Qu’est-ce que l’intelligence artificielle ? Histoire du développement et perspectives. Principales orientations de recherche. Alors, qu’est-ce que l’intelligence artificielle et pourquoi ne faut-il pas en avoir peur ?

Souligne : « Le problème est que jusqu’à présent, nous ne pouvons généralement pas déterminer quelles procédures informatiques nous voulons qualifier d’intelligentes. Nous comprenons certains mécanismes de l’intelligence et n’en comprenons pas d’autres. Par conséquent, l’intelligence au sein de cette science se réfère uniquement à la composante informatique de la capacité à atteindre des objectifs dans le monde. »

En même temps, il existe un point de vue selon lequel l'intelligence ne peut être qu'un phénomène biologique.

Comme le souligne le président de la branche de Saint-Pétersbourg de l'Association russe de l'intelligence artificielle, T. A. Gavrilova, dans langue anglaise phrase intelligence artificielle n'a pas cette coloration anthropomorphique un peu fantastique qu'elle a acquise dans la traduction russe plutôt infructueuse. Mot intelligence signifie « la capacité de raisonner rationnellement », et pas du tout « l'intelligence », pour laquelle il existe un analogue anglais intelligence .

Les participants de l'Association russe de l'intelligence artificielle donnent les définitions suivantes de l'intelligence artificielle :

L’une des définitions particulières de l’intelligence, commune à une personne et à une « machine », peut être formulée ainsi : « L’intelligence est la capacité d’un système à créer des programmes (principalement heuristiques) au cours de l’auto-apprentissage pour résoudre les problèmes d’une certaine classe. de complexité et résoudre ces problèmes.

L'électronique la plus simple est souvent appelée intelligence artificielle pour indiquer la présence de capteurs et la sélection automatique des modes de fonctionnement. Le mot artificiel dans ce cas signifie qu'il ne faut pas s'attendre à ce que le système soit capable de trouver un nouveau mode de fonctionnement dans une situation non prévue par les développeurs.

Conditions préalables au développement de la science de l’intelligence artificielle

L'histoire de l'intelligence artificielle en tant que nouvelle direction scientifique commence au milieu du 20e siècle. À cette époque, de nombreuses conditions préalables à son origine étaient déjà constituées : parmi les philosophes, il y avait depuis longtemps des débats sur la nature de l'homme et le processus de compréhension du monde, les neurophysiologistes et les psychologues avaient développé un certain nombre de théories sur le travail du cerveau humain. et en pensant, les économistes et les mathématiciens se sont posés des questions sur les calculs optimaux et la présentation des connaissances sur le monde sous une forme formalisée ; enfin, le fondement de la théorie mathématique des calculs – la théorie des algorithmes – est né et les premiers ordinateurs ont été créés.

Les capacités des nouvelles machines en termes de vitesse de calcul se sont avérées supérieures à celles des humains, alors la question s'est glissée dans la communauté scientifique : quelles sont les limites des capacités informatiques et les machines atteindront-elles le niveau de développement humain ? En 1950, l'un des pionniers dans le domaine la technologie informatique, le scientifique anglais Alan Turing, écrit un article intitulé « Une machine peut-elle penser ? , qui décrit une procédure par laquelle il sera possible de déterminer le moment où une machine devient l'égale d'une personne en termes d'intelligence, appelée test de Turing.

Histoire du développement de l'intelligence artificielle en URSS et en Russie

En URSS, les travaux dans le domaine de l’intelligence artificielle ont débuté dans les années 1960. Un certain nombre d’études pionnières ont été menées à l’Université de Moscou et à l’Académie des sciences, sous la direction de Veniamin Pouchkine et D. A. Pospelov.

En 1964, l'ouvrage du logicien de Leningrad Sergueï Maslov, « La méthode inverse pour établir la dérivabilité dans le calcul des prédicats classique », a été publié, dans lequel il a été le premier à proposer une méthode de recherche automatique de preuves de théorèmes dans le calcul des prédicats.

Jusque dans les années 1970, en URSS, toutes les recherches sur l’IA étaient menées dans le cadre de la cybernétique. Selon D. A. Pospelov, les sciences « informatique » et « cybernétique » étaient alors mélangées en raison d'un certain nombre de conflits académiques. Ce n'est qu'à la fin des années 1970 qu'en URSS, on a commencé à parler de direction scientifique " intelligence artificielle"en tant que section de l'informatique. Dans le même temps, l’informatique elle-même est née, subordonnant son ancêtre la « cybernétique ». À la fin des années 1970, un dictionnaire explicatif sur l'intelligence artificielle, ouvrage de référence en trois volumes sur l'intelligence artificielle et Dictionnaire encyclopédique en informatique, dans laquelle sont incluses les sections « Cybernétique » et « Intelligence artificielle », ainsi que d'autres sections, en informatique. Le terme « informatique » s'est répandu dans les années 1980 et le terme « cybernétique » a progressivement disparu de la circulation, ne restant que dans les noms des institutions apparues à l'époque du « boom cybernétique » de la fin des années 1950 et du début des années 1960. Cette vision de l’intelligence artificielle, de la cybernétique et de l’informatique n’est pas partagée par tout le monde. Cela est dû au fait qu'en Occident, les frontières de ces sciences sont quelque peu différentes.

Approches et orientations

Approches pour comprendre le problème

Il n’y a pas de réponse unique à la question de savoir ce que fait l’intelligence artificielle. Presque tous les auteurs qui écrivent un livre sur l’IA partent d’une certaine définition, en considérant les réalisations de cette science à la lumière de celle-ci.

• décroissant (anglais) IA descendante), sémiotique - la création de systèmes experts, de bases de connaissances et de systèmes d'inférence logique qui simulent des processus mentaux de haut niveau : pensée, raisonnement, parole, émotions, créativité, etc. ;
• ascendant (anglais) IA ascendante), biologique - l'étude des réseaux de neurones et des calculs évolutifs qui modélisent un comportement intelligent basé sur des éléments biologiques, ainsi que la création de systèmes informatiques correspondants, tels qu'un neuro-ordinateur ou un bio-ordinateur.

Cette dernière approche, à proprement parler, n'appartient pas à la science de l'IA au sens donné par John McCarthy : elles ne sont unies que par un objectif final commun.

Le test de Turing et l'approche intuitive

Un test empirique a été proposé par Alan Turing dans l'article " Machines informatiques et la raison" (anglais) Machines informatiques et intelligence ), publié en 1950 dans la revue philosophique " Esprit" Le but de ce test est de déterminer la possibilité d'une pensée artificielle proche de celle de l'humain.

L'interprétation standard de ce test est la suivante : " Une personne interagit avec un ordinateur et une personne. En fonction des réponses aux questions, il doit déterminer à qui il s'adresse : une personne ou un programme informatique. Le but d’un programme informatique est d’induire une personne en erreur et de lui faire faire le mauvais choix." Tous les participants au test ne peuvent pas se voir.

• L’approche la plus générale suppose que l’IA sera capable d’afficher un comportement semblable à celui d’un humain dans des situations normales. Cette idée est une généralisation de l'approche du test de Turing, selon laquelle une machine deviendra intelligente lorsqu'elle sera capable d'entretenir une conversation avec une personne ordinaire, et celle-ci ne sera pas capable de comprendre qu'elle parle à la machine (la la conversation s'effectue par correspondance).
• Les auteurs de science-fiction proposent souvent une autre approche : l’IA naîtra lorsqu’une machine sera capable de ressentir et de créer. Ainsi, le propriétaire d'Andrew Martin de "Bicentennial Man" commence à le traiter comme une personne lorsqu'il crée un jouet selon son propre design. Et Data de Star Trek, étant capable de communiquer et d'apprendre, rêve de gagner en émotions et en intuition.

Cependant, cette dernière approche ne résiste guère à la critique après un examen plus approfondi. Par exemple, il n'est pas difficile de créer un mécanisme qui évaluera certains paramètres de l'environnement externe ou interne et réagira à leurs valeurs défavorables. A propos d'un tel système on peut dire qu'il a des sentiments (« la douleur » est une réaction au déclenchement d'un capteur de choc, la « faim » est une réaction à une charge faible de la batterie, etc.). Et les clusters créés par les cartes Kohonen et de nombreux autres produits de systèmes « intelligents » peuvent être considérés comme une forme de créativité.

