Den kunstig intelligens ( AI ) er "sett av teori og teknikker som brukes for å oppnå maskiner som er i stand til å simulere humane intelligens" .
Den omfatter derfor et sett med konsepter og teknologier, mer enn en autonom konstituert disiplin. Myndigheter som CNIL , og bemerket mangelen på presisjon i definisjonen av AI, har presentert den som "vår tids store myte" .
Ofte klassifisert i gruppen kognitive vitenskaper , bruker den beregningsneurobiologi (spesielt nevrale nettverk ), matematisk logikk (del av matematikk og filosofi) og informatikk . Den bruker problemløsningsmetoder med høy logisk eller algoritmisk kompleksitet . I forlengelsen inkluderer det, i hverdagsspråket, enheter som etterligner eller erstatter mennesket i visse implementeringer av hans kognitive funksjoner .
Siden konseptets utseende har dets mål og problemstillinger, så vel som dets utvikling, gitt mange tolkninger, fantasier eller bekymringer uttrykt både i science fiction- historier eller filmer og i filosofiske essays . Virkeligheten ser fortsatt ut til å holde kunstig intelligens langt fra ytelsen til levende ting; dermed er AI fremdeles langt dårligere enn katten i alle sine naturlige evner.
Begrepet "kunstig intelligens", opprettet av John McCarthy , forkortes ofte med akronymet "IA" (eller "AI" på engelsk, for kunstig intelligens ). Det er definert av en av skaperne, Marvin Lee Minsky , som "konstruksjonen av dataprogrammer som engasjerer seg i oppgaver som for øyeblikket utføres mer tilfredsstillende av mennesker fordi de krever mentale prosesser på høyt nivå som: perceptuell læring. , organisering av minne og kritisk resonnement ” . Vi finner derfor den "kunstige" siden som nås ved bruk av datamaskiner eller sofistikerte elektroniske prosesser og "intelligens" -siden som er knyttet til målet om å etterligne atferd . Denne imitasjonen kan gjøres i resonnement, for eksempel i spill eller i utøvelsen av matematikk , i forståelsen av naturlige språk , i persepsjonen: visuell (tolkning av bilder og scener), auditiv (forståelse av talespråk) eller av andre sensorer, i kontrollen av en robot i et ukjent eller fiendtlig miljø.
Selv om de generelt respekterer Minskys definisjon, varierer noen definisjoner av AI på to grunnleggende punkter:
Historisk synes ideen om kunstig intelligens å dukke opp på 1950-tallet når Alan Turing lurer på om en maskin kan "tenke". I artikkelen " Computing Machinery and Intelligence " ( Mind ,Oktober 1950), Utforsker Turing dette problemet og foreslår et eksperiment (nå kalt Turing-testen ) med sikte på å finne fra når en maskin ville bli " bevisst ". Han utviklet denne ideen i flere fora, på konferansen "Intelligensen av maskinen, en kjettersk idé ", på konferansen ga han til BBC 3 rd program på15. mai 1951"Kan digitale kalkulatorer tenke? Eller diskusjonen med Mr. HA Newman , Sir Geoffrey Jefferson og RB Braithwaite den 14. og23. januar 1952på temaet "Kan datamaskiner tenke?" ".
Et annet sannsynlig opphav er publiseringen av Warren Weaver i 1949 av et notat om automatisk oversettelse av språk som antyder at en maskin kan utføre en oppgave som vanligvis er menneskelig intelligens.
Utviklingen av datateknikker (økning i datakraft ) førte deretter til flere fremskritt:
Grensene til dette domenet varierer, så optimalisering av en rute ble ansett som et kunstig intelligensproblem på 1950-tallet og blir ikke lenger ansett i dag som et enkelt algoritmisk problem.
Rundt 2015 søker den kunstige intelligenssektoren å møte fire utfordringer: visuell oppfatning, forståelse av skriftlig eller muntlig naturspråk , automatisk språkanalyse og autonom beslutningstaking . Å produsere og organisere en rekke høykvalitetsdata, det vil si korrelerte, komplette, kvalifiserte (hentet, datert, georeferert osv.), Er historisert en annen utfordring. Den deduktive kapasiteten og relevant generalisering av en datamaskin, med utgangspunkt i få data eller et lite antall hendelser, er en annen objektiv, fjernere.
