L’intelligence artificielle (IA) devrait-elle copier le cerveau humain ?

Savez-vous que la recherche sur l’intelligence artificielle s’est inspirée du fonctionnement du cerveau humain ? Récemment, cette ambition des spécialistes à vouloir calquer notre capacité de discernement sur les machines a provoqué des débats. Mais le décryptage du cerveau est-il une obligation afin de parvenir à une avancée technologique ? L’IA n’arrive-t-elle à évoluer qu’en copiant l’intelligence humaine ?

Cette discussion semble avoir pris de l’ampleur depuis que les programmeurs de l’IA ont adopté une toute nouvelle technique qui a dépassé toutes les réalisations accomplies jusqu’ici. Il s’agit du « Deep Learning » ou l’apprentissage approfondi. En effet, ce concept tente de transplanter dans les machines, le fonctionnement des réseaux neuronaux du cerveau. Ceci est effectué dans le but de rendre ces robots plus autonomes et de faire en sorte qu’ils puissent décider par eux-mêmes.

Quelles spécificités du cerveau pourraient être reproduites par les machines ?

L’homme se différencie des machines grâce à une faculté qui lui est propre : la capacité de discernement. Il s’agit d’une des facettes du cerveau que les programmeurs de l’IA tentent de reproduire par l’intermédiaire du Deep Learning ou l’apprentissage approfondi.

En effet, à ce jour, la plupart des inventions liées à l’IA sont encore limitées par leurs algorithmes. Ainsi, elles ne peuvent effectuer que les tâches qui leur sont assignées dans leur base de données. Le cerveau, quant à lui, est capable de formuler de nombreuses hypothèses et agir en conséquence grâce à ses réseaux de neurones. Ces derniers transmettent les informations reçues par les organes de sens vers le cortex cérébral. Cette faculté encore propre à notre espèce s’appelle le raisonnement.

De plus, la force de notre système nerveux central réside dans la structure de sa mémoire. Elle est caractérisée par trois formes de stockage de données complémentaires. La première, le registre sensoriel, permet de conserver pendant un petit laps de temps des informations atteignant nos organes de sens. Elle nous offre la possibilité de nous mettre en contact avec le monde extérieur. La seconde correspond à la mémoire à court terme ou la mémoire du travail. Elle garde les données reçues pendant une trentaine de secondes. Enfin, celles qui doivent être retenues seront transférées dans la mémoire à long terme.

VOIR AUSSI : Les domaines d’application de l’Intelligence Artificielle

Le Deep Learning, de quoi s’agit-il exactement ?

L’apprentissage approfondi fait partie de l’une des techniques de la machine Learning. Celle-ci a été inventée par Arthur Samuel dans le but de produire des appareils autonomes. L’objectif de la méthode étant de développer des neurones artificiels inspirés de ceux du cerveau humain.

Si la création de couches neuronales artificielles était limitée auparavant, ce n’est plus le cas actuellement. Grâce à la découverte des nanotechnologies au début du XXe siècle, la capacité de stockage des données s’est développée. Dès lors, de puissants processeurs comme ceux qui sont à impulsion ou encore cérébral ont pu voir le jour. Couplées à la multiplication des couches, ces découvertes ont permis l’exploration d’un plus gros volume d’informations.

Ensuite, si les réseaux biologiques communiquent entre eux par la transmission des signaux électriques, les branchements de neurones artificiels échangent, quant à eux, par l’intermédiaire des « poids ». Celui qui reçoit alors le plus de poids exercera davantage d’effet sur ceux qui lui sont adjacents. Il sera ainsi considéré comme celui qui aura le plus de chance d’effectuer l’apprentissage approfondi.

Enfin, par rapport aux domaines d’application, celui des réseaux neuronaux artificiels concernait au début le développement des logiciels de reconnaissance d’images. Par la suite, la conception des machines a été axée sur celles qui agissaient d’une manière plus naturelle, pour ne pas dire plus « humaine ». Cela se voit surtout en ce qui concerne la prise de décision de façon autonome de certaines machines et algorithmes à l’instar des reconnaissances faciales de certains réseaux sociaux.

Quels sont les risques liés à ce mimétisme de l’IA ?

L’une des conséquences à première vue de cette nouvelle pratique est l’automatisation des emplois qui induira en conséquence à l’augmentation considérable du taux de chômage. En effet, à mesure que les robots seront de plus en plus intelligents et rapides, les mêmes tâches ne nécessiteront plus la présence d’êtres humains. Aux États-Unis par exemple, une étude de la Brookings Institution en 2019 a conclu que 36 millions de personnes occupent des postes pouvant être automatisés. Ce qui signifie, d’après l’institution, que d’ici peu, au moins 70 % de leurs fonctions seront effectuées par l’IA.

La singularité est aussi l’un des risques d’une très grande évolution de l’IA le plus mis en avant. Cette théorie avance le fait que si les machines parviennent à être trop intelligentes, elles pourraient penser par elles-mêmes et donc égaler, voire surpasser l’homme. En effet, elles n’auraient plus besoin de leur créateur et pourraient en conséquence devenir incontrôlables.

Les scientifiques cherchent à faire des inventions intelligentes et autonomes. Dans ce cas, le Deep learning a été conçu pour les automatiser afin qu’elles agissent et réfléchissent toutes seules. Les chercheurs s’en sont inspirés à travers notre système nerveux central pour créer des appareils dotés d’une capacité de discernement proche de la nôtre. C’est pourquoi notre cerveau, notre tendance à évoluer ainsi qu’à raisonner selon les circonstances ont donc été la base de cette technique d’apprentissage. Mais les chercheurs doivent penser à améliorer l’IA autrement que par le mimétisme, car des inventions capables d’évoluer par elles-mêmes seraient dangereuses pour l’humanité.