Approche symbolique

Historiquement, l'approche symbolique a été la première à l'ère des machines numériques, puisque c'est après la création de Lisp, le premier langage informatique symbolique, que son auteur a pris confiance dans la capacité de commencer pratiquement à mettre en œuvre ces moyens d'intelligence. L'approche symbolique permet d'opérer avec des représentations et leurs significations faiblement formalisées.

Le succès et l'efficacité de la résolution de nouveaux problèmes dépendent de la capacité à isoler uniquement les informations essentielles, ce qui nécessite de la flexibilité dans les méthodes d'abstraction. Alors qu'un programme standard définit sa propre façon d'interpréter les données, c'est pourquoi son travail semble biaisé et purement mécanique. Dans ce cas, le problème intellectuel est résolu uniquement par une personne, un analyste ou un programmeur, sans pouvoir le confier à une machine. En conséquence, un modèle d'abstraction unique, un système d'entités constructives et d'algorithmes, est créé. Et la flexibilité et la polyvalence entraînent une dépense importante de ressources pour des tâches atypiques, c'est-à-dire que le système passe de l'intelligence à la force brute.

La principale caractéristique de l’informatique symbolique est la création de nouvelles règles lors de l’exécution d’un programme. Alors que les capacités des systèmes non intelligents s’arrêtent juste avant la capacité d’identifier au moins les difficultés émergentes. De plus, ces difficultés ne sont pas résolues et, finalement, l’ordinateur n’améliore pas à lui seul ces capacités.

L’inconvénient de l’approche symbolique est que ces possibilités ouvertes sont perçues par des personnes non préparées comme un manque d’outils. Ce problème plutôt culturel est en partie résolu par la programmation logique.

Approche logique

Une approche logique de la création de systèmes d'intelligence artificielle vise à créer des systèmes experts avec des modèles logiques de bases de connaissances utilisant un langage de prédicats.

Le langage et le système de programmation logique Prolog ont été adoptés comme modèle de formation pour les systèmes d'intelligence artificielle dans les années 1980. Les bases de connaissances écrites dans le langage Prolog représentent des ensembles de faits et de règles d'inférence logique écrits dans le langage des prédicats logiques.

Le modèle logique des bases de connaissances permet d'enregistrer non seulement des informations et des données spécifiques sous forme de faits dans le langage Prolog, mais également des informations généralisées à l'aide de règles et procédures d'inférence logique, y compris des règles logiques pour définir des concepts qui expriment certaines connaissances comme spécifiques. et des informations généralisées.

De manière générale, la recherche sur les problèmes d'intelligence artificielle dans le cadre d'une approche logique de la conception de bases de connaissances et de systèmes experts vise la création, le développement et l'exploitation de systèmes d'information intelligents, incluant les questions d'enseignement aux étudiants et aux écoliers, ainsi que former les utilisateurs et les développeurs de tels systèmes d'information intelligents.

Approche basée sur les agents

La dernière approche, développée depuis le début des années 1990, s'appelle approche basée sur les agents, ou approche basée sur l’utilisation d’agents intelligents (rationnels). Selon cette approche, l’intelligence est la partie informatique (en gros, la planification) de la capacité à atteindre les objectifs fixés pour une machine intelligente. Une telle machine elle-même sera un agent intelligent, percevant le monde qui l'entoure à l'aide de capteurs et capable d'influencer les objets de l'environnement à l'aide d'actionneurs.

Cette approche se concentre sur les méthodes et algorithmes qui aideront l’agent intelligent à survivre dans l’environnement tout en accomplissant sa tâche. Ainsi, les algorithmes de recherche de chemin et de prise de décision sont étudiés ici avec beaucoup plus d’attention.

Approche hybride

Article principal : Approche hybride

Approche hybride suppose que seulement la combinaison synergique de modèles neuronaux et symboliques permet d'atteindre la gamme complète des capacités cognitives et informatiques. Par exemple, des règles d'inférence expertes peuvent être générées par des réseaux de neurones, et des règles génératives sont obtenues à l'aide d'un apprentissage statistique. Les partisans de cette approche estiment que l'hybride Systèmes d'information sera nettement plus puissant que la somme des différents concepts pris individuellement.

Modèles et méthodes de recherche

Modélisation symbolique des processus de pensée

Article principal : Raisonnement de modélisation

En analysant l’histoire de l’IA, nous pouvons identifier un domaine aussi vaste que raisonnement de modélisation. De longues années le développement de cette science s'est déroulé précisément dans cette voie, et c'est désormais l'un des domaines les plus développés de l'IA moderne. Le raisonnement de modélisation implique la création de systèmes symboliques dont l'entrée constitue un certain problème et dont la sortie nécessite sa solution. En règle générale, le problème proposé a déjà été formalisé, c'est-à-dire traduit sous forme mathématique, mais soit il n'a pas d'algorithme de solution, soit il est trop complexe, prend du temps, etc. Ce domaine comprend : la démonstration de théorèmes, la prise de décision et la théorie des jeux, planification et répartition , prévision .

Travailler avec les langues naturelles

Une direction importante est traitement du langage naturel, au sein duquel est réalisée l’analyse des capacités de compréhension, de traitement et de génération de textes en langage « humain ». Cette orientation vise à traiter le langage naturel de telle manière que l'on puisse acquérir des connaissances de manière indépendante en lisant un texte existant disponible sur Internet. Certaines applications directes du traitement du langage naturel incluent la récupération d’informations (y compris l’exploration approfondie de textes) et la traduction automatique.

Représentation et utilisation des connaissances

Direction ingénierie des connaissances combine les tâches d'acquisition de connaissances à partir d'informations simples, leur systématisation et leur utilisation. Cette direction est historiquement associée à la création systèmes experts- des programmes qui utilisent des bases de connaissances spécialisées pour obtenir des conclusions fiables sur n'importe quel problème.

Produire des connaissances à partir de données est l’un des problèmes fondamentaux du data mining. Il existe différentes approches pour résoudre ce problème, notamment celles basées sur la technologie des réseaux neuronaux, utilisant des procédures de verbalisation des réseaux neuronaux.

Apprentissage automatique

Problèmes apprentissage automatique concerne le processus indépendant acquisition de connaissances par un système intelligent au cours de son fonctionnement. Cette orientation a été centrale depuis le tout début du développement de l’IA. En 1956, lors de la conférence d'été de Dartmund, Ray Solomonoff a écrit un article sur une machine d'apprentissage probabiliste non supervisée, la qualifiant de « moteur d'inférence inductive ».

Robotique

Article principal : Robotique intelligente

Créativité des machines

Article principal : Créativité des machines

La nature de la créativité humaine est encore moins étudiée que celle de l’intelligence. Néanmoins, ce domaine existe, et les problèmes de l'écriture informatique de la musique, des œuvres littéraires (souvent de la poésie ou des contes de fées) et de la création artistique se posent ici. La création d’images réalistes est largement utilisée dans les industries du cinéma et des jeux vidéo.

L'étude des problèmes de créativité technique des systèmes d'intelligence artificielle se démarque à part. La théorie de la résolution de problèmes inventifs, proposée en 1946 par G. S. Altshuller, a marqué le début de ces recherches.

L’ajout de cette fonctionnalité à n’importe quel système intelligent vous permet de démontrer très clairement ce que le système perçoit exactement et comment il le comprend. En ajoutant du bruit au lieu d'informations manquantes ou en filtrant le bruit avec les connaissances disponibles dans le système, il produit des images concrètes à partir de connaissances abstraites qui sont facilement perçues par une personne, ce qui est particulièrement utile pour les connaissances intuitives et de faible valeur, dont la vérification dans un la forme formelle nécessite un effort mental important.

Autres domaines de recherche

Enfin, il existe de nombreuses applications de l’intelligence artificielle, dont chacune constitue une direction quasiment indépendante. Les exemples incluent l'intelligence de programmation dans les jeux informatiques, le contrôle non linéaire et les systèmes intelligents de sécurité de l'information.