Mellom 2010 og 2016 ville investeringene blitt tidoblet til rundt ti milliarder dollar i 2016.
Hvis fremdriften med kunstig intelligens er nylig, er dette temaet for refleksjon ganske gammelt, og det vises regelmessig gjennom historien. De første tegnene på interesse for kunstig intelligens og de viktigste forløperne til denne disiplinen er som følger.
AutomatikkEt av de eldste sporene etter temaet "mannen i maskinen" er fra 800 f.Kr. i Egypt . Statuen av guden Amon løftet armen for å utpeke den nye faraoen blant frierne som paraderte foran ham, så "holdt" hun en innvielsestale. Egypterne var sannsynligvis klar over tilstedeværelsen av en prest som styrte en mekanisme og erklærte de hellige ordene bak statuen, men dette syntes ikke de var motstridende med guddommens inkarnasjon. Rundt samme tid beskriver Homer i Iliaden (XVIII, 370–421) automatene laget av smedeguden Hephaestos : stativer med gullhjul , som er i stand til å bære gjenstander til Olympus og å returnere alene til Guds bolig. ; eller til og med to tjenestepiker smidd i gull som hjelper ham i hans oppgave. Tilsvarende ble giganten av bronse Talos , som beskytter bredden av Kreta , noen ganger betraktet som et Guds verk.
Vitruvius , en romersk arkitekt, beskrev eksistens mellom III E og jeg st århundre f.Kr., en skole som ble grunnlagt av ingeniører Ktesibios i Alexandria , og utforme mekanismer for moro som kråker synger. Heron The Elder beskriver i sin avhandling "Automata", en karusell animert av damp og anses å forutse dampmaskiner. Automatene forsvant deretter til slutten av middelalderen . Roger Bacon har fått æren for utformingen av talekompatible automater; faktisk sannsynligvis mekanismer som simulerer uttalen av visse enkle ord.
Leonardo da Vinci bygde en automat i form av en løve i 1515 for å underholde kongen av Frankrike, François I. Gio Battista Aleotti og Salomon de Caus , de bygde kunstige og syngende fugler, mekaniske fløytister, nymfer, drager og animerte satyrer for å lyse opp opp aristokratiske festivaler, hager og huler. René Descartes sies å ha designet en automat i 1649 som han kalte "datteren min Francine". Han fører også en refleksjon av en forbløffende modernisme om forskjellene mellom naturen til automatene, og den for dyr på den ene siden (ingen forskjell) og på den andre den for menn (ingen assimilering). Disse analysene gjør ham til den lite kjente forløperen til et av hovedtemaene for science fiction : skillet mellom levende og kunstige, mellom menn og roboter , androider eller kunstige intelligenser.
Jacques de Vaucanson bygde i 1738 en " kunstig and av forgylt kobber, som drikker, spiser, kvaker, dapper og fordøyer som en ekte and " . Det var mulig å programmere bevegelsene til denne automaten, takket være tannhjul plassert på en gravert sylinder, som kontrollerte stenger som krysset beina på anda . Automaten ble stilt ut i flere år i Frankrike, Italia og England, og gjennomsiktigheten i magen gjorde det mulig å observere den indre mekanismen. Enheten for å simulere fordøyelsen og utvise en slags grønn grøt er gjenstand for kontrovers. Noen kommentatorer mener at denne grønne grøten ikke ble laget av inntatt mat, men forberedt på forhånd. Andre mener at denne oppfatningen bare er basert på etterligninger av Vaucansons and. Brannen i Nizhny Novgorod-museet i Russland, rundt 1879, ødela denne automaten.
Håndverkerne Pierre og Louis Jaquet-Droz produserte noen av de beste automatene basert på et rent mekanisk system, før utviklingen av elektromekaniske enheter. Noen av disse automatene var i stand til å skrive et lite notat (alltid det samme) av et system med flere kameraer. Til slutt beskriver Les Contes d'Hoffmann (og ballett ) L'Homme au sable en mekanisk dukke som helten forelsker seg i.
