Gary Marcus, professeur de psychologie et de neurosciences à l’Université de New York estime que l’intelligence artificielle est dans une phase de stagnation et propose une solution permettant de faire évoluer la situation. Il expose ses réflexions allant à contre-courant des idées véhiculées par les médias dans un manifeste intitulé Artificial Intelligence Is Stuck. Here’s How to Move It Forward. ce billet, paru le 29 juillet dans le New York Times, fait un état des lieux des avancées de l’IA et de ses défis à venir.
Des découvertes relatives
Le domaine de l’IA est très en vogue. Cela implique que de nombreux acteurs essaient de se faire une place sur le marché. Les annonces de découvertes et/ou nouveaux produits se sont multipliées depuis quelques années. Mais pour Gary Marcus, la part réelle d’IA reste souvent très relative.
Les applications basées sur de l’intelligence artificielle arrivent sur le marché mais nous sommes encore loin des parfaits robots humanoïdes ou des véhicules autonomes à 100%.
“Bien que le domaine de l’IA exulte devant des micro-découvertes, les avancées vers la robustesse et la flexibilité de la cognition humaine restent hors de portée.”
Les techniques d’apprentissage en sont également encore à un stade de tâtonnements. À côté du machine learning, le deep learning est aujourd’hui le centre de toutes les attentions. Cependant, cette méthode ne permet pas encore de reconnaître parfaitement des images et beaucoup reste à faire dans le domaine.
Un nouveau paradigme
Chaque découverte est célébrée comme une avancée fondamentale. Cependant, pour Gary Marcus, le domaine est dans une phase de stagnation. L’intelligence artificielle se base en effet sur le fonctionnement humain, notamment au niveau des réseaux neuronaux. Pourtant, à l’heure actuelle la grande majorité de ce qui nous permet de structurer une pensée ou une réaction ne peut être pris en compte par l’ordinateur.
“Pour faire en sorte que les ordinateurs pensent comme des humains, nous avons besoin d’un nouveau paradigme d’IA, qui mettrait les connaissances «descendantes» et «ascendantes» sur un pied d’égalité.
La connaissance ascendante est le genre d’information brute que nous obtenons directement de nos sens, comme des motifs de lumière s’imprimant sur notre rétine. La connaissance descendante comprend des modèles cognitifs du monde et la manière dont ils fonctionnent.”
Il ne s’agit en effet pas seulement de faire en sorte que les ordinateurs puissent reconnaître un objet, une forme ou un animal. L’intelligence artificielle doit pouvoir être capable d’analyser la scène et comprendre clairement ce qu’il se passe. Les ordinateurs dotés de programmes intelligents tendent pour l’instant davantage à être des systèmes passifs. Ils peuvent détecter deux personnes en train de courir sur une photo, mais parviennent-ils à comprendre que l’un des protagonistes est en train de courir après l’autre ?
“L’intégration de ce type de connaissances pourrait être le prochain grand défi de l’IA, un prérequis à des projets plus importants, comme l’utilisation de l’IA dans la médecine de pointe ou la recherche scientifique.”
Si les solutions intelligentes dont nous disposons actuellement semblent novatrices, elles restent pourtant très limitées. Pour Gary Marcus cela vient également du fait de l’écosystème actuel du domaine.
La nécessité d’une collaboration internationale
Il distingue d’un côté les laboratoires universitaires, aux moyens et aux possibilités limités. Et de l’autre les laboratoires de grandes entreprises telles que Google ou Facebook, ayant les ressources nécessaires mais travaillant sur des problématiques restreintes à visée mercantiles, en se concentrant notamment sur l’optimisation des publicités.
Gary Marcus appelle à des changements dans le domaine de l’IA, autant au niveau des paradigmes que du fonctionnement des centres de recherches privés et publics. Selon lui, il faudrait davantage s’inspirer du CERN. Collaborer internationalement et financer les recherches est fondamental si l’on veut faire des découvertes majeures et avoir un impact positif sur le monde.
“Une mission d’IA internationale centrée sur le fait d’apprendre aux ordinateurs à lire pourrait véritablement améliorer le monde – qui plus est si cela fait de l’IA un bien commun, plutôt que la propriété de quelques privilégiés”.
Ce billet qui relativise les progrès de l’IA est très intéressant puisqu’il nous rappelle que beaucoup de travail reste à faire et nous propose une piste cohérente d’amélioration. Reste à savoir si les GAFA ont un réel intérêt à améliorer les performances de l’intelligence artificielle. La publication d’outils open source par des sociétés telles que Google risque de nous faire oublier par instants que ces sociétés ont avant tout des objectifs de retours sur investissement à court et moyen terme.