On constate que de nombreux domaines de recherche se chevauchent. C'est typique de toute science. Mais dans le domaine de l’intelligence artificielle, la relation entre des domaines apparemment différents est particulièrement forte, ce qui est associé au débat philosophique sur l’IA forte et faible.

Intelligence artificielle moderne

Deux directions de développement de l’IA peuvent être distinguées :

• résoudre les problèmes liés au rapprochement des systèmes d'IA spécialisés des capacités humaines et à leur intégration, qui est réalisée par la nature humaine ( voir Amélioration du renseignement);
• la création de l'intelligence artificielle, représentant l'intégration de systèmes d'IA déjà créés en un système unique capable de résoudre les problèmes de l'humanité ( voir Intelligence artificielle forte et faible).

Mais en actuellement dans le domaine de l’intelligence artificielle, de nombreux domaines sont impliqués qui ont un lien pratique avec l’IA plutôt que fondamental. De nombreuses approches ont été testées, mais aucun groupe de recherche n’a encore abordé l’émergence de l’intelligence artificielle. Vous trouverez ci-dessous quelques-uns des développements les plus célèbres dans le domaine de l’IA.

Application

Tournoi RoboCup

Certains des systèmes d’IA les plus connus sont :

Les banques utilisent des systèmes d’intelligence artificielle (IA) dans les activités d’assurance (mathématiques actuarielles), lorsqu’elles jouent en bourse et dans la gestion immobilière. Les méthodes de reconnaissance de formes (y compris les réseaux neuronaux plus complexes et spécialisés) sont largement utilisées dans la reconnaissance optique et acoustique (y compris le texte et la parole), les diagnostics médicaux, les filtres anti-spam, dans les systèmes de défense aérienne (identification de cible), ainsi que pour assurer une nombre d'autres tâches liées à la sécurité nationale.

Psychologie et sciences cognitives

La méthodologie de modélisation cognitive est conçue pour analyser et prendre des décisions dans des situations mal définies. Cela a été proposé par Axelrod.

Elle s'appuie sur la modélisation des idées subjectives d'experts sur la situation et comprend : une méthodologie de structuration de la situation : un modèle de représentation des connaissances de l'expert sous la forme d'un digraphe signé (carte cognitive) (F, W), où F est l'ensemble des facteurs de la situation, W est l'ensemble des relations de cause à effet entre les facteurs de la situation ; méthodes d’analyse de situation. Actuellement, la méthodologie de modélisation cognitive évolue dans le sens de l'amélioration des appareils d'analyse et de modélisation de la situation. Des modèles de prévision de l'évolution de la situation sont proposés ici ; méthodes de résolution de problèmes inverses.

Philosophie

La science de la « création d’intelligence artificielle » ne pouvait qu’attirer l’attention des philosophes. Avec l’avènement des premiers systèmes intelligents, des questions fondamentales sur l’homme et la connaissance, et en partie sur l’ordre mondial, ont été soulevées.

Les problèmes philosophiques liés à la création de l’intelligence artificielle peuvent être divisés en deux groupes, relativement parlant, « avant et après le développement de l’IA ». Le premier groupe répond à la question : « Qu’est-ce que l’IA, est-il possible de la créer et, si possible, comment le faire ? Le deuxième groupe (éthique de l’intelligence artificielle) pose la question : « Quelles sont les conséquences de la création de l’IA pour l’humanité ?

Le terme « intelligence artificielle forte » a été introduit par John Searle, et l'approche est caractérisée par ses mots :

De plus, un tel programme ne serait pas simplement un modèle de l’esprit ; elle dans littéralement les mots eux-mêmes seront raison, au même sens que la raison humaine est raison.

En même temps, il est nécessaire de comprendre si un esprit « purement artificiel » (« méta-esprit ») est possible, comprenant et résolvant des problèmes réels et, en même temps, dépourvu d'émotions caractéristiques d'une personne et nécessaires à sa survie individuelle. .

En revanche, les partisans d’une IA faible préfèrent considérer les programmes uniquement comme des outils leur permettant de résoudre certains problèmes qui ne nécessitent pas l’ensemble des capacités cognitives humaines.

Éthique

la science-fiction

Le sujet de l’IA est abordé sous différents angles dans les travaux de Robert Heinlein : l'hypothèse de l'émergence de la conscience de soi de l'IA lorsque la structure devient plus complexe au-delà d'un certain niveau critique et qu'il y a interaction avec le monde extérieur et d'autres porteurs d'intelligence (« The Moon Is a Harsh Mistress », « Time Enough For Love », les personnages Mycroft, Dora et Aya dans le cycle « Histoire du futur »), les problèmes de développement de l'IA après une hypothétique conscience de soi et quelques questions sociales et éthiques (« Vendredi »). Les problèmes socio-psychologiques de l’interaction humaine avec l’IA sont également abordés dans le roman de Philip K. Dick « Les androïdes rêvent-ils de moutons électriques ? ", également connu pour l'adaptation cinématographique de Blade Runner.

Les œuvres de l'écrivain et philosophe de science-fiction Stanislaw Lem décrivent et anticipent largement la création de la réalité virtuelle, de l'intelligence artificielle, des nanorobots et de nombreux autres problèmes de la philosophie de l'intelligence artificielle. Il convient particulièrement de noter la futurologie de la Somme de la Technologie. Par ailleurs, dans les aventures d'Ijon le Tranquille, la relation entre les êtres vivants et les machines est décrite à plusieurs reprises : la rébellion de l'ordinateur de bord avec des événements inattendus qui s'ensuivent (11e voyage), l'adaptation des robots dans la société humaine (« The Washing Tragédie » de « Les Mémoires d'Ijon le Calme »), la création d'un ordre absolu sur la planète par le traitement des habitants vivants (24e voyage), les inventions de Corcoran et Diagoras (« Mémoires d'Iyon le Calme »), établissement psychiatrique résidentiel pour robots (« Mémoires d'Iyon le Calme »). De plus, il existe toute une série de romans et d'histoires Cyberiad, où presque tous les personnages sont des robots, qui sont de lointains descendants de robots qui ont échappé aux humains (ils appellent les gens pâles et les considèrent comme des créatures mythiques).

Films

Depuis presque les années 60, parallèlement à l’écriture d’histoires et de romans de science-fiction, des films sur l’intelligence artificielle ont été réalisés. De nombreuses histoires d'auteurs reconnus dans le monde entier sont filmées et deviennent des classiques du genre, d'autres deviennent une étape importante dans le développement du cinéma de science-fiction, par exemple The Terminator et The Matrix.

voir également

Remarques

1. FAQ de John McCarthy, 2007
2. M. André. Vrai vie et intelligence artificielle // « Artificial Intelligence News », RAAI, 2000
3. Gavrilova T. A. Khoroshevsky V. F. Bases de connaissances des systèmes intelligents : manuel pour les universités
4. Averkin A. N., Gaase-Rapoport M. G., Pospelov D. A. Dictionnaire explicatif sur l'intelligence artificielle. - M. : Radio et Communications, 1992. - 256 p.
5. G.S. Osipov. Intelligence artificielle : état des lieux de la recherche et regard vers l’avenir
6. Ilyasov F.N. Intelligence artificielle et naturelle // Actualités de l'Académie des sciences de la RSS turkmène, série des sciences sociales. 1986. N° 6. P. 46-54.
7. Alan Turing, Les machines peuvent-elles penser ?
8. Machines intelligentes de S. N. Korsakov
9. D.A. Pospelov. La formation de l'informatique en Russie
10. Sur l'histoire de la cybernétique en URSS. Essai un, essai deux
11. Jack Copeland. Qu’est-ce que l’intelligence artificielle ? 2000
12. Alan Turing, « Machines informatiques et intelligence », Mind, vol. LIX, non. 236, octobre 1950, p. 433-460.
13. Traitement du langage naturel :
14. Les applications de traitement du langage naturel incluent la récupération d'informations (y compris l'exploration de texte et la traduction automatique) :
15. Gorban P.A. Extraction de connaissances par réseau neuronal à partir de données et psychanalyse informatique
16. Apprentissage automatique :
17. Alan Turing a expliqué comment thème central déjà en 1950, dans son article classique Computing Machinery and Intelligence. ()
18. (copie numérisée au format PDF de l'original) (version publiée en 1957, An Inductive Inference Machine, "IRE Convention Record, Section on Information Theory, Part 2, pp. 56-62)
19. Robotique :
20. , p. 916-932
21. , p. 908-915
22. Blue Brain Project - Cerveau artificiel
23. Watson aux manières douces met ses adversaires humains en danger
24. 20Q.net inc.
25. Axelrod R. La structure de la décision : cartes cognitives des élites politiques. -Princeton. Presse universitaire, 1976
26. John Searle. L'esprit du cerveau est-il un programme informatique ?
27. Penrose R. Le nouvel esprit du roi. À propos des ordinateurs, de la pensée et des lois de la physique. - M. : URSS, 2005. - ISBN 5-354-00993-6
28. L’IA comme facteur de risque mondial
29. ... vous mènera à la vie éternelle
30. http://www.rc.edu.ru/rc/s8/intellect/rc_intellect_zaharov_2009.pdf Vue orthodoxe sur le problème de l'intelligence artificielle
31. Harry Harrison. Choix de Turing. - M. : Eksmo-Press, 1999. - 480 p. -ISBN5-04-002906-3