Automatisk tenkingEt første forsøk på formalisering av tanken som er kjent, er zairja , qu'utilisaient mekanisme Arabiske astrologer skal generere logiske ideer, hvis oppfinnelse tilskrives Abu al-Abbas as-Sabti på XII - tallet . Raymond Lulle ble sannsynligvis inspirert av den til å utvikle sin Ars Magna. Misjonær, filosof og teolog spansk av XIII th århundre , prøvde han også å generere ideer gjennom et mekanisk system. Han kombinerte tilfeldig begreper ved hjelp av en slags lysregel , på hvilken roterte konsentriske plater gravert med bokstaver og filosofiske symboler. Han baserte sin metode på å identifisere grunnleggende konsepter og deretter kombinere dem mekanisk enten med hverandre eller med relaterte ideer. Raymond Lulle brukte den på metafysikk , deretter på moral , medisin og astrologi . Men han brukte bare deduktiv logikk , som ikke tillot systemet hans å tilegne seg læring , og heller ikke mer å stille spørsmål ved utgangsprinsippene: bare induktiv logikk tillater det.
Gottfried Wilhelm Leibniz , XVII - tallet , har laget en tenkeberegning ( calculus RATIONATOR ), som tildeler et tall til hvert konsept . Manipuleringen av disse tallene ville ha gjort det mulig å løse de vanskeligste spørsmålene, og til og med føre til et universelt språk . Leibniz har imidlertid demonstrert at en av hovedproblemene med denne metoden, også påtruffet i moderne arbeid med kunstig intelligens, er sammenkoblingen av alle begreper, som ikke tillater at en idé blir isolert fra alle de andre. For å forenkle problemene knyttet til tenker.
George Boole oppfant den matematiske formuleringen av de grunnleggende resonnementprosessene, kjent som boolsk algebra . Han var klar over koblingene i arbeidet med intelligensmekanismene, som vist med tittelen på hans hovedverk publisert i 1854: The Laws of Thought ( The Laws of Thought ) on Boolean algebra.
Gottlob Frege perfeksjonerte det boolske systemet ved å formalisere begrepet predikat , som er en logisk enhet som enten er sant eller usant (hvert hus har en eier), men som inneholder ikke-logiske variabler, uten i seg selv noen grad av sannhet (hus, eier ). Denne formaliseringen var av stor betydning siden den gjorde det mulig å demonstrere generelle setninger, ganske enkelt ved å bruke typografiske regler på sett med symboler. Refleksjonen i hverdagsspråket gjaldt bare valget av reglene som skulle brukes. Videre spiller brukeren en viktig rolle siden han kjenner betydningen av symbolene han har oppfunnet, og denne betydningen er ikke alltid formalisert, noe som bringer oss tilbake til problemet med mening i kunstig intelligens, og av subjektiviteten til brukerne.
Bertrand Russell og Alfred North Whitehead ga ut på begynnelsen av XX - tallet en bok med tittelen Principia Mathematica der de løser de interne motsetningene i teorien til Gottlob Frege . Dette arbeidet ga håp om å føre til en fullstendig formalisering av matematikken.
Kurt Gödel demonstrerer tvert imot at matematikk vil forbli en åpen konstruksjon ved å publisere i 1931 en artikkel med tittelen “ Formally unecidable propositions contain in Principia mathematica and other similar systems ”. Hans demonstrasjon er at fra en viss kompleksitet i et system kan vi lage mer logiske forslag i det enn vi kan vise seg å være sanne eller falske. Aritmetikk kan for eksempel ikke bestemme med aksiomer om vi må akseptere tall hvis kvadrat er -1. Dette valget forblir vilkårlig og er på ingen måte knyttet til de grunnleggende aksiomene. Gödels arbeid antyder at vi dermed kan lage et vilkårlig antall nye aksiomer, kompatible med de forrige, ettersom vi trenger dem. Hvis aritmetikken er bevist ufullstendig, er beregningen av predikatene (formell logikk) tvert imot demonstrert av Gödel som fullstendig .
Alan Turing oppfinner abstrakte og universelle maskiner (omdøpt Turing-maskiner ), hvorav moderne datamaskiner betraktes som konkretiseringer. Han demonstrerer eksistensen av beregninger som ingen maskin kan gjøre (verken et menneske, i de tilfeller som siterer han), uten at dette konstituerende for Turing en grunn til å tvile på om det er mulig å tenke maskiner som oppfyller kriteriene. Den Turing test .
