Récemment, j’ai eu l’occasion de lire une BD dessinée en 2019, Intelligences Artificielles: Miroirs de nos vies, qui abordait par des concepts simples le fonctionnement d’une IA. Je l’ai emmené au bureau et depuis, la BD passe de bras en bras.
Suite à ce livre, j’ai eu l’idée de rédiger un article synthétique pour parler des différentes sortes d’IA qui existent.
Les IA faibles (ou étroites)
C’est indéniablement le type d’IA le plus courant aujourd’hui. Elle est conçue pour effectuer une tâche spécifique. Elle est souvent opposée au concept d’IA générale que nous verrons au prochain paragraphe.
Par exemple, un assistant vocal comme Siri ou Alexa est une IA faible car il est spécialisé dans la compréhension et la génération de la parole.
ChatGPT est aussi un exemple d’IA faible car elle est spécialisée dans le traitement du langage, n’a aucune intention propre, est limitée par ce qu’elle a appris et n’apprend pas en temps réel.
Même AlphaGo qui maitrise le jeu de Go sur le bout des ongles est une IA faible.
Les IA générales
C’est une forme d’IA qui aurait toutes les capacités cognitives d’un humain, c’est cette forme d’IA qui nous fait fantasmer, voire flipper.
Cela signifie qu’elle pourrait effectuer n’importe quelle tâche intellectuelle qu’un être humain peut faire. A ce stade, nous n’avons pas encore atteint ce niveau d’IA mais la science-fiction regorge d’exemples de ce type comme dans les livres d’Asimov ou encore Data dans Star-Trek.
Les IA superintelligentes
C’est une forme hypothétique d’IA qui surpasserait de loin l’intelligence humaine dans presque tous les domaines, des activités scientifiques à la vie quotidienne. Elle serait capable d’améliorer elle-même ses capacités de manière autonome. Pour y arriver, il faudrait déjà une IA générale qui soit capables de surpasser dans tous les domaines.
C’est ce que propose Skynet dans le film Terminator.
Les IA basées sur les règles
C’est une approche ancienne de l’IA où les machines sont programmées pour suivre des instructions et des règles spécifiques pour résoudre des problèmes, comme un système expert médical qui diagnostique des maladies. C’était relativement utilisé dans les années 80-90.
Le Machine Learning
Apprentissage automatique ou Machine Learning est une sous-catégorie de l’IA où les machines apprennent à partir de données. Au lieu d’être explicitement programmées, elles utilisent des données pour faire des prédictions ou prendre des décisions. Ce sont des IA très répandues de nos jours.
Les algorithmes de recommandation de Netflix ou Spotify qui suggèrent des films ou des chansons basés sur vos préférences passées sont des exemples de Machine Learning.
Le Deep Learning
C’est une sous-catégorie de l’apprentissage automatique basée sur des structures appelées réseaux de neurones. Ces structures sont inspirées du cerveau humain et sont particulièrement efficaces pour des tâches comme la reconnaissance d’images ou de la parole.
Quelques exemples:
- Google Photos identifiant et classant automatiquement les images en fonction des personnes ou des lieux,
- Nos téléphones portables qui utilisent la reconnaissance faciale.
Les IA réactives
Ce sont des machines qui ne stockent pas de mémoire de leurs expériences passées. Elles analysent les situations et réagissent en fonction de cela. Les jeux d’échecs informatiques, comme IBM’s Deep Blue, sont des exemples d’IA réactive ou encore les jeux vidéo où les adversaires IA réagissent aux actions du joueur en temps réel.
Les IA basées sur la mémoire
Contrairement à l’IA réactive, cette forme d’IA peut prendre des décisions en se basant sur des expériences passées grâce à une mémoire de ces expériences.
On les connait bien de nos jours, puisque les chatbots de service client sont des exemples de ce type d’IA : les chatbots peuvent se souvenir de vos interactions précédentes et y faire référence lors de conversations ultérieures.
Les IA théoriques ou symboliques
Cette approche est revenue « à la mode » récemment car elle semble très prometteuse et bien moins gourmande en énergie que les IA dites faibles. A voir ce que cela donnera.
Ce type d’IA repose sur la manipulation de symboles et de concepts pour résoudre des problèmes, plutôt que sur des données numériques.
On les utilise surtout dans les programmes de résolution de problèmes mathématiques qui manipulent des symboles et des équations pour trouver des solutions.
Les IA évolutionnaires
Elles utilisent des algorithmes inspirés de l’évolution biologique, comme la sélection naturelle, pour trouver des solutions à des problèmes.
On peut les retrouver par exemple pour obtenir, via des algorithmes qui « évoluent », la meilleure conception d’un objet, comme un composant de moteur d’avion.
Conclusion
Ces différentes types d’IA permettent de comprendre les possibilités qui s’offrent à nous. Certaines IA sont de l’ordre de l’expérimentation mais beaucoup sont déjà partout dans nos vies.
A nous d’en faire quelque chose, mais toujours de la bonne façon !