Littérature

• L'ordinateur apprend et raisonne (partie 1) // L'ordinateur gagne en intelligence = Intelligence Artificielle Images Informatiques / éd. V.L. Stefanyuk. - Moscou : Mir, 1990. - 240 p. - 100 000 exemplaires. - ISBN 5-03-001277-X (russe) ; ISBN705409155 (anglais)
• Deviatkov V.V. Systèmes d'intelligence artificielle / Ch. éd. I.B. Fedorov. - M. : Maison d'édition MSTU im. N.E. Bauman, 2001. - 352 p. - (Informatique en Université technique). - 3000 exemplaires. -ISBN5-7038-1727-7

• Korsakov S.N. Esquisser une nouvelle façon de rechercher à l'aide de machines qui comparent des idées / Ed. COMME. Mikhaïlova. - M. : MEPhI, 2009. - 44 p. - 200 exemplaires. -

Intelligence artificielle (AI, anglais : Intelligence artificielle, IA) - la science et la technologie de création de machines intelligentes, en particulier de programmes informatiques intelligents. L’IA est liée à la tâche similaire consistant à utiliser des ordinateurs pour comprendre l’intelligence humaine, mais ne se limite pas nécessairement à des méthodes biologiquement plausibles.

Qu'est-ce que l'intelligence artificielle

Intelligence(du lat. intellectus - sensation, perception, compréhension, compréhension, concept, raison), ou esprit - une qualité du psychisme consistant en la capacité de s'adapter à de nouvelles situations, la capacité d'apprendre et de se souvenir sur la base de l'expérience, de comprendre et d'appliquer concepts abstraits et utiliser ses connaissances pour la gestion environnement. L'intelligence est la capacité générale de cognition et de résolution de problèmes qui unit tout capacités cognitives humain : sensation, perception, mémoire, représentation, pensée, imagination.

Au début des années 1980. les informaticiens Barr et Feigenbaum ont proposé définition suivante intelligence artificielle (IA) :

Plus tard, un certain nombre d'algorithmes et de systèmes logiciels ont commencé à être classés comme IA, dont la propriété distinctive est qu'ils peuvent résoudre certains problèmes de la même manière que le ferait une personne réfléchissant à sa solution.

Les principales propriétés de l’IA sont la compréhension du langage, l’apprentissage et la capacité de penser et, surtout, d’agir.

L'IA est un complexe de technologies et de processus connexes qui se développent qualitativement et rapidement, par exemple :

• traitement de texte en langage naturel
• systèmes experts
• agents virtuels (chatbots et assistants virtuels)
• systèmes de recommandation.

Orientations technologiques de l'IA. Données Deloitte

Recherche sur l'IA

• Article principal : Recherche sur l'intelligence artificielle

Standardisation en IA

2018 : Élaboration de standards dans le domaine des communications quantiques, de l'IA et de la ville intelligente

Le 6 décembre 2018, le comité technique « Systèmes cyber-physiques » basé sur RVC, en collaboration avec le Centre régional d'ingénierie « SafeNet », a commencé à développer un ensemble de normes pour les marchés de l'Initiative technologique nationale (NTI) et de l'économie numérique. D'ici mars 2019, il est prévu d'élaborer des documents de normalisation technique dans le domaine des communications quantiques, a rapporté RVC. En savoir plus.

Impact de l'intelligence artificielle

Risque pour le développement de la civilisation humaine

Impact sur l'économie et les entreprises

• L’impact des technologies d’intelligence artificielle sur l’économie et les entreprises

Impact sur le marché du travail

Biais de l’intelligence artificielle

Au cœur de tout ce qui constitue la pratique de l’IA (traduction automatique, reconnaissance vocale, traitement du langage naturel, vision par ordinateur, conduite automatisée et bien plus encore) se trouve l’apprentissage profond. Il s’agit d’un sous-ensemble de l’apprentissage automatique, caractérisé par l’utilisation de modèles de réseaux neuronaux, dont on peut dire qu’ils imitent le fonctionnement du cerveau, il serait donc exagéré de les classer dans la catégorie de l’IA. Tout modèle de réseau neuronal est formé sur de grands ensembles de données, il acquiert donc certaines « compétences », mais la manière dont il les utilise reste floue pour ses créateurs, ce qui devient finalement l'un des problèmes les plus importants pour de nombreuses applications d'apprentissage profond. La raison en est qu’un tel modèle fonctionne avec des images de manière formelle, sans aucune compréhension de ce qu’il fait. Un tel système est-il IA et peut-on faire confiance aux systèmes construits sur l’apprentissage automatique ? La valeur de la réponse à dernière question va au-delà des laboratoires scientifiques. Par conséquent, l’attention des médias sur le phénomène appelé biais de l’IA s’est sensiblement intensifiée. Il peut être traduit par « biais IA » ou « biais IA ». En savoir plus.

Marché des technologies d’intelligence artificielle

Le marché de l'IA en Russie

Marché mondial de l'IA

Domaines d'application de l'IA

Les domaines d'application de l'IA sont assez larges et couvrent à la fois des technologies familières et de nouveaux domaines émergents qui sont loin d'être une application de masse, autrement dit, il s'agit de toute la gamme de solutions, des aspirateurs aux stations spatiales. Vous pouvez diviser toute leur diversité selon le critère des points clés de développement.

L’IA n’est pas un domaine monolithique. En outre, certains domaines technologiques de l’IA apparaissent comme de nouveaux sous-secteurs de l’économie et des entités distinctes, tout en servant simultanément la plupart des domaines de l’économie.

Principales applications commerciales des technologies d'intelligence artificielle

Le développement de l’usage de l’IA conduit à l’adaptation des technologies dans les secteurs classiques de l’économie tout au long de la chaîne de valeur et à les transformer, conduisant à l’algorithmisation de presque toutes les fonctionnalités, de la logistique à la gestion d’entreprise.

Utiliser l'IA pour la défense et les affaires militaires

Utilisation dans l'éducation

Utiliser l'IA en entreprise

L'IA dans l'industrie de l'énergie électrique

• Au niveau de la conception : amélioration de la prévision de la production et de la demande de ressources énergétiques, évaluation de la fiabilité des équipements de production d'électricité, automatisation de l'augmentation de la production lorsque la demande augmente.
• Au niveau de la production : optimisation de la maintenance préventive des équipements, augmentation de l'efficacité de la production, réduction des pertes, prévention du vol des ressources énergétiques.
• Au niveau des promotions : optimisation de la tarification en fonction du moment de la journée et facturation dynamique.
• Au niveau de la prestation de service : sélection automatique du fournisseur le plus rentable, statistiques de consommation détaillées, service client automatisé, optimisation de la consommation énergétique prenant en compte les habitudes et le comportement du client.