Irving John Good , Myron Tribus og ET Jaynes beskrev veldig tydelig de ganske enkle prinsippene til en induktiv logikkrobot ved å bruke prinsippene for Bayesiansk slutning for å berike sin kunnskapsbase basert på Cox-Jaynes teorem . Dessverre tok de ikke opp spørsmålet om hvordan vi kunne lagre denne kunnskapen uten at lagringsmodusen førte til kognitiv skjevhet . Prosjektet ligner Raymond Lulle , men denne gangen basert på en induktiv logikk, og er derfor egnet for å løse noen åpne problemer .
Forskere som Alonzo Church har satt praktiske begrensninger på fornuftens ambisjoner, og orientert forskning ( Herbert Simon , Michael Rabin , Stephen Cook ) mot å skaffe løsninger på endelig tid, eller med begrensede ressurser, samt mot kategorisering av problemer i henhold til vanskelighetsgrader. (i forhold til Cantors arbeid om uendelig) .
Kunstig intelligens er et hett tema i XXI th århundre. I 2004 lanserte Singularity Institute en internettkampanje kalt "Three Dangerous Laws": " Three Laws Unsafe " (i forbindelse med de tre lovene til Asimov ) for å øke bevisstheten om problemene med problematikken med kunstig intelligens og mangel på Asimovs lover i bestemt. (Singularity Institute for Artificial Intelligence 2004).
I 2005 ble Blue Brain- prosjektet lansert, det tar sikte på å simulere hjernen til pattedyr . Dette er en av metodene som vurderes for å oppnå AI. De kunngjør også målet om å produsere den første "ekte" elektroniske hjernen på ti år . IMars 2007, kunngjorde den sørkoreanske regjeringen at den senere i år ville utstede et robotetikkcharter for å sette standarder for brukere og produsenter. Ifølge Park Hye-Young fra departementet for informasjon og kommunikasjon gjenspeiler chartret Asimovs tre lover: forsøket på å sette grunnregler for den fremtidige utviklingen av robotikk. Ijuli 2009, i California en konferanse som ble arrangert av Association for the Advancement of Artificial Intelligence (AAAI), hvor en gruppe informatikere stiller spørsmål ved om det bør være grenser for forskning som kan føre til tap av menneskelig grep om datasystemer, og hvor det er også et spørsmål om eksplosjonen av (kunstig) intelligens og faren for at teknologisk singularitet fører til en tidsendring, eller paradigme helt utenfor menneskelig kontroll.
I 2009 lanserte Massachusetts Institute of Technology (MIT) et prosjekt for å revurdere kunstig intelligensforskning. Det vil samle forskere som har hatt suksess innen felt som er forskjellig fra AI. Neil Gershenfeld sier "Vi vil i utgangspunktet gå 30 år tilbake, og gjennomgå noen retninger som nå er frossen . "
I november 2009, søker US Air Force å anskaffe 2200 PlayStation 3 å bruke den 7 eller 8-kjernede celleprosessoren den inneholder for å øke kapasiteten til superdatamaskinen som består av 336 PlayStation 3-er (teoretisk totalt 52,8 peta FLOPS i dobbel presisjon). Antallet vil bli redusert til 1700 enheter på22. desember 2009. Prosjektet retter seg mot høydefinisjons videobehandling og "neuromorf computing", eller opprettelse av datamaskiner med egenskaper / funksjoner som ligner på den menneskelige hjerne.
År 2010De 27. januar 2010The US Air Force ber bransjen om hjelp til å utvikle avansert intelligens og etterretning med den raske avgjørelsen evne til å hjelpe amerikanske styrker å angripe fiender raskt på sitt mest sårbare punkter. The US Air Force vil bruke kunstig intelligens, ontologisk resonnement, og kunnskapsbaserte beregningsprosedyrer, sammen med annen avansert databehandling å treffe fienden på det beste utgangspunktet. På den annen side, innen 2020, vil mer enn tusen F-22 og F-35 bombefly og krigere av den siste generasjonen, blant mer enn 2500 militærfly, begynne å bli utstyrt slik at innen 2040 er alle amerikanske krigsfly pilotert av kunstig intelligens, i tillegg til 10 000 landbiler og 7 000 luftenheter som allerede er fjernstyrt.
