IA - partie 4 - Collaboration

/ by
Reading Time: 3 minutes

Dans l'avant-dernier chapitre de son blog en 5 parties sur l'intelligence artificielle, Richard Develyn, directeur technique de CloudTrade, souligne l'importance des applications hybrides de résolution de problèmes où l'intelligence humaine et les fonctionnalités de l'IA sont mélangées.

La « pureté » dans la recherche de l'intelligence artificielle peut être un peu une distraction. Je ne remets pas en cause le fait que, pour certaines personnes, une grande importance est attachée à ses dimensions éthiques, voire spirituelles. C'est juste que, lorsque l'on a fini de s'émouvoir à l'idée de prouver ou de réfuter l'intelligence d'une machine, cela nous permet de nous consacrer à la résolution de problèmes réels dont les solutions semblent nécessiter un traitement intelligent (quel qu'il soit), en utilisant les moyens les plus efficaces à notre disposition, qu'il s'agisse de notre intelligence, de celle d'un ordinateur, d'aucune des deux ou des deux.

La plupart des avancées réalisées dans le domaine de la résolution intelligente de problèmes proviennent d'une application de l'intelligence humaine et de l'intelligence artificielle travaillant ensemble. Malheureusement, les « puristes » de l'intelligence artificielle ont tendance à passer sous silence la contribution humaine lorsqu'ils font état de leurs résultats ou qu'ils font du prosélytisme sur leurs réalisations.

La reconnaissance faciale en est un bon exemple. Les ordinateurs sont aujourd'hui aussi performants que les humains pour reconnaître les visages, mais cela n'est pas seulement dû aux progrès de la technologie des réseaux neuronaux : le mérite en revient surtout à tous ces scientifiques et ingénieurs, dans le monde entier, qui continuent à améliorer et à affiner les algorithmes biométriques qui rendent cette technologie possible.

Le « truc » permettant de distinguer un visage d'un autre n'a pas été découvert par des réseaux neuronaux. C'est l'intelligence humaine qui l'a découvert. Les réseaux neuronaux résolvent le problème beaucoup plus simple de la recherche de corrélations entre un ensemble relativement restreint de mesures qui, selon les chercheurs humains, constituent la « signature » de votre visage. Sans cette signature, la reconnaissance faciale ne serait pas meilleure que la reconnaissance d'images, qui n'a rien d'aussi impressionnant.

(Mon conseil : n'allez jamais à un rendez-vous arrangé avec un réseau neuronal. S'il sait qui vous êtes, il peut vous repérer dans la foule, mais s'il doit vous reconnaître à l'œillet de votre revers ou au fait que vous portez un exemplaire du Monde, il est tout aussi susceptible de commencer à discuter avec un présentoir à journaux ou une plante en pot dans un coin).

Je soupçonne que la raison pour laquelle les humains sont si bons en reconnaissance faciale (c'est-à-dire que nous n'avons pas besoin de biométrie), ainsi qu'en reconnaissance d'images, est que (a) nos réseaux neuronaux sont au moins deux ordres de grandeur plus grands, (b) nous utilisons la réduction de la portée et le biais et (c) nous employons beaucoup de contexte de vision du monde lorsque nous essayons de comprendre qui est quelqu'un. Ces deux derniers points se manifestent dans nos propres faiblesses humaines : nous avons tendance à mieux reconnaître les personnes de notre propre culture, et parfois nous pouvons être trompés en pensant avoir vu quelqu'un qui s'avère être quelqu'un d'autre à cause, par exemple, des vêtements qu'il portait, de sa façon de marcher, de l'utilisation de certains gestes caractéristiques, ou même s'il était simplement présent à un moment et dans un lieu particuliers que nous lui associons toujours.

Le fait est que, lorsque nous reconnaissons des personnes, nous ne nous contentons pas de regarder leur visage. Il s'agit peut-être de l'une des déclarations les plus profondes que nous puissions faire sur la différence entre l'intelligence humaine et l'intelligence artificielle. Ce réseau organique de neurones que nous avons à l'intérieur de notre cerveau humain n'est pas seulement polyvalent, il résout constamment plusieurs problèmes simultanément, surtout s'ils sont liés, et alimente les résultats de l'un dans l'entrée d'un autre. Oh, et il se reprogramme en même temps. Nos réseaux neuronaux ne se contentent pas d'apprendre les « visages », ils « vivent » et, au cours de leur existence, ils captent non seulement les visages, mais aussi tout ce qui se passe autour d'eux.

Cette approche gestaltiste est ce qui rend notre intelligence si mystérieuse, si impossible à analyser, et si irreproductible. Cela explique sans doute aussi pourquoi j'ai commencé ce blog en essayant de m'éloigner des notions romantiques qui consistent à essayer de prouver ou de réfuter l'intelligence des machines, mais que j'ai fini par faire presque exactement cela - dans une perspective de réfutation !

Je ne peux pas imaginer que quiconque travaille sur la reconnaissance faciale biométrique ait la moindre idée de la façon dont son cerveau assimile le problème et le conduit ensuite à ses solutions. C'est du génie à l'œuvre. Les résultats de leur réflexion sont ensuite introduits dans un moteur d'intelligence artificielle, probablement basé sur une combinaison d'IA déterministe ou de style « raisonnement » et d'IA statistique ou de style « intuitif », afin de générer le produit final. Cette approche hybride montre la première des deux façons dont l'intelligence humaine et l'intelligence artificielle peuvent travailler ensemble, l'intelligence « humaine » étant dans ce cas un catalyseur de l'intelligence « artificielle ». Lorsque l'inverse se produit, on parle d'IA « collaborative », qui sera le sujet de mon prochain blog sur l'intelligence des machines.

Quoi qu'il en soit, l'astuce semble consister à faire travailler ensemble l'intelligence humaine et celle de la machine, plutôt que d'essayer de faire en sorte que la seconde prenne en charge tout le travail de la première. C'est ainsi que nous nous emparerons du monde de manière collaborative.