'intelligence artificielle dans le monde : systèmes basés sur des règles de pensée (première vague), modèles statistiques et machine learning (deuxième vague)

PARTIE 2 : La troisième vague d’Al et la réévaluation des véritables capacités d’Al aujourd’hui.

La troisième vague de l'IA : une explosion alimentée par le matériel

Lors de la première vague, j'ai (l'auteur Kai-fu Lee) eu la chance de connaître l'informaticien et psychologue Roger Schank. En fait, un de ses étudiants était mon superviseur pendant mes années de maîtrise. Les expériences ci-dessus m’ont amené à croire que les systèmes experts ne sont pas évolutifs et que notre cerveau pourrait ne pas fonctionner comme nous le pensions. J'ai réalisé que, pour simplifier notre processus de décision, nous utilisions « si, alors, sinon » comme langage que les humains comprennent, mais notre cerveau est complexe, bien plus compliqué que cela.

Lors de la deuxième vague, lors de ma thèse et de mes études doctorales, j'ai lu les travaux de Judea Pearl sur les réseaux bayésiens. J'ai été grandement influencé par d'éminents scientifiques d'IBM, notamment le Dr Fred Jelinek, Peter Brown et Bob Mercer. Ils ont marqué leur marque en généralisant les méthodes statistiques, non seulement dans la parole mais aussi dans la traduction automatique (dans les années 80 et 90 du 20e siècle). Je leur dois beaucoup de gratitude. Nous sommes toujours bloqués, mais ce n’est pas parce que la technologie est mauvaise. La vérité est que les méthodes statistiques sont tout à fait exactes.

À la fin des années 80, alors que je travaillais sur des modèles de Markov cachés chez Carnegie Mellon, Geoff Hinton travaillait sur des réseaux de neurones qu'il nommait « réseaux de neurones temporisés ». On pense qu’il s’agit de la première version des réseaux neuronaux complexes désormais connus sous le nom d’apprentissage profond, une technologie dominante aujourd’hui.

Mais pourquoi la vague d’apprentissage automatique neuronal et statistique n’a-t-elle pas décollé ? Rétrospectivement, cette vague n’avait rien à voir avec la technologie, la plupart des technologies avaient déjà été inventées. Le problème est simplement que nous n'avons pas suffisamment de données de formation. Notre cerveau fonctionne d’une manière complètement différente des machines d’apprentissage profond. Pour démarrer les machines d’apprentissage profond, nous devons leur fournir plus de données de formation à tous les niveaux que les humains. Les humains peuvent voir des centaines de visages avant de commencer à reconnaître les gens, mais les réseaux neuronaux d’apprentissage profond veulent voir des milliards de visages pour maîtriser la reconnaissance.

Bien sûr, une fois qu’ils seront compétents, ils seront meilleurs que les humains. C'était prédit. Mais à l’époque, nous ne disposions tout simplement pas de suffisamment de données de formation, ni de suffisamment de puissance de calcul pour mettre ces technologies découvertes à la pointe. Google commence à se rendre compte que pour effectuer une recherche, il faut que plusieurs machines fonctionnent en parallèle. Ensuite, Jeff Dean (l'informaticien qui dirige la division IA de Google) et d'autres personnes chez Google ont compris qu'une fois que vous aviez ces machines parallèles, vous pouviez faire bien plus que rechercher. Vous pouvez créer une IA dessus. Pour créer une IA, vous avez besoin de puces spéciales spécialisées dans sa bonne exécution. Puis les GPU de Nvidia sont arrivés et Google a construit ses propres TPU. C'est une avancée passionnante. Il se trouve que Google a repris la recherche et les serveurs nécessaires à la recherche, et ils ont obtenu Jeff Dean. Cela a conduit à des architectures d'apprentissage massivement parallèles basées sur des GPU ou des TPU, capables d'apprendre à partir d'un grand nombre de données provenant d'un seul domaine (les GPU sont des processeurs composés de milliers de cœurs plus petits et plus performants qui peuvent traiter de nombreuses tâches simultanément, par rapport à un CPU conventionnel avec seulement quelques cœurs optimisés pour un traitement séquentiel continu).

(Photo : Anand Tech)

Les nouvelles technologies ont évolué sur la base des architectures d'apprentissage automatique massivement parallèles mentionnées ci-dessus, et ces architectures fonctionnent sur de nouveaux GPU et accélérateurs. De plus en plus de personnes sont capables d’entraîner des appareils à reconnaître des visages, des voix, des images et à appliquer l’IA à la recherche et à la prédiction. Il y a de plus en plus de données Internet disponibles. Amazon a utilisé ces données pour prédire ce que les clients voulaient acheter. Google utilise des données pour prédire sur quelles annonces vous êtes susceptible de cliquer et pour lesquelles vous êtes susceptible de payer. Microsoft l'utilise également. En Chine, nous avons Tencent et Alibaba. De nombreuses applications sont nées sur la base d’énormes quantités de données Internet.

Parallèlement aux progrès de la technologie, Geoff Hinton, Yann LeCun et Yoshua Bengio étaient trois personnes qui continuaient à travailler sur les réseaux de neurones, même s'ils n'étaient plus courants au début des années 2000. Dans les années 80, ce travail est nouveau, et des statistiques révolutionnaires ont montré que ces réseaux ne sont pas évolutifs. Les agences de financement les ont donc abandonnés, les conférences ont cessé d’accepter des recherches à leur sujet, mais ces trois chercheurs ont continué avec un peu de financement pour affiner et développer de meilleurs algorithmes. Et puis d’autres données sont apparues. Une percée a été réalisée avec la création de nouveaux algorithmes, autrefois appelés « réseaux de neurones complexes », et aujourd'hui connus sous le nom d'« apprentissage profond ».