De 16. februar 2011, Watson , den IBM- designede superdatamaskinen , vinner to av tre runder i Jeopardy- spillutstillingen ! ved i stor grad å slå sine to menneskelige konkurrenter i kumulative gevinster. For denne AI var forestillingen å svare på spørsmål om generell kultur (og ikke et spesifikt teknisk felt) på veldig kort tid. Ifebruar 2016, kunstner og designer Aaron Siegel foreslår å gjøre Watson kandidat til det amerikanske presidentvalget for å starte debatten om "potensialet for kunstig intelligens i politikken" .
I mai 2013, Google åpner et forskningslaboratorium i lokalene til NASA . Takket være en kvante superdatamaskin designet av D-Wave Systems og som ifølge dette selskapet ville være 11.000 ganger mer effektiv enn en nåværende datamaskin (fra 2013), håper de å fremme kunstig intelligens, spesielt maskinlæring. Raymond Kurzweil er engasjert iDesember 2012 av Google for å delta og forbedre maskinlæring og AI.
Mellom 2014 og 2015, etter den raske utviklingen av dyp læring , og mot transhumanistiske tenkere , frykter noen forskere og medlemmer av det høyteknologiske samfunnet at kunstig intelligens til slutt vil overstige ytelsen til menneskelig intelligens . Blant dem den britiske astrofysikeren Stephen Hawking , Microsoft- grunnlegger Bill Gates og Tesla- sjef Elon Musk .
Internett-gigantene interesserer seg stadig mer for AI. De3. januar 2016, sjefen for Facebook , Mark Zuckerberg , har satt seg som mål for året å "bygge en enkel kunstig intelligens for å kontrollere huset mitt eller hjelpe meg i arbeidet mitt" . I 2013 hadde han allerede opprettet Facebook Artifical Intelligence Research (FAIR) laboratorium ledet av den franske forskeren Yann Le Cun og åpnet et permanent forskningslaboratorium i feltet i Paris.
Apple på sin side kjøpte nylig flere startups i sektoren ( Perceptio , VocalIQ , Emotient og Turi ).
I januar 2018, kunstig intelligensmodeller utviklet av Microsoft og Alibaba slo hver sin gang mennesker i en lese- og forståelsestest fra Stanford University . Den naturlige språkbehandlingen etterligner menneskets forståelse av ord og uttrykk og hjelper andre maskinlæringsmodeller med å behandle store mengder informasjon før de gir spesifikke svar på spørsmål som stilles til dem.
I februar 2019, kunngjør OpenAI forskningsinstitutt at det har laget et kunstig intelligensprogram som er i stand til å generere tekster så realistiske at denne teknologien kan være farlig. Hvis programvaren brukes med ondsinnet hensikt, kan den lett generere svært troverdige falske nyheter . Bekymret for bruken som kan gjøres av det, foretrekker OpenAI å ikke gjøre kildekoden til programmet offentlig.
I Frankrike er pionerene Alain Colmerauer , Gérard Huet , Jean-Louis Laurière , Claude-François Picard, Jacques Pitrat og Jean-Claude Simon. En årlig nasjonal kongress, "Formgjenkjenning og kunstig intelligens" , ble opprettet i 1979 i Toulouse . I forbindelse med organiseringen av den internasjonale felleskonferansen om kunstig intelligens i Chambéry i 1993, og etableringen av en GRECO-PRC "kunstig intelligens", i 1983, fødte den et lærd samfunn , den franske foreningen for kunstig intelligens (AFIA ) i 1989, som blant annet arrangerer nasjonale konferanser innen kunstig intelligens.
De 17. januar 2017, Venture kapital fondet Serena Capital lanserer en 80 millioner euro fond beregnet for investeringer i europeiske stor data og kunstig intelligens start-ups . De19. januar 2017, blir det avholdt en høring i Senatet : "Truer kunstig intelligens jobbene våre? ". De20. januar 2017, Axelle Lemaire har til hensikt å fremme fransk vitenskapelig og industrielt potensial takket være "France IA" -prosjektet.
