Pour bien saisir le potentiel et les limites de l’IA, il est essentiel de comprendre en quoi cette technologie diffère de la programmation classique.
Un programme consiste à donner à une machine une série d’instructions à exécuter pour réaliser une tâche voulue.
Par exemple nous ordonner à un robot d'avancer de dix mètres, de tourner à droite, de prendre un objet au milieu de la table, etc. Mais que se passe-t-il s’il y a un obstacle sur le chemin ou si l’objet n’est pas exactement au milieu de la table ? Le programmeur doit prévoir tous les cas de figures, car la machine ne sait pas improviser.
L’IA permet de s’affranchir un peu de cette limite en ne disant pas explicitement à la machine comment faire, mais en programmant une méthode pour s’adapter à la situation.
Il existe deux grands types de méthodes pour y parvenir :
les méthodes utilisant la logique formelle, qui donnent à la machine une capacité de raisonnement,
les méthodes utilisant les statistiques, qui donnent à la machine une capacité d’apprentissage.
Les applications de l’IA combinent souvent les deux approches : par exemple, l’analyse de texte s’appuie sur des moteurs de règles grammaticales (logique) et de l’apprentissage sur une très grande base de données de textes (statistique).
Reprenons le guidage de notre robot : avec une IA logique, on donne la position de la table, la position des obstacles, des règles logiques (« tu ne peux pas passer au travers d’un obstacle »), et la machine calcule le meilleur chemin sous ces contraintes. La machine peut ainsi s’adapter à la situation quel que soit le nombre d’obstacles. Cela étant, cette adaptabilité est limitée : s’il y a une flaque d’huile dans la pièce et que le programmeur ne l'a pas prévu, la machine ne saura pas gérer le patinage !
Avec l’IA statistique (ou "connexionniste"), on fournit à la machine un très grand nombre d’exemples, par exemple des photos de chats, et elle en extrait statistiquement des traits caractéristiques qu’elle peut utiliser comme filtre sur une image nouvelle pour identifier un chat. Cette technique fonctionne très bien lorsque la nouvelle image n’est pas très différente de celles qu’elle connaît déjà. Mais si un élément inconnu apparaît dans l’image, l’IA peut soudainement donner des résultats incohérents [1].
En conclusion, l’IA est une technique de programmation qui rend la machine légèrement plus robuste aux aléas des situations qu’elle rencontre, mais avec une tolérance limitée. Au final, la machine ne sait pas réagir face à une situation inconnue, car elle n’a pas le « bon sens commun » proprement humain.
Envie d'en apprendre plus sur l'intelligence artificielle ? Découvrez nos programmes.
Comments