De nombreuses « IA » sont des personnes qui restent derrière l'écran
« Arrêtez de tout appeler IA », dit Michael I. Jordan, un pionnier de l'apprentissage automatique,
qui explique pourquoi les systèmes d’IA actuels ne sont pas réellement intelligents
« Les gens s'embrouillent sur la signification de l'IA dans les discussions sur les tendances technologiques, à savoir qu'il y a une sorte de pensée intelligente dans les ordinateurs qui est responsable du progrès et qui est en concurrence avec les humains. Nous n'avons pas cela, mais les gens parlent comme si c'était le cas », dit Michael I. Jordan, un chercheur de premier plan dans le domaine de l'IA et de l'apprentissage automatique. Il note que l'imitation de la pensée humaine n'est pas le seul objectif de l'apprentissage automatique ni même le meilleur objectif. Au contraire, l'apprentissage automatique peut servir à accroître l'intelligence humaine, par l'analyse minutieuse de grands ensembles de données, de la même manière qu'un moteur de recherche accroît les connaissances humaines en organisant le Web. Les systèmes d'intelligence artificielle sont loin d'être assez avancés pour remplacer les humains dans de nombreuses tâches impliquant le raisonnement, la connaissance du monde réel et l'interaction sociale. Ils font preuve d'une compétence de niveau humain en matière de reconnaissance des formes de bas niveau, mais au niveau cognitif, ils se contentent d'imiter l'intelligence humaine, sans s'engager de manière profonde et créative, explique l'expert.
Michael I. Jordan est professeur au département d'ingénierie électrique et d'informatique, ainsi qu'au département de statistique de l'université de Californie à Berkeley. Ce membre de l’association professionnelle IEEE (Institute of Electrical and Electronics Engineers) est l'une des principales figures de proue de l'apprentissage automatique dans le monde. En 2016, il a été classé comme l'informaticien le plus influent par un programme d'analyse des publications de recherche.
Ces dernières années, il s'est donné pour mission d'aider les scientifiques, les ingénieurs et d'autres personnes à comprendre toute la portée de l'apprentissage automatique. Il dit croire que les développements de l'apprentissage automatique reflètent l'émergence d'un nouveau domaine de l'ingénierie. Il établit un parallèle avec l'émergence du génie chimique au début des années 1900, à partir de fondations en chimie et en mécanique des fluides et fait remarquer que l'apprentissage automatique s'appuie sur des décennies de progrès en informatique, en statistique et en théorie du contrôle. En outre, il s'agit du premier domaine de l'ingénierie qui soit centré sur l'humain, c'est-à-dire sur l'interface entre les personnes et la technologie.
« Les discussions de science-fiction sur l'IA et la super-intelligence sont certes amusantes, mais elles constituent une distraction. On ne s'est pas assez concentré sur le vrai problème, qui est de construire des systèmes basés sur l'apprentissage automatique à l'échelle planétaire qui fonctionnent réellement, apportent de la valeur aux humains et n'amplifient pas les inégalités », explique-t-il.
En tant qu'enfant des années 60, Jordan s'est intéressé aux perspectives philosophiques et culturelles du fonctionnement de l'esprit. Il a été incité à étudier la psychologie et les statistiques après avoir lu l'autobiographie du logicien britannique Bertrand Russell. Russell a exploré la pensée comme un processus mathématique logique. « En considérant la pensée comme un processus logique et en réalisant que les ordinateurs sont nés de la mise en œuvre logicielle et matérielle de la logique, j'ai vu un parallèle entre l'esprit et le cerveau. J'avais l'impression que la philosophie pouvait passer de vagues discussions sur l'esprit et le cerveau à quelque chose de plus concret, algorithmique et logique. Cela m'a attiré », explique Jordan. Il a étudié la psychologie à l'Université d'État de Louisiane, à Baton Rouge, où il a obtenu une licence dans cette matière en 1978. Il a obtenu une maîtrise en mathématiques en 1980 à l'Arizona State University, à Tempe et un doctorat en sciences cognitives en 1985 à l'Université de Californie, à San Diego.
Lorsqu'il est entré à l'université, le domaine de l'apprentissage automatique n'existait pas. Il commençait tout juste à émerger lorsqu'il a obtenu son diplôme. « Même si l'apprentissage automatique m'intriguait, je pensais déjà à l'époque que les principes plus profonds nécessaires à la compréhension de l'apprentissage se trouvaient dans les statistiques, la théorie de l'information et la théorie du contrôle et je ne me suis donc pas qualifié de chercheur en apprentissage automatique. Mais j'ai fini par embrasser l'apprentissage automatique parce qu'il y avait des gens intéressants dans ce domaine et que des travaux créatifs étaient réalisés », dit-il.