I januar 2017 kunngjorde National Commission for Informatics and Freedoms (CNIL) , som en del av sitt oppdrag å reflektere over etiske spørsmål og sosiale spørsmål som ble reist av digital teknologi, organisasjonen av en offentlig debatt om algoritmer og kunstig intelligens. 15. desember 2017, på slutten av en debatt som mobiliserte 60 partnere (offentlige institusjoner, foreninger, selskaper, aktører i forskningsverdenen, det sivile samfunn), publiserte den sin rapport "Hvordan la mennesker holde hånden? »Inkludert anbefalinger for konstruksjon av en etisk modell for kunstig intelligens.
I september 2017 var Cédric Villani , første visepresident for parlamentarisk kontor for evaluering av vitenskapelige og teknologiske valg (OPECST), ansvarlig for å gjennomføre en offentlig konsultasjon om kunstig intelligens. Han leverte sin rapport 28. mars 2018, like før en intervensjon av republikkens president Emmanuel Macron i Collège de France for å kunngjøre Frankrikes strategi på dette området. Han avdekker en plan på 1,5 milliarder euro for hele femårsperioden, samt en utvikling av fransk lovgivning for å tillate anvendelse av kunstig intelligens, særlig om sirkulasjon av autonome kjøretøyer . Sammen med disse kunngjøringene blir han intervjuet av Wired , et ledende magasin for det globale nye teknologisamfunnet, og uttrykker sin visjon om kunstig intelligens, nemlig at algoritmene som brukes av staten må være åpne, at den kunstige intelligensen må være innrammet av filosofisk og etiske regler, og at vi må motsette oss bruken av automatiske våpen eller enheter som tar beslutninger uten å konsultere et menneske.
I mars 2018 lanserte Microsoft Frankrike Microsoft IA School, innviet av presidenten Carlo Purassanta , et opplæringskurs som er åpent for frafall fra skolen og personer som er ekskludert fra arbeid, i samarbeid med Simplon.co . Ti skoler ble lansert på ett år fra september 2018. Microsoft Frankrike ser på utviklingen av kunstig intelligens som en ny vektor for profesjonell inkludering
I oktober 2019 kunngjorde ActuIA-nettstedet lanseringen av det første papirmagasinet dedikert til kunstig intelligens.
Konseptet med sterk kunstig intelligens refererer til en maskin som ikke bare er i stand til å produsere intelligent oppførsel, spesielt modellering av abstrakte ideer, men også å oppleve et inntrykk av reell bevissthet , av "virkelige følelser " (uansett tilfelle). legge bak disse ordene), og “en forståelse av ens eget resonnement”.
Sterk kunstig intelligens har vært drivkraften bak disiplinen, men har også utløst mye debatt .
Med utgangspunkt i prinsippet, støttet av nevrovitenskap , om at bevissthet har en biologisk og derfor materiell støtte, ser forskere generelt ikke en teoretisk hindring for å skape bevisst intelligens om en annen materiell støtte enn biologisk. Ifølge sterke AI-talsmenn, hvis det for tiden ikke finnes datamaskiner eller algoritmer så intelligente som mennesker, er det ikke et problem med verktøy, men med design. Det ville ikke være noen funksjonsgrenser (en datamaskin er en universell Turing-maskin med bare grenser for beregningsevne), bare begrensninger knyttet til menneskets evne til å designe riktig programvare (program, database ...).
Å sammenligne informasjonsbehandlingskapasiteten til en menneskelig hjerne med datamaskinens kan hjelpe deg med å forstå størrelsesorden for å estimere den praktiske muligheten eller ikke for sterk kunstig intelligens, samt en enkel beregning av effekt i kW kan omtrent si at en gitt lastebil vil være i stand til å håpe å kunne transportere slik eller slik last, eller hvis dette vil være umulig for ham. Her er noen eksempler på størrelsesordener i informasjonsbehandling:
Denne makten skal ikke tas bokstavelig. Den spesifiserer fremfor alt størrelsesordenene som er tilstede og deres relativt raske utvikling (frem til 2018).