L'ensemble des technologies dérivées des trois professeurs ci-dessus a commencé à proliférer dans l'industrie de l'IA. Les systèmes de reconnaissance vocale conçus par des entreprises leaders conquièrent les capacités humaines, et la même chose se produit avec les entreprises de reconnaissance faciale et de reconnaissance d'images. Il existe des preuves du commerce électronique, de l'identification des utilisateurs et des locuteurs appliquée aux données Internet, de prévisions plus élevées pour Amazon, leur donnant plus d'argent ; de meilleures prédictions pour Facebook sur la façon dont les fils d'actualité sont classés ; De meilleurs résultats de recherche de Google. À la fin des années 2000, les réseaux de neurones profonds ont commencé à devenir populaires chez Google et ont explosé presque partout au cours des 7 ou 8 dernières années. Davantage de structures sont nées, des systèmes plus intelligents ont été développés. Bien sûr, l'événement qui a enflammé le monde a été la victoire d'AlphaGo sur le maître Go Lee de Corée et le maître Ke de Chine avec des marges toujours croissantes. Et plus récemment, une nouvelle étude suggère qu’AlphaGo peut être entraîné à partir de zéro sans connaissance humaine.

Toutes ces avancées ont fait comprendre au monde que l’IA est actuellement une réalité. Nous avons eu quelque chose lors de la deuxième vague, les réseaux neuronaux et les méthodes statistiques étaient corrects, nous n'avions tout simplement pas assez de données, pas assez de puissance de calcul et pas assez de progrès dans la pile technologique à l'époque pour y parvenir. Mais maintenant nous l’avons fait.

L’IA peut-elle dominer l’humanité ?

L’IA décolle partout. De nombreuses nouvelles écoles de pensée ont émergé. Il y a un groupe de personnes qui commencent à réfléchir à notre question initiale : qui sommes-nous et pourquoi existons-nous ? Ces gens pensaient que, parce que l'IA a pu s'améliorer si rapidement au cours des deux ou trois dernières années, si nous exploitons cela dans d'autres domaines, nous aurons des machines super intelligentes qui pourront être insérées dans nos têtes et devenir des augmentations humaines. ou alors ils seront mauvais et régneront sur l’humanité.

Je veux juste interdire ce genre de réflexion. Ce n'est tout simplement pas exact. Peu importe à quel point l'IA est avancée aujourd'hui ou qu'elle semble faire des choses extraordinaires telles que vaincre des humains dans des jeux d'échecs, la reconnaissance vocale, la reconnaissance faciale, les véhicules autonomes, les robots industriels, l'IA sera toujours limitée des manières suivantes : L'IA (que nous appelons IA faible) est un appareil qui optimise en fonction de nombreuses données sur un domaine et qui apprend extrêmement bien à faire quelque chose. C'est un robot vertical monotâche, mais il ne peut faire qu'une seule chose. On ne peut pas lui apprendre beaucoup de choses. Vous ne pouvez pas lui enseigner de nombreux domaines. Vous ne pouvez pas lui apprendre à avoir du bon sens (bon sens, connaissances communes, expérience, comportement dont la plupart d’entre nous conviennent qu’il est bon ou mauvais). Vous ne pouvez pas lui donner de l'émotion. Il n’a aucune conscience de soi, donc il n’a aucun désir, ni même une compréhension de la manière d’aimer ou de dominer un être humain.

Tous ces discours négatifs sont idiots. C'est trop d'imagination. Nous voyons l’IA entrer dans de nouvelles applications dans des domaines à croissance rapide, mais c’est la croissance rapide des applications qui relèvent des technologies matures dont nous disposons. Cette croissance prendra fin lorsque toute la technologie sera développée. Nous devons ensuite attendre de nouvelles avancées pour faire progresser l’IA. Mais on ne peut pas prédire de nouveaux progrès.

Si vous regardez l’histoire de l’IA, ce type d’innovation en matière d’apprentissage profond ne s’est produit qu’une seule fois. Une seule fois depuis 1957, une fois tous les 60 ans, nous avons connu une avancée décisive. Vous ne pouvez pas prédire que nous allons réaliser une percée l’année prochaine, puis le mois suivant ou le lendemain. C'est trop rapide. L’utilisation d’applications n’a lieu que maintenant. C'est génial, mais l'idée d'inventions rapides est un concept idiot. À mon avis, ceux qui prétendent ainsi et ceux qui disent que l’unité est devant nous sont complètement déconnectés de la situation industrielle actuelle.

Aujourd’hui, il n’existe qu’une IA qui se concentre sur une chose à la fois, et c’est un excellent outil. C’est bon pour créer de la valeur. Cela remplacera de nombreux emplois humains et quelques autres emplois humains. C'est à cela que nous devrions penser, pas à une IA grande et puissante, une machine qui ressemble à un humain et peut penser dans de nombreux domaines, et qui a des perceptions communes comme les humains. Après tout, nous ne pouvons pas prédire cela sur la base des progrès actuels.

Cela pourrait-il arriver un jour, dans cent ou mille ans ? Je pense que tout peut arriver. Mais peut-être devrions-nous concentrer notre énergie sur les choses d’ici, aujourd’hui. Et ce qui existe maintenant, ce sont des super-machines optimisées qui peuvent faire mieux que les humains dans leur travail : sélection de titres, octroi de prêts, support client, télémarketing, travail à la chaîne de production, support juridique. L’IA peut faire ces choses mieux que les humains. Ils prennent le relais et libèrent notre temps libre, nous permettant de faire ce que nous aimons vraiment et ce que nous faisons de mieux. C'est l'opportunité d'une vie, et non la perspective effrayante de voir les ordinateurs devenir super intelligents.

D'après VnReview

En savoir 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