L'IA dans l'industrie manufacturière

• Au niveau de la conception : augmentation de l'efficacité du développement de nouveaux produits, évaluation automatisée des fournisseurs et analyse des besoins en pièces de rechange.
• Au niveau de la production : améliorer le processus de réalisation des tâches, automatiser les chaînes de montage, réduire le nombre d'erreurs, réduire les délais de livraison des matières premières.
• Au niveau des promotions : prévision du volume des prestations de support et de maintenance, gestion des tarifs.
• Au niveau de la prestation de services : améliorer la planification des itinéraires de la flotte Véhicule, demande de ressources de flotte, amélioration de la qualité de la formation des ingénieurs de service.

L'IA dans les banques

• Reconnaissance de formes - utilisé incl. reconnaître les clients en agence et leur proposer des offres spécialisées.

Principaux domaines commerciaux d'application des technologies d'intelligence artificielle dans les banques

L'IA dans les transports

• L'industrie automobile est à l'aube d'une révolution : 5 défis de l'ère de la conduite sans pilote

L'IA en logistique

L'IA dans le brassage

Utilisation de l'IA dans l'administration publique

L'IA en médecine légale

• Reconnaissance de formes - utilisé incl. pour identifier les criminels dans l’espace public.

• En mai 2018, il a été révélé que la police néerlandaise utilisait l’intelligence artificielle pour enquêter sur des crimes complexes.

Les forces de l'ordre ont commencé à numériser plus de 1 500 rapports et 30 millions de pages liées à des affaires non résolues, rapporte The Next Web. Les documents datant de 1988, dans lesquels le crime n'a pas été résolu pendant au moins trois ans et où le délinquant a été condamné à plus de 12 ans de prison, sont transférés sous format informatique.

Résolvez un crime complexe en une journée. La police adopte l'IA

Une fois tout le contenu numérisé, il sera connecté à un système d’apprentissage automatique qui analysera les dossiers et décidera quelles affaires utilisent les preuves les plus fiables. Cela devrait réduire le temps nécessaire au traitement des dossiers et à la résolution des crimes passés et futurs de plusieurs semaines à un jour.

L’intelligence artificielle catégorisera les cas en fonction de leur « solvabilité » et indiquera les résultats possibles des tests ADN. Le plan est ensuite d’automatiser l’analyse dans d’autres domaines de la médecine légale, et peut-être même de l’étendre à des domaines tels que les sciences sociales et les témoignages.

De plus, comme l'a déclaré l'un des développeurs du système, Jeroen Hammer, des fonctions API pour les partenaires pourraient être publiées à l'avenir.

La police néerlandaise dispose d'une unité spéciale spécialisée dans le développement de nouvelles technologies pour résoudre les crimes. C'est lui qui a créé le système d'IA permettant de rechercher rapidement des criminels sur la base de preuves.

L'IA dans le système judiciaire

Les développements dans le domaine de l’intelligence artificielle contribueront à changer radicalement le système judiciaire, en le rendant plus équitable et exempt de stratagèmes de corruption. Cette opinion a été exprimée à l'été 2017 par Vladimir Krylov, docteur en sciences techniques, consultant technique chez Artezio.

Le scientifique estime que les solutions existantes dans le domaine de l'IA peuvent être appliquées avec succès dans différentes régions l'économie et vie publique. L’expert souligne que l’IA est utilisée avec succès en médecine, mais qu’à l’avenir, elle pourrait complètement changer le système judiciaire.

« En regardant chaque jour les informations sur les développements dans le domaine de l’IA, on est tout simplement étonné de l’imagination inépuisable et de la fécondité des chercheurs et des développeurs dans ce domaine. Messages sur recherche scientifique sont constamment entrecoupés de publications sur les nouveaux produits arrivant sur le marché et de rapports sur les résultats étonnants obtenus grâce à l'utilisation de l'IA dans divers domaines. Si nous parlons d’événements attendus, accompagnés d’un battage médiatique notable, dans lesquels l’IA redeviendra le héros de l’actualité, alors je ne risquerai probablement pas de faire des prévisions technologiques. J’imagine que le prochain événement sera l’émergence quelque part d’un tribunal extrêmement compétent sous forme d’intelligence artificielle, juste et incorruptible. Cela se produira apparemment en 2020-2025. Et les processus qui se dérouleront dans ce tribunal susciteront des réflexions inattendues et le désir de nombreuses personnes de transférer à l’IA la plupart des processus de gestion de la société humaine.

Le scientifique reconnaît l’utilisation de l’intelligence artificielle dans le système judiciaire comme une « étape logique » pour développer l’égalité et la justice législatives. L'intelligence artificielle n'est pas sujette à la corruption et aux émotions, peut adhérer strictement au cadre législatif et prendre des décisions en tenant compte de nombreux facteurs, notamment des données qui caractérisent les parties en conflit. Par analogie avec le domaine médical, les juges robots peuvent opérer avec des mégadonnées provenant d'installations de stockage. services publics. On peut supposer que l’intelligence artificielle sera capable de traiter rapidement les données et de prendre en compte beaucoup plus de facteurs qu’un juge humain.

Les psychologues experts estiment cependant que l'absence de composante émotionnelle lors de l'examen des affaires judiciaires affectera négativement la qualité de la décision. Le verdict d’un tribunal machine est peut-être trop simple et ne tient pas compte de l’importance des sentiments et de l’humeur des gens.

Peinture

En 2015, l’équipe de Google a testé les réseaux de neurones pour voir s’ils pouvaient créer eux-mêmes des images. Ensuite, l’intelligence artificielle a été entraînée à l’aide d’un grand nombre d’images différentes. Cependant, lorsqu’on a « demandé » à la machine de représenter quelque chose par elle-même, il s’est avéré qu’elle interprétait le monde qui nous entoure d’une manière quelque peu étrange. Par exemple, pour dessiner des haltères, les développeurs ont reçu une image dans laquelle le métal était connecté. par des mains humaines. Cela est probablement dû au fait qu'au stade de l'entraînement, les images analysées avec des haltères contenaient des mains, ce que le réseau neuronal a mal interprété.

Le 26 février 2016, lors d'une vente aux enchères spéciale à San Francisco, les représentants de Google ont récolté environ 98 000 $ grâce à des peintures psychédéliques créées par l'intelligence artificielle. Ces fonds ont été reversés à des œuvres caritatives. L'une des photos les plus réussies de la voiture est présentée ci-dessous.

Un tableau peint par l'intelligence artificielle de Google.

La méthode la plus connue pour déterminer si une machine est intelligente est le test de Turing, proposé en 1950 par le mathématicien Alan Turing. Pendant le test, une personne parle à un ordinateur et doit déterminer qui mène la conversation : une machine ou une personne. Si une machine peut imiter une conversation, c’est qu’elle est intelligente. Aujourd'hui, le test de Turing existe déjà : l'été dernier, le chatbot Eugene Goostman l'a réussi, et le test est constamment critiqué. Look At Me a rassemblé huit autres moyens de déterminer si une machine est intelligente.

Test Lovelace 2.0

Ce test porte le nom d'Ada Lovelace, une mathématicienne du XIXe siècle considérée comme la première programmeuse informatique de l'histoire. Il est conçu pour déterminer la présence d’intelligence dans une machine grâce à sa capacité à être créative. Le test a été proposé à l'origine en 2001 : la machine devait alors créer une œuvre d'art que le concepteur de la machine accepterait comme créée par une personne. Puisqu’il n’existe pas de critères de réussite clairs, le test est trop imprécis.

L'année dernière, le professeur Mark Reidel de Georgia Tech a mis à jour le test pour le rendre moins subjectif. Maintenant la machine doit créer une œuvre dans un certain genre et dans certains cadre créatif, donné par un juge humain. En termes simples, il doit s’agir d’une œuvre d’art dans un style spécifique. Par exemple, un juge pourrait demander à une machine de peindre un tableau maniériste dans l'esprit de Parmigianino ou d'écrire une pièce de jazz dans l'esprit de Miles Davis. Contrairement au test original, les machines fonctionnent dans des limites spécifiées et les juges peuvent donc évaluer le résultat de manière plus objective.

