Parlons donc aujourd’hui de l’intelligence artificielle.

      C’est un processus d'imitation de l'intelligence humaine qui repose sur la création et l'application d'algorithmes exécutés dans un environnement informatique dynamique et qui a pour but d’arriver à ce que des ordinateurs pensent et agissent comme des êtres humains.
      L'intérêt est que les machines génèrent ou recueillent des quantités de données plus vite qu'il n'est humainement possible de les absorber, les comprendre .et de les interpréter pour prendre des décisions complexes. Elles peuvent donc faire, dans une durée raisonnable, ce que les hommes mettraient un temps prohibitif pour réaliser la même tâche.
     L’intelligence artificielle se propose donc d’apprendre à des ordinateurs à recueillir les données pertinentes et à les interpréter en vue d’une tâche donnée.
     Ses bases sont informatique (bases de données, logiciels…) et mathématique notamment statistiques et probabilités.
    Mais ce terme couvre des types très différents d’applications de complexités très variables et faisant appel à des processus très variés. Il faut donc les différencier et je vais essayer de le faire par référence à des applications pratiques.

Des automatismes qui en sont pas de l’IA :

      Par exemple les chaines impressionnantes de machines qui vont prendre les objets sur d’immenses étagères pour rassembler les éléments d’une commande, afin de l’emballer et l’expédier ou pour les utiliser sur une chaine de montage.
     C’est un simple logiciel informatique. La machine reçoit la liste à rassembler; elle trouve l’objet dans la base de données, son emplacement de stockage, trouve le chemin le plus rapide, y va et ramène l’objet. C’est l’application idiote de règles par l’ordinateur. Le travail intelligent a été fait par le programmeur et les personnes qui ont rentré les données.

     Le programme qui permet à Amazon de vous envoyez la commande que vous lui faite sur des hauts parleurs dans votre appartement n’est guère plus intelligent. L’ordinateur va chercher dans la base de données les renseignements sur l’objet commandé et les donne à une machine du type précédent. Son seul travail plus intelligent est de comprendre ce que vous avez dit.

     On a appris à l’ordinateur des mots et les sons correspondants. Mais votre voix n’est pas forcément identique à ce modèle. Alors on vous demande de dire quelques mots et la machine mesure les différences de fréquences entre votre voix et le modèle et donc les valeurs correspondantes à un petit logiciel interprète qui transformera, pour l’ordinateur, votre voix en des sons conformes au modèle de référence. Ce n’est que de la programmation relativement classique.

     Le seul problème est qu’il faut de gros moyens informatiques car les bases de données à traiter sont très importantes.

Des applications ou l’on utilise de l’IA dite « faible », c’est à dire peu sophistiquée.

     Il y a intelligence artificielle lorsque l’ordinateur ne se contente pas d’appliquer les ordres d’un programme mais lorsqu’il a pu apprendre peu à peu à faire une tâche donnée.
     Pour cela on va lui faire faire des millions d’essais et lui dire si c’est « mieux » ou « moins bon », exactement lorsque le cerveau du bébé apprend à guider ses mains pour saisir un objet. Il va ainsi améliorer son processus et faire la tâche correctement.
     En fait l’ordinateur écrit peu à peu lui même les meilleurs algorithmes d’un programme qui réalise cette tâche.
     L’une des difficultés importante est qu’il faut faire faire à l’ordinateur tellement d’essais que les bases de données et la puissance des ordinateurs ne sont pas suffisantes.
     Il existe donc de très nombreuses applications où la partie apprentissage est limitée et où des programmes classiques continuent à effectuer une partie des tâches. C’est ce que l’on appelle de « l’A faible ». En général il s’agit de réaliser des tâches intelligentes spécifiques, en se concentrant sur un problème précis. Mais la machine n’a ni vrai intelligence, ni une certaine conscience.
     Un exemple simpliste est dire si l’animal vu sur une photo est un chien ou un chat. On montre à l’ordinateur des milliers de photos de chien et de chats Il va alors noter toutes les caractéristiques qu’il voit de chaque type d’animal.
     On lui montre alors des photos et il doit dire si c’est un chien ou un chat et on mesure son efficacité. Si elle est insuffisante ou va lui montrer de nouveau des photos de chiens et de chats.
     Et cela jusqu’à ce qu’il atteigne statistiquement une efficacité satisfaisante.

