Qu’est-ce que l’ANI et pourquoi est-elle connue sous le nom d’intelligence artificielle faible ?

L’intérêt pour l’intelligence artificielle (IA) s’est accru avec l’apparition d’outils médiatiques tels que ChatGPT. Cependant, cela et la myriade d’autres projets innovants connexes dont nous avons été témoins dans l’IA ils prennent encore la forme de ce qu’on peut appeler l’intelligence « limitée ».

Et c’est que, étant clair, n’a fait qu’effleurer la surface de ce que cette nouvelle technologie peut être. Bien que nous ayons tous été étonnés par ChatGPT, ce chatbot a l’essence de l’intelligence artificielle limitée (ANI).

Pour vous donner une première idée, L’ANI contraste avec l’intelligence générale artificielle (AGI)dont nous avons déjà parlé dans une autre vidéo et l’effort de plusieurs décennies pour apporter l’intelligence humaine généralisée aux machines.

Partant de là, il faut entrer dans le monde de l’ANI qui, contrairement à l’AGI, ne on peut dire qu’il est déjà largement répandu parmi nous tous.

Qu’est-ce que l’ANI ou Intelligence Artificielle Limitée ?

L’ANI est un type d’IA conçu pour effectuer une seule ou un ensemble très limité de tâches connexes à un niveau de compétence élevé. Il est également connu sous le nom d’IA faible, d’IA étroite, d’IA limitée ou même d’IA spécialisée. Les systèmes ANI sont généralement formés sur un grand ensemble de données et peuvent prendre des décisions ou prendre des mesures en fonction de cette formation.

Contrairement aux humains, les systèmes ANI nécessitent une reprogrammation ou une reconfiguration par les humains lorsque le contexte ou la spécification de ce que vous voulez qu’il fasse change, même légèrement.

En effet, ils n’ont pas la capacité de s’adapter à de nouveaux objectifs ou circonstances et de généraliser les connaissances d’un contexte à un autre, ce que les humains font par l’apprentissage par transfert.

Systèmes ANI Ils peuvent être classés en deux catégories : les systèmes d’apprentissage supervisés et les systèmes d’apprentissage non supervisés. Les systèmes d’apprentissage supervisé sont formés sur des ensembles de données étiquetés qui permettent au système d’apprendre la relation entre les données d’entrée et la sortie souhaitée.

D’autre part, les systèmes d’apprentissage non supervisés s’entraînent sur des ensembles de données non étiquetés et peuvent identifier des modèles et des relations dans les données sans aucune aide.

L’ANI est présent dans de nombreux aspects de la vie même si vous ne l’imaginez pas, comme Google Translate et Siri. Pour certains, ces applications ne sont pas faibles car elles sont capables d’interactions sophistiquées.

Ces applications sont cependant considérées comme faibles ou limitées car elles ne peuvent pas correspondre à l’intelligence humaine, car l’ANI n’est ni sensible ni consciente et, comme dans les cas susmentionnés, son utilisation est destinée à une seule fonction telle qu’assistant ou traducteur.

Cependant, malgré le fait qu’il puisse sembler le contraire, leurs avantages sont majoritaires puisqu’ils exécutent bien les tâches individuelles, souvent mieux que les humains. Un système de intelligence artificielle Un appareil faible conçu pour identifier le cancer à partir d’images radiographiques ou échographiques, par exemple, pourrait détecter un cancer sur des images plus rapidement et avec plus de précision qu’un radiologue hautement qualifié.

Pourtant, les systèmes d’IA faibles ne peuvent faire que ce pour quoi ils sont conçus et ne peuvent prendre des décisions qu’en fonction de leurs données d’entraînement. C’est son grand et seul inconvénient.

Quels sont les avantages d’utiliser ANI ?

L’ANI qui entre couramment en jeu dans notre vie quotidienne se divise en deux catégories : l’IA symbolique et l’apprentissage automatique (Apprentissage automatique).