Test Ikea

On montre à la machine une image et on lui demande, par exemple, où se trouve la tasse dessus - et on lui propose plusieurs options de réponse. Toutes les options de réponse sont correctes (sur la table, sur le tapis, devant la chaise, à gauche de la lampe) mais certains peuvent être plus humains que d'autres (disons que parmi tout ce qui précède, une personne est plus susceptible de répondre « sur la table »). Cela semble être une tâche simple, mais en réalité, la capacité de décrire où se trouve un objet par rapport à d’autres objets est un élément essentiel de l’esprit humain. De nombreuses nuances et jugements subjectifs entrent ici en jeu, depuis la taille des objets jusqu'à leur rôle dans une situation particulière - en bref, le contexte. Les gens le font de manière intuitive, mais les machines rencontrent des problèmes.

Schémas Winograd

Les chatbots qui réussissent le test de Turing sont capables de tromper les juges en leur faisant croire qu'ils sont humains. Selon Hector Lévesque, professeur d'informatique à l'Université de Toronto, un tel test ne fait que montrer à quel point il est facile de tromper une personne, notamment par de courts messages texte. Mais il est impossible de déterminer à partir du test de Turing si une machine possède une intelligence ou même une compréhension du langage.

L’intelligence artificielle peut être définie comme une discipline scientifique qui s’occupe de modéliser un comportement intelligent. Cette définition présente un inconvénient majeur : le concept d'intelligence est difficile à expliquer. La plupart des gens sont convaincus qu’ils peuvent reconnaître un « comportement raisonnable » lorsqu’ils en sont confrontés. Cependant, il est peu probable que quiconque soit capable de définir une intelligence suffisamment spécifique pour évaluer un programme informatique supposément intelligent, tout en reflétant la vitalité et la complexité de l’esprit humain.

Ainsi, le problème de la définition de l'intelligence artificielle se résume au problème de la définition de l'intelligence en général : est-ce quelque chose d'unifié, ou ce terme fédère-t-il un ensemble de capacités disparates ? Dans quelle mesure l’intelligence peut-elle être créée ? Qu'est-ce que la créativité ? Qu’est-ce que l’intuition ? Est-il possible de juger de la présence de l’intelligence uniquement par le comportement observé ? Comment la connaissance est-elle représentée dans les tissus neuronaux des êtres vivants, et comment peut-elle être appliquée dans la conception d’appareils intelligents ? Est-il même possible d'atteindre l'intelligence grâce à équipement informatique, ou l'essence de l'intelligence nécessite-t-elle une richesse de sentiments et d'expériences inhérente uniquement aux êtres biologiques ?

Ces questions n’ont pas encore trouvé de réponse, mais elles ont toutes contribué à façonner les tâches et la méthodologie qui constituent la base de l’intelligence artificielle moderne. L’intérêt de l’intelligence artificielle réside en partie dans le fait qu’elle constitue une arme originale et puissante pour explorer ces problèmes. L'intelligence artificielle fournit un moyen et un modèle de test pour les théories de l'intelligence : ces théories peuvent être formulées en langage informatique puis testées.

Pour ces raisons, la définition de l’intelligence artificielle donnée au début de l’article ne fournit pas une caractéristique univoque pour ce domaine scientifique. Cela ne fait que soulever de nouvelles questions et ouvrir des paradoxes dans un domaine où l'une des tâches principales est la recherche de l'autodétermination. Cependant, le problème de recherche définition précise l’intelligence artificielle est tout à fait compréhensible. L'étude de l'intelligence artificielle est encore une discipline jeune et sa structure, son éventail de questions et ses méthodes ne sont pas aussi clairement définies que dans des sciences plus matures, par exemple la physique.

L’intelligence artificielle vise à étendre les capacités de l’informatique, et non à définir ses limites. L’un des défis importants auxquels sont confrontés les chercheurs consiste à soutenir ces efforts par des principes théoriques clairs.

Toute science, y compris l'intelligence artificielle, considère un certain nombre de problèmes et développe des approches pour les résoudre. L’histoire de l’intelligence artificielle, les histoires des individus et leurs hypothèses qui sous-tendent cette science, pourraient expliquer pourquoi certains problèmes en sont venus à dominer le domaine et pourquoi les méthodes utilisées aujourd’hui ont été adoptées pour les résoudre.

Intelligence artificielle

L'intelligence artificielle est une branche de l'informatique qui étudie la possibilité de fournir un raisonnement et une action intelligents à l'aide de systèmes informatiques et d'autres dispositifs artificiels. Dans la plupart des cas, l’algorithme permettant de résoudre le problème est inconnu à l’avance.

Il n'existe pas de définition exacte de cette science, puisque la question de la nature et du statut de l'intelligence humaine n'a pas été résolue en philosophie. Il n’existe pas non plus de critère précis permettant aux ordinateurs d’atteindre « l’intelligence », bien qu’à l’aube de l’intelligence artificielle un certain nombre d’hypothèses aient été proposées, par exemple le test de Turing ou l’hypothèse de Newell-Simon. À l'heure actuelle, il existe de nombreuses approches pour comprendre le problème de l'IA et créer des systèmes intelligents.

Ainsi, l'une des classifications identifie deux approches du développement de l'IA :

descendant, sémiotique - la création de systèmes symboliques qui modélisent des processus mentaux de haut niveau : pensée, raisonnement, parole, émotions, créativité, etc. ;

ascendant, biologique - l'étude des réseaux neuronaux et des calculs évolutifs qui modélisent un comportement intelligent basé sur des éléments « non intelligents » plus petits.

Cette science est liée à la psychologie, à la neurophysiologie, au transhumanisme et autres. Comme toutes les sciences informatiques, elle utilise les mathématiques. La philosophie et la robotique lui tiennent particulièrement à cœur.

L’intelligence artificielle est un domaine de recherche très jeune, lancé en 1956. Son parcours historique ressemble à une sinusoïde dont chaque « décollage » a été initié par une idée nouvelle. À l'heure actuelle, son développement est en déclin, laissant la place à l'application des résultats déjà obtenus dans d'autres domaines de la science, de l'industrie, des affaires et même de la vie quotidienne.

Approches d'étude

Il existe différentes approches pour créer des systèmes d’IA. Il existe actuellement 4 approches assez différentes :

1. Approche logique. La base de l’approche logique est l’algèbre booléenne. Chaque programmeur le connaît ainsi que les opérateurs logiques depuis qu'il maîtrise l'opérateur IF. L'algèbre booléenne a reçu son développement ultérieur sous la forme du calcul des prédicats - dans lequel elle a été élargie en introduisant des symboles sujets, des relations entre eux, des quantificateurs d'existence et d'universalité. Presque tous les systèmes d’IA construits sur un principe logique sont une machine à prouver des théorèmes. Dans ce cas, les données sources sont stockées dans la base de données sous forme d'axiomes, de règles d'inférence logique comme relations entre elles. De plus, chacune de ces machines possède une unité de génération d’objectifs, et le système d’inférence tente de prouver cet objectif sous la forme d’un théorème. Si l'objectif est prouvé, alors le traçage des règles appliquées nous permet d'obtenir une chaîne d'actions nécessaires pour atteindre l'objectif (un tel système est appelé système expert). La puissance d’un tel système est déterminée par les capacités du générateur d’objectifs et de la machine de démonstration des théorèmes. Une direction relativement nouvelle, telle que la logique floue, permet à l'approche logique d'atteindre une plus grande expressivité. Sa principale différence est que la véracité d'une déclaration peut prendre, en plus de oui/non (1/0), également des valeurs intermédiaires - je ne sais pas (0,5), le patient est plus probablement vivant que mort (0,75 ), le patient est plus probablement mort que vivant ( 0,25). Cette approche ressemble davantage à la pensée humaine, car elle répond rarement aux questions par oui ou par non.