      Deux exemples plus complexes sont la reconnaissance faciale (ou plus généralement la reconnaissance d’images) et le traitement du langage (et notamment la traduction automatique).
     En fait la machine utilise les mêmes critères qu’utilise un homme pour faire ce travail, par exemple dans la reconnaissance des visages mesurer un certain nombre de paramètres caractéristiques de la figure vue. L’homme qui ferait cela mettrait des années pour collecter les données et n’a pas une mémoire suffisante pour ce stockage. On apprend donc à la macuhine à le faire et elle va rapidement stocker des millions de données.
      Il faudra ensuite lui apprendre à traiter ces données par des algorithmes statistiques afin de réduire le temps de recherche pour trouver un visage dans la base de données.

      Apprendre à reconnaître le langage et en comprendre le sens est plus complexe et de même nature et c’est la base des systèmes de traduction automatiques nombreux que vous trouvez sur internet.
On donne à la machine un dictionnaire, les règles de grammaire et celles de syntaxe et elle va interpréter des millions de phrases et ainsi apprendre à reconnaitre si une phrase fait partie de la langue ou est sans signification. Les expérimentateurs vont vérifier régulièrement ses performances et corriger et compléter éventuellement les algorithmes d’apprentissage.
     Si elle reconnait ainsi deux langues, il faudra ensuite lui apprendre à faire correspondre les phrases de chaque langueen utilisant des algorithmes statistiques qui lui permette de trouver la meilleure traduction.
     La machine pourra ainsi faire des tâches simples, comme votre box ou votre téléviseur, qui reconnait votre voix et est capable d’obéir à vos ordres pour rechercher une chaine, un programme ou exécuter une action.

      Plus complexe est de comprendre vraiment le sens d’une phrase et d’y répondre de façon intelligente. Ce n’est pas trop complexe s’il s’agit de répondre dans un domaine étroit, spécifique.
C’est le cas de mon « assistant SIRI » dans mon Mac, qui sait répondre à des questions orales concernant l’usage de ma machine. Il a appris toutes les fonctions possibles et les ordres correspondants et comment les exécuter. Il sait même faire quelques recherches simples sur google ou pour trouver un itinéraire, un restaurant ou un horaire de transport, gérer vos rendez vous, assurer certains contacts…..
    Il y a même quelques questions drôles auxquelles il répond (avec de l’humour type USA !)
      Siri utilise les domaines de l'intelligence artificielle et du traitement du langage naturel, et est composé de trois éléments : une interface conversationnelle, la connaissance du contexte personnel et la délégation de services.
       L'interface conversationnelle concerne la manière dont Siri vous comprend en premier lieu. Le fonctionnement général de la reconnaissance vocale mot à mot doit être bon pour que Siri puisse entendre ce que vous dites, mais le déchiffrage du sens dépend des statistiques et de l'apprentissage automatique, et c'est là qu'intervient le système de connaissance du contexte personnel.
       Siri effectue un travail considérable qui lui permet de prédire où vous voulez en venir en se basant sur les mots clés que vous utilisez, ainsi que sur vos habitudes générales et vos choix linguistiques. Il est conçu pour s'adapter à vos préférences individuelles au fil du temps et personnaliser les résultats.
       Le système de délégation de service est l'accès illimité à toutes les applications intégrées de mon mac ou d’un iPhone et à leur fonctionnement interne. Sans cet accès, Siri serait un assistant plutôt médiocre.

       Pour l’article du premier avril, j’avais imaginé une petite souris intelligente sur mon Mac; ell existera sûrement un jour.

       Le système Alexa d’Amazon est du même type que Siri et est également limité à des tâches bien précises?

       Demain je parlerai d’applications plus complexes de l’intelligence artificielle que l’on appelera « l’IA forte »