1. Intelligence artificielle symbolique

Aussi connue sous le nom de bonne IA à l’ancienne (GOFAI), l’IA symbolique était autrefois le principal objectif de la recherche dans le domaine. Ce type d’ANI nécessite que les programmeurs définissent explicitement les règles qu’ils s’attendent à ce que le système intelligent suive.

En tant que tels, ils sont mieux utilisés dans les applications qui ont des étapes claires à suivre et des résultats prévisibles. Bien que l’IA symbolique ne soit pas largement utilisée de nos jours, elle a ouvert la voie à la plupart des systèmes basés sur des règles.

2. Apprentissage automatique

L’apprentissage automatique ou Machine Learning, d’autre part, est un type d’ANI qui crée des systèmes intelligents à travers des exemples. Les développeurs construisent d’abord un modèle et le forment en présentant de nombreuses instances différentes.

L’algorithme utilise des processus d’apprentissage automatique pour dériver des représentations mathématiques en prédisant les résultats et en classant les tâches en fonction des exemples.

Par exemple, les développeurs peuvent former un programme pour analyser des millions de transactions par carte de crédit et déterminer les transactions légitimes et frauduleuses. Au fil du temps, le modèle peut prédire si une transaction particulière doit être approuvée ou non.

Exemples d’IA limités

Toutes les formes de systèmes d’IA modernes peuvent être classées comme IA limitées. Ce sont les suivants :

1. Systèmes d’images et reconnaissance faciale. Ces systèmes, y compris ceux utilisés par les sociétés de médias sociaux comme Facebook et Google pour identifier automatiquement les personnes sur les photos, sont des formes d’IA faible.

2. Chatbots et assistants conversationnels. Cela inclut les assistants virtuels populaires tels que Google Assistant, Siri, Alexa et le récent ChatGPT. Des chatbots de service client plus simples sont également inclus, comme un bot qui aide les clients à retourner un article dans un magasin de détail.

3. Véhicules autonomes. Les voitures autonomes ou semi-autonomes, comme certains modèles Tesla et les drones, bateaux et robots d’usine autonomes, sont toutes des applications d’IA limitée.

4. Modèles de maintenance prédictive. Ces modèles sont basés sur les données de la machine, souvent collectées via des capteurs, pour aider à prévoir quand une pièce de la machine peut tomber en panne et alerter les utilisateurs à l’avance.

5. Moteurs de recommandation. Ces systèmes prédisent le contenu qu’un utilisateur pourrait aimer ou rechercher. Cela pourrait également inclure des filtres anti-spam qui fonctionnent avec ANI.

IA limitée vs IA générale (IA faible vs IA forte)

• L’intelligence artificielle étroite (ANI ou IA limitée) fait référence à la capacité d’un système à exécuter extrêmement bien une seule tâche, comme explorer une page Web ou jouer aux échecs.
• L’intelligence générale artificielle (IAG ou IA forte) se produit lorsqu’un programme informatique peut effectuer n’importe quelle tâche intellectuelle qu’un humain pourrait effectuer.
• La super intelligence artificielle (ASI) est une IA qui surpasse l’intellect humain

L’IAG implique un système doté de connaissances complètes et de capacités cognitives telles que ses performances sont indiscernables de celles d’un humain, mais sa vitesse et sa capacité à traiter les données sont bien supérieures. Un tel système n’a pas encore été développé et les avis des experts divergent quant à savoir s’ils seront même capables de le créer.

Certains experts pensent qu’un système d’intelligence artificielle générale devrait posséder des qualités humaines, telles que la conscience, les émotions et la pensée critique, et c’est quelque chose qui peut difficilement être attribué à une machine, aussi efficace et intelligente soit-elle.

Les systèmes limités basés sur l’IA n’ont aucune de ces qualités, bien qu’ils puissent souvent surpasser les humains lorsqu’on leur demande d’effectuer une tâche particulière.

Ces systèmes ne sont pas destinés à simuler entièrement l’intelligence humaine, mais plutôt à automatiser des tâches humaines spécifiques à l’aide de l’apprentissage automatique, de l’apprentissage en profondeur et du traitement du langage naturel (TAL).