2. Par approche structurelle, nous entendons ici les tentatives de construction d’IA en modélisant la structure du cerveau humain. L'une des premières tentatives de ce type fut le perceptron de Frank Rosenblatt. La principale unité structurelle modélisée dans les perceptrons (comme dans la plupart des autres options de modélisation cérébrale) est le neurone. Plus tard, d'autres modèles sont apparus, connus pour la plupart sous le terme de réseaux de neurones (NN). Ces modèles diffèrent par la structure des neurones individuels, par la topologie des connexions entre eux et par les algorithmes d'apprentissage. Parmi les options NN les plus connues figurent désormais les NN avec rétropropagation des erreurs, les réseaux de Hopfield et les réseaux de neurones stochastiques. Dans un sens plus large, cette approche est connue sous le nom de Connectivisme.

3. Approche évolutive. Lors de la construction de systèmes d'IA en utilisant cette approche, l'attention principale est portée à la construction du modèle initial et aux règles selon lesquelles il peut changer (évoluer). De plus, le modèle peut être compilé à l'aide de diverses méthodes, il peut s'agir d'un réseau de neurones, d'un ensemble de règles logiques ou de tout autre modèle. Après cela, nous allumons l'ordinateur et, sur la base de la vérification des modèles, il sélectionne les meilleurs d'entre eux, sur la base desquels de nouveaux modèles sont générés selon diverses règles. Parmi les algorithmes évolutionnistes, l’algorithme génétique est considéré comme classique.

4. Approche de simulation. Cette approche est classique en cybernétique, l’un de ses concepts de base étant la boîte noire. L'objet dont le comportement est simulé est précisément une « boîte noire ». Peu importe ce que lui et le modèle contiennent à l'intérieur et comment il fonctionne, l'essentiel est que notre modèle se comporte exactement de la même manière dans des situations similaires. Ainsi, une autre propriété humaine est modélisée ici : la capacité de copier ce que font les autres, sans entrer dans les détails de la raison pour laquelle cela est nécessaire. Souvent, cette capacité lui fait gagner beaucoup de temps, surtout au début de sa vie.

Dans le cadre de systèmes intelligents hybrides, ils tentent de combiner ces domaines. Des règles d'inférence expertes peuvent être générées par des réseaux de neurones, et des règles génératives sont obtenues à l'aide d'un apprentissage statistique.

Une nouvelle approche prometteuse appelée amplification de l’intelligence considère la réalisation de l’IA grâce au développement évolutif comme un effet secondaire de la technologie améliorant l’intelligence humaine.

Orientations de recherche

En analysant l’histoire de l’IA, nous pouvons mettre en évidence un domaine aussi vaste que la modélisation du raisonnement. Pendant de nombreuses années, le développement de cette science a suivi précisément cette voie et constitue désormais l’un des domaines les plus développés de l’IA moderne. Le raisonnement de modélisation implique la création de systèmes symboliques dont l'entrée constitue un certain problème et dont la sortie nécessite sa solution. En règle générale, le problème proposé a déjà été formalisé, c'est-à-dire traduit sous forme mathématique, mais soit il n'a pas d'algorithme de solution, soit il est trop complexe, prend du temps, etc. Ce domaine comprend : la preuve de théorèmes, la prise de décision et théorie des jeux, planification et répartition, prévision.

Un domaine important est le traitement du langage naturel, qui implique l’analyse des capacités de compréhension, de traitement et de génération de textes en langage « humain ». En particulier, le problème de la traduction automatique de textes d'une langue à une autre n'est pas encore résolu. Dans le monde moderne, le développement de méthodes de recherche d'informations joue un rôle important. De par sa nature, le test original de Turing est lié à cette direction.

Selon de nombreux scientifiques, une propriété importante de l’intelligence est la capacité d’apprendre. Ainsi, l'ingénierie des connaissances vient au premier plan, combinant les tâches d'obtention de connaissances à partir d'informations simples, de leur systématisation et de leur utilisation. Les progrès dans ce domaine affectent presque tous les autres domaines de recherche en IA. Ici aussi, deux sous-domaines importants ne peuvent être négligés. Le premier d'entre eux - l'apprentissage automatique - concerne le processus d'acquisition indépendante de connaissances par un système intelligent au cours de son fonctionnement. La seconde est associée à la création de systèmes experts - des programmes qui utilisent des bases de connaissances spécialisées pour obtenir des conclusions fiables sur n'importe quel problème.

Il existe de grandes et intéressantes réalisations dans le domaine de la modélisation des systèmes biologiques. À proprement parler, cela peut inclure plusieurs directions indépendantes. Les réseaux de neurones sont utilisés pour résoudre des problèmes flous et complexes, tels que la reconnaissance de formes géométriques ou le regroupement d'objets. L’approche génétique repose sur l’idée qu’un algorithme peut devenir plus efficace s’il emprunte meilleures caractéristiques provenant d’autres algorithmes (« parents »). Une approche relativement nouvelle, où la tâche consiste à créer un programme autonome - un agent qui interagit avec l'environnement externe, est appelée approche agent. Et si vous forcez correctement un grand nombre d’agents « pas très intelligents » à interagir ensemble, vous pouvez obtenir une intelligence « fourmi ».

Les problèmes de reconnaissance de formes sont déjà partiellement résolus dans d’autres domaines. Cela inclut la reconnaissance de caractères, le texte manuscrit, la parole et l'analyse de texte. Il convient particulièrement de mentionner la vision par ordinateur, liée à l’apprentissage automatique et à la robotique.

De manière générale, la robotique et l’intelligence artificielle sont souvent associées. L'intégration de ces deux sciences, la création de robots intelligents, peut être considérée comme un autre domaine de l'IA.

La créativité des machines se distingue par le fait que la nature de la créativité humaine est encore moins étudiée que celle de l’intelligence. Néanmoins, ce domaine existe, et les problèmes de l'écriture informatique de la musique, des œuvres littéraires (souvent de la poésie ou des contes de fées) et de la création artistique se posent ici.

Enfin, il existe de nombreuses applications de l’intelligence artificielle, dont chacune constitue une direction quasiment indépendante. Les exemples incluent l'intelligence de programmation dans les jeux informatiques, le contrôle non linéaire et les systèmes de sécurité intelligents.

On constate que de nombreux domaines de recherche se chevauchent. C'est typique de toute science. Mais dans le domaine de l’intelligence artificielle, la relation entre des domaines apparemment différents est particulièrement forte, ce qui est associé au débat philosophique sur l’IA forte et faible.

Au début du XVIIe siècle, René Descartes suggère qu'un animal est une sorte de mécanisme complexe, formulant ainsi une théorie mécaniste. En 1623, Wilhelm Schickard construit le premier ordinateur numérique mécanique, suivi des machines de Blaise Pascal (1643) et de Leibniz (1671). Leibniz fut également le premier à décrire le système de nombres binaires moderne, même si avant lui de nombreux grands scientifiques s'intéressaient périodiquement à ce système. Au XIXe siècle, Charles Babbage et Ada Lovelace travaillaient sur un ordinateur mécanique programmable.

En 1910-1913 Bertrand Russell et A. N. Whitehead ont publié Principia Mathematica, qui a révolutionné la logique formelle. En 1941, Konrad Zuse a construit le premier ordinateur fonctionnel contrôlé par logiciel. Warren McCulloch et Walter Pitts ont publié en 1943 A Logical Calculus of the Ideas Immanent in Nervous Activity, qui a jeté les bases des réseaux de neurones.

Situation actuelle

À l'heure actuelle (2008), dans la création de l'intelligence artificielle (au sens originel du terme, les systèmes experts et les programmes d'échecs n'ont pas leur place ici), il y a un manque d'idées. Presque toutes les approches ont été testées, mais aucun groupe de recherche n’a abordé l’émergence de l’intelligence artificielle.

Certains des systèmes d’IA civils les plus impressionnants sont :

Deep Blue - a vaincu le champion du monde d'échecs. (Le match entre Kasparov et les superordinateurs n'a apporté satisfaction ni aux informaticiens ni aux joueurs d'échecs, et le système n'a pas été reconnu par Kasparov, bien que les programmes d'échecs compacts originaux fassent partie intégrante de la créativité échiquéenne. Ensuite, la gamme de superordinateurs IBM est apparue dans les projets de force brute BluGene (modélisation moléculaire) et la modélisation du système cellulaire pyramidal au Swiss Blue Brain Center. Cette histoire- un exemple de la relation complexe et secrète entre l'IA, les entreprises et les objectifs stratégiques nationaux.)

