Искусственный интеллект является источником многих недоразумений

Понимая все об искусственном интеллекте, эта технология является источником многих недоразумений.

Вездесущий в общественных дебатах с момента бурного развития генеративного искусственного интеллекта (ИИ), ИИ пробуждает фантазии многих комментаторов. Это не ново и не очень умно, но вызывает много вопросов. Пояснения.

Не проходит и дня без объявления об искусственном интеллекте (ИИ), будь то инвестиции интернет-гигантов, новые услуги, реальные или предполагаемые отклонения от этой технологии, которая утверждает себя как новое экономическое Эльдорадо и социальная революция. До такой степени, что некоторые экономисты задаются вопросом о возможности возникновения пузыря искусственного интеллекта, подобного пузырю Интернета в конце 1990-х годов.

Недавнее внедрение алгоритмов интеллектуального генерирования, таких как ChatGPT или Midjourney , существенно изменило взгляды широкой общественности на ИИ. Однако концепция машины, которая может имитировать мозг, почти так же стара, как компьютеры.

Что такое ИИ?

Это междисциплинарная научная область, находящаяся на стыке информатики, математики, когнитивной психологии и даже лингвистики. Он направлен на воспроизведение определенных человеческих навыков, таких как рассуждение, планирование или решение проблем, с использованием компьютерных алгоритмов.

Термин «искусственный интеллект» был введен в 1956 году в связи с работами французского философа-позитивиста Ипполита Тена. В 1870 году в книге « Об интеллекте» он сравнил человеческий интеллект с «машиной», механизм которой пионеры искусственного интеллекта надеялись смоделировать и воспроизвести.

Но это выражение всегда вызывало споры из-за его многозначности и фантазии о появлении искусственного сознательного разума. «Мы не должны говорить об интеллекте, потому что он запрограммирован », — говорит Карин Дешинкель, преподаватель информатики и исследователь в Университете Франш-Конте. Это алгоритм, почти как кулинарный рецепт, набор математических вычислений, который позволяет научить машину выполнять задачи, обычно выполняемые людьми. »

Почему сейчас он процветает?

Если надежда на моделирование человеческого интеллекта компьютерным способом родилась в 1950-х годах, безудержный оптимизм начинаний быстро столкнулся с мощью и ограниченной памятью первых компьютеров, а также с глубокими философскими разногласиями.

Признаком этого неравномерного пути является то, что американский экономист Герберт Саймон (1916-2001) предсказал, что машина победит людей в шахматы до 1967 года. , Deep Blue, обыгрывает всемирно известного гроссмейстера Гарри Каспарова. Даже тогда это была лишь ограниченная форма интеллекта. Deep Blue применил «грубую силу» — упрощенный процесс, состоящий в оценке всех возможных гипотез одну за другой.

Компьютерный прогресс, демократизация Интернета, развитие новых языков программирования и достижения в формальной математике, тем не менее, позволили дисциплине прогрессировать с течением времени, пока не произошел великий бум 2010-х годов. Это объясняют три сопутствующих фактора:

** Появление сверточных нейронных сетей (CNN) — типа искусственных нейронов, которые превосходно выявляют повторяющиеся закономерности в мультимедийных файлах (изображениях, музыке и т. д.), позволяя обнаруживать общие точки (например, форму хобота слонов). и классифицировать их. Это развитие машинного обучения, или «машинного обучения».

** Разработка видеокарт — высокоэффективного вычислительного компонента для анализа и классификации огромных текстовых и мультимедийных баз данных, на которых «тренируется» ИИ. Развитие искусственного интеллекта также является бизнесом для таких производителей, как Nvidia , стоимость которой на фондовом рынке сейчас оценивается в 2000 миллиардов долларов, что делает ее босса и основателя Дженсена Хуанга новым самым влиятельным боссом в сфере технологий.

** Рост «больших данных» или массивных данных: благодаря гигантским базам данных, которые теперь доступны в Интернете через поисковые системы, банки данных, подключенные объекты или даже платформы для совместной работы, можно обучать алгоритмы классификации на крупномасштабных выборках. Это глубокое обучение, обучение на огромном количестве примеров, часто аннотируемых людьми, чтобы «направлять» машину.

Эти три фактора позволили параллельно разрабатывать многочисленные решения искусственного интеллекта, некоторые из которых являются чисто профессиональными, а другие — общедоступными, которые служат демонстрацией этой дисциплины.