En 2003, il a développé avec ses étudiants l'allocation latente de Dirichlet, un cadre de travail probabiliste permettant d'apprendre la structure thématique de documents et d'autres collections de données de manière non supervisée. Cette technique permet à l'ordinateur, et non à l'utilisateur, de découvrir par lui-même des modèles et des informations à partir de documents. Il s'agit de l'une des méthodes de modélisation thématique les plus populaires, utilisée pour découvrir des thèmes cachés et classer les documents en catégories.
Des éclaircissements au sujet de l'IA
En 2019, Jordan a écrit "Artificial Intelligence-The Revolution Hasn't Happened Yet", publié dans la Harvard Data Science Review. Il explique dans cet article que le terme IA est mal compris non seulement par le public, mais aussi par les spécialistes des technologies. Dans les années 1950, lorsque le terme a été inventé, écrit-il, les gens aspiraient à construire des machines informatiques dotées d'une intelligence de niveau humain. Cette aspiration existe toujours, dit-il, mais ce qui s'est passé au cours des décennies écoulées est différent. Les ordinateurs ne sont pas devenus intelligents en soi, mais ils ont fourni des capacités qui augmentent l'intelligence humaine, écrit-il. De plus, ils ont excellé dans les capacités de reconnaissance des formes de bas niveau qui pourraient être réalisées en principe par des humains, mais à un coût élevé. Les systèmes basés sur l'apprentissage automatique sont capables de détecter la fraude dans les transactions financières à grande échelle, par exemple, catalysant ainsi le commerce électronique. Ils sont essentiels pour la modélisation et le contrôle des chaînes d'approvisionnement dans les secteurs de la fabrication et des soins de santé. Ils aident également les agents d'assurance, les médecins, les éducateurs et les cinéastes.
L'apprentissage automatique permet en effet d'agréger des informations provenant de plusieurs ensembles de données, d'explorer des modèles et de trouver de nouvelles solutions à des problèmes susceptibles de fournir des services inédits aux humains dans divers domaines.
Bien que ces développements soient qualifiés de « technologie de l'IA », écrit-il, les systèmes qui les composent n'impliquent pas de raisonnement ou de pensée de haut niveau. Les systèmes ne forment pas les types de représentations sémantiques et de déductions dont les humains sont capables. Ils ne formulent pas et ne poursuivent pas d'objectifs à long terme. « Dans un avenir prévisible, les ordinateurs ne seront pas en mesure d'égaler les humains dans leur capacité à raisonner de manière abstraite sur des situations du monde réel. Nous aurons besoin d'interactions bien pensées entre les humains et les ordinateurs pour résoudre nos problèmes les plus urgents. Nous devons comprendre que le comportement intelligent des systèmes à grande échelle découle autant des interactions entre les agents que de l'intelligence des agents individuels », écrit-il.
En outre, souligne-t-il, le bonheur de l'homme ne devrait pas être une réflexion après coup lors du développement de la technologie. « Nous avons une réelle opportunité de concevoir quelque chose d'historiquement nouveau : une discipline d'ingénierie centrée sur l'humain », écrit-il. Le point de vue de Jordan comprend une discussion revitalisée sur le rôle de l'ingénierie dans la politique publique et la recherche universitaire. Il fait remarquer que lorsque les gens parlent de sciences sociales, cela semble attrayant, mais que le terme d'ingénierie sociale ne l'est pas.
Je pense que nous avons laissé le terme « ingénierie se déprécier dans la sphère intellectuelle », déclare-t-il. Le terme « science » est utilisé à la place du terme « ingénierie » lorsque les gens souhaitent faire référence à une recherche visionnaire. « Je pense qu'il est important de rappeler que, malgré toutes les choses merveilleuses que la science a faites pour l'espèce humaine, c'est vraiment l'ingénierie (civile, électrique, chimique et autres domaines de l'ingénierie) qui a le plus directement et le plus profondément amélioré le bonheur humain », précise-t-il.
Enfin, Jordan a également parlé de son point de vue sur l'édition ouverte. Il estime que le modèle d'édition établi par les sociétés d'édition commerciales a échoué et qu'il entrave également la circulation de l'information. L'édition ouverte, quant à elle, favorise la circulation de l'information et accélère la diffusion et l'échange de connaissances.
Source : HDSR, Journal of Machine Learning Research
Et vous ?
Que pensez-vous des propos du professeur Michael Jordan ? Êtes-vous en accord avec ses différentes explications énoncées ?
Voir aussi :
Répondre avec citation
Envoyé par Nancy Rey
ni le tag 
Partager