Mycin était l’un des premiers systèmes experts capables de diagnostiquer un petit ensemble de maladies, souvent avec autant de précision que les médecins.

20q est un projet basé sur des idées d'IA, basé sur le jeu classique « 20 Questions ». Il est devenu très populaire après son apparition sur Internet sur le site 20q.net.

Reconnaissance de la parole. Des systèmes tels que ViaVoice sont capables de servir les consommateurs.

Les robots s'affrontent dans une forme simplifiée de football lors du tournoi annuel RoboCup.

Application de l'IA

Les banques utilisent des systèmes d’intelligence artificielle (IA) dans les activités d’assurance (mathématiques actuarielles) lorsqu’elles jouent en bourse et dans la gestion immobilière. En août 2001, des robots ont battu des humains lors d’une compétition commerciale impromptue (BBC News, 2001). Les méthodes de reconnaissance de formes (y compris les réseaux neuronaux plus complexes et spécialisés) sont largement utilisées dans la reconnaissance optique et acoustique (y compris le texte et la parole), les diagnostics médicaux, les filtres anti-spam, dans les systèmes de défense aérienne (identification de cible), et également pour garantir un certain nombre de d'autres tâches de sécurité nationale.

Les développeurs de jeux informatiques sont obligés d’utiliser une IA plus ou moins sophistiquée. Les tâches standard de l'IA dans les jeux consistent à trouver un chemin dans un espace bidimensionnel ou tridimensionnel, à simuler le comportement d'une unité de combat, à calculer la stratégie économique correcte, etc.

Perspectives pour l'IA

Deux directions de développement de l’IA sont visibles :

le premier consiste à résoudre les problèmes liés au rapprochement des systèmes d’IA spécialisés des capacités humaines et à leur intégration, ce qui est réalisé par la nature humaine.

la seconde est la création de l’Intelligence Artificielle, qui représente l’intégration de systèmes d’IA déjà créés en un système unique capable de résoudre les problèmes de l’humanité.

Liens avec d'autres sciences

L’intelligence artificielle est étroitement liée au transhumanisme. Et avec la neurophysiologie et la psychologie cognitive, elle forme une science plus générale appelée science cognitive. La philosophie joue un rôle particulier dans l’intelligence artificielle.

Questions philosophiques

La science de la « création d’intelligence artificielle » ne pouvait qu’attirer l’attention des philosophes. Avec l’avènement des premiers systèmes intelligents, des questions fondamentales sur l’homme et la connaissance, et en partie sur l’ordre mondial, ont été soulevées. D’une part, ils sont inextricablement liés à cette science, et d’autre part, ils y introduisent un certain chaos. Parmi les chercheurs en IA, il n'y a toujours pas de point de vue dominant sur les critères d'intelligence, la systématisation des objectifs et des tâches à résoudre, il n'y a même pas de définition stricte de la science.

Une machine peut-elle penser ?

Le débat le plus animé dans la philosophie de l'intelligence artificielle est la question de la possibilité d'une pensée créée par des mains humaines. La question « Une machine peut-elle penser ? », qui a incité les chercheurs à créer la science de la simulation de l’esprit humain, a été posée par Alan Turing en 1950. Les deux principaux points de vue sur cette question sont appelés hypothèses d’intelligence artificielle forte et faible.

Le terme « intelligence artificielle forte » a été introduit par John Searle, et l'approche est caractérisée par ses mots :

« De plus, un tel programme ne serait pas seulement un modèle de l’esprit ; elle, au sens littéral du terme, sera elle-même l'esprit, dans le même sens dans lequel l'esprit humain est l'esprit.

En revanche, les partisans d’une IA faible préfèrent considérer les programmes uniquement comme des outils leur permettant de résoudre certains problèmes qui ne nécessitent pas l’ensemble des capacités cognitives humaines.

Dans son expérience de pensée « Chinese Room », John Searle montre que la réussite du test de Turing n'est pas un critère pour qu'une machine ait un véritable processus de raisonnement.

La pensée est le processus de traitement des informations stockées en mémoire : analyse, synthèse et autoprogrammation.

Une position similaire est adoptée par Roger Penrose, qui dans son livre « The King's New Mind » argumente sur l'impossibilité d'obtenir le processus de pensée sur la base de systèmes formels.

Il existe différents points de vue sur cette question. L'approche analytique implique l'analyse de l'activité nerveuse supérieure d'une personne jusqu'au niveau le plus bas et indivisible (la fonction de l'activité nerveuse supérieure, une réaction élémentaire aux irritants externes (stimuli), l'irritation des synapses d'un ensemble de neurones connectés par fonction) et la reproduction ultérieure de ces fonctions.

Certains experts confondent la capacité de faire des choix rationnels et motivés dans des conditions de manque d'information avec du renseignement. C'est-à-dire qu'un programme intellectuel est simplement considéré comme ce programme d'activité (pas nécessairement implémenté sur les ordinateurs modernes) qui peut choisir parmi un certain ensemble d'alternatives, par exemple, où aller dans le cas de « tu iras à gauche… » .”, “tu iras à droite…”, “tu iras tout droit…”

Science de la connaissance

En outre, l'épistémologie - la science de la connaissance dans le cadre de la philosophie - est étroitement liée aux problèmes de l'intelligence artificielle. Les philosophes travaillant sur ce sujet sont aux prises avec des questions similaires à celles auxquelles sont confrontés les ingénieurs en IA sur la meilleure façon de représenter et d’utiliser les connaissances et les informations.

Attitudes envers l'IA dans la société

IA et religion

Parmi les adeptes des religions abrahamiques, il existe plusieurs points de vue sur la possibilité de créer une IA basée sur une approche structurelle.

Selon l'un d'eux, le cerveau, dont les systèmes tentent d'imiter le travail, à leur avis, ne participe pas au processus de réflexion, n'est pas la source de la conscience ni de toute autre activité mentale. Créer une IA basée sur une approche structurée est impossible.

Selon un autre point de vue, le cerveau serait impliqué dans le processus de réflexion, mais sous la forme d'un « transmetteur » d'informations provenant de l'âme. Le cerveau est responsable de fonctions « simples » comme les réflexes inconditionnés, la réponse à la douleur, etc. Créer une IA basée sur une approche structurelle est possible si le système conçu peut remplir des fonctions de « transfert ».

Les deux positions ne correspondent pas aux données de la science moderne, car le concept d'âme n'est pas pris en compte science moderne comme catégorie scientifique.

Selon de nombreux bouddhistes, l’IA est possible. Ainsi, le chef spirituel Dalaï Lama XIV n'exclut pas la possibilité de l'existence d'une conscience sur une base informatique.

Les Raélites soutiennent activement les développements dans le domaine de l’intelligence artificielle.

IA et science-fiction

Dans la littérature de science-fiction, l’IA est le plus souvent décrite comme une force qui tente de renverser le pouvoir humain (Omnius, HAL 9000, Skynet, Colossus, The Matrix et Replicant) ou comme un humanoïde au service (C-3PO, Data, KITT et KARR, L'Homme du Bicentenaire). L’inévitabilité d’une domination mondiale par une IA devenue incontrôlable est contestée par des auteurs de science-fiction comme Isaac Asimov et Kevin Warwick.

Une curieuse vision de l'avenir est présentée dans le roman "The Turing Selection" de l'écrivain de science-fiction Harry Garrison et du scientifique Marvin Minsky. Les auteurs discutent du sujet de la perte d’humanité chez une personne dans le cerveau de laquelle un ordinateur a été implanté et de l’acquisition de l’humanité par une machine IA dans la mémoire de laquelle les informations du cerveau humain ont été copiées.

Certains auteurs de science-fiction, comme Vernor Vinge, ont également spéculé sur les implications de l’émergence de l’IA, susceptible de provoquer des changements radicaux dans la société. Cette période est appelée la singularité technologique.