IA : à tort ou à raison ?

ANN (réseaux de neurones artificiels) + Deep Learning = une intelligence artificielle qui se développerait par entrainement en ingurgitant des masses de datas. Mais peut-on, vraiment confondre énorme masse de données et intelligence ?

Sans entrainement, un ANN ne peut distinguer un chat d’un chien sur une photo. C’est parce qu’il aura analysé une masse de photos de chats et de chiens qu’il pourra faire cette distinction. Une masse. De données donc. Un entrainement qui lui permet à de reconnaître n’importe quoi sans pour autant être capable d’expliquer pourquoi ce choix plutôt qu’un autre. C’est l’effet boite noire de ce combo ANN + Deep Learning super puissant : si les données comme la conclusion sont connues, le process de décision de cette IA est totalement opaque. Avec un mantra de plus en plus contesté : « c’est la bonne réponse en moyenne ».

Donc, que feriez-vous si votre IA, après entrainement, ne distingue pas un chiot d’un chat ? La tentation serait de la bourrer de nouvelles données. Mais cela la rend-il plus intelligente pour autant ? Solignac fait un joli parallèle : « C’est comme si, pour apprendre à un enfant à lire, on se contentait de le laisser seul avec des centaines de livres. Et, si, face à l’échec, on décidait d’en rajouter quelques centaines supplémentaires ! »

En clair, ne confondez surtout pas énormes volumes de données et intelligence : les algorithmes les plus efficaces savent sélectionner la bonne info pour prendre une décision. À quand une IA qui ressemblera plus à un cerveau humain qu’a un super analyste statistique ? Certains l’ont prédite pour dans 20 à 30 ans, d’autres l’annoncent pour 2020 ……

En savoir plus :

« Pourquoi le machine learning n’aura jamais tort », février 2019, et « Il n’y a pas une once d’intelligence dans l’IA », (Usbeck & Rica, juin 2018.)