Si le terme intelligence artificielle est né en 1950 dans un article publié par Alan Turing, son application n’aura jamais été aussi performante que depuis ces dernières années. Néanmoins, l’IA comme domaine scientifique existe depuis 1956 suite à la conférence tenue au Darmouth College, ce qui sonne le début de l’histoire de l’intelligence artificielle. Aujourd’hui, elle vient de pair avec d’autres termes comme algorithme, machine learning, réseau de neurones artificiels, deep learning … Voyons ensemble ce qui hiérarchise tout cela.

L’intelligence artificielle faible.

Par définition, l’IA faible est un programme qui n’est pas doté de sens et se concentre uniquement sur la tâche pour laquelle il a été programmé. On la met en opposition à l’IA forte, qui, elle, est dotée de conscience et donc d’une sensibilité particulière. Cependant, l’IA forte reste encore du domaine de la science-fiction. Toutes les intelligences artificielles que nous croisons dans la vraie vie sont faibles.

Dans leur état le plus basique, elles ne sont qu’un algorithme qui n’évolue pas, et qui ne se base pas sur une quantité de données. Ceci en opposition au machine learning ou au deep learning. Ensuite, l’exemple le plus sommaire, d’une IA, c’est le robot contre lequel vous jouez aux échecs, à Warcraft, ou qui anime vos parties de Theme Hospital.

Les réseaux de neurones artificiels : un fonctionnement calqué sur nos cerveaux

Si le terme « réseau de neurones » émerge depuis peu dans les médias, c’est qu’il était très difficile à mettre en place jusqu’à récemment. En effet, faire raisonner un programme comme raisonne le cerveau humain nécessite une puissance informatique impressionnante. C’est pour cette raison que les théories étaient fréquentes, mais aucune application ne voyait le jour. Pourtant cette approche est née avec les premières réflexions sur l’intelligence artificielle dans les années 1950.

Plus il y a de couches, plus c’est deep

Dès lors que l’on a compris l’intérêt de créer des structures complexes, avec plus de couches, et plus de données, bon nombre de projets ont vu le jour. Ils ont bien souvent été financés au sein des GAFAM, mais également dans des écoles, ou dans d’autres structures privées. Leurs applications sont nombreuses, mais les plus connus sont dédiés à l’imagerie médicale, le traitement du langage, la reconnaissance vocale, etc. On est loin du feu tricolore.


Repéré depuis https://siecledigital.fr/2019/01/30/differences-intelligence-artificielle-machine-learning-deep-learning/