Kunstig intelligens hadde bare gitt blandede resultater på typiske datamaskiner fra 1970-tallet som utførte 107 logiske operasjoner per sekund. Den menneskelige hjerne, som består av 10 11 nevroner som hver ikke kan bytte mer enn 100 ganger per sekund på grunn av deres avslapningstid, tillot mange flere logiske prosesser per tidsenhet (10 13 logiske operasjoner per sekund). Dette nøyaktige tekniske handikap eksisterer ikke lenger på datamaskiner siden 2000-tallet, og arbeider i 64 bits og med klokker som er klokket rundt 4 GHz , for prosessorer beregnet for enkeltpersoner. Når det gjelder superdatamaskiner som Summit eller Fugaku 415-PFLOPS , har forholdet mellom antall sammenligninger per sekund mellom datamaskin og hjerne til og med endret mening.
Det materialet vil derfor nå være tilgjengelig, men AI understreker vanskeligheter med å forklare all kunnskapen nyttig for å løse et komplekst problem. Noe såkalt implisitt kunnskap tilegnes gjennom erfaring og kan ikke formaliseres. Læringen av denne implisitte kunnskapen av erfaring har blitt utnyttet siden 1980-tallet (se Neural network ). Imidlertid dukker det opp en annen type kompleksitet: strukturell kompleksitet . Hvordan koble til spesialiserte moduler for å behandle en bestemt type informasjon, for eksempel et system med mønstergjenkjenning visuelt, et system for talegjenkjenning , et system relatert til motivasjon, motorisk koordinering , språket osv. På den annen side, når et kognitivt system er designet og læring av erfaring utført, kan den korresponderende "intelligensen" distribueres i et stort antall eksemplarer, for eksempel på bærbare datamaskiner til aktuarer eller bankfolk som således kan, som A slagord påminner oss, si ja eller nei, men si det med en gang takket være såkalte kredittpoengsøknader .
Hovedmeningene som holdes for å svare på spørsmålet om sterk kunstig intelligens (dvs. utstyrt med en slags bevissthet) er som følger:
Forfattere som Douglas Hofstadter (men allerede foran ham Arthur C. Clarke eller Alan Turing ; se Turing-testen ) uttrykker også tvil om muligheten for å skille mellom en kunstig intelligens som faktisk ville oppleve en bevissthet, og en annen som ville simulere nøyaktig denne oppførselen. (se Zombie (filosofi) ). Vi kan tross alt ikke engang være sikre på at andre bevisstheter enn våre egne, også hos mennesker, faktisk opplever noe, annet enn å stille spørsmålet om at hvert menneske finner seg på det samme i alle de andre. Her finner vi det kjente problemet med solipsisme i filosofien .
Matematikeren i fysikk Roger Penrose mener at bevissthet vil komme fra utnyttelse av kvantefenomener i hjernen (se mikrotubuli ), og forhindrer den realistiske simuleringen av mer enn noen titalls nevroner på en vanlig datamaskin, derav resultatene fortsatt veldig delvis AI. Inntil nå forble han isolert på dette spørsmålet. En annen forsker, Andrei Kirilyuk , har siden presentert en avhandling i samme ånd, selv om den er mindre radikal.
Utbredt kunstig intelligens ( generell kunstig intelligens eller AGI) refererer til ethvert system som er i stand til å lære og utføre en hvilken som helst oppgave som et menneske vil være i stand til å gjøre. Mens noen bruker begrepet sterk kunstig intelligens for å betegne disse systemene, foretrekker andre akademiske kilder å reservere dette begrepet for systemer som er i stand til å være bevisste (selv om det ikke er enighet om en definisjon av bevissthet for en AI, som forklart nedenfor. -Over). Til tross for fremgangen de siste årene, er dagens systemer langt fra en mulig AGI og forblir rent spekulative.
Begrepet svak kunstig intelligens utgjør en pragmatisk ingeniørtilnærming : å søke å bygge stadig mer autonome systemer (for å redusere kostnadene for deres tilsyn), algoritmer som er i stand til å løse problemer i en bestemt klasse, etc. Men denne gangen maskinen simulerer intelligens, ser det ut til å fungere som om den er intelligent. Vi ser konkrete eksempler på dette med samtaleprogrammer som prøver å bestå Turing-testen , som ELIZA . Denne programvaren klarer å imitere grovt oppførselen til mennesker foran andre mennesker under en dialog.
Joseph Weizenbaum , skaper av ELIZA- programmet , advarer publikum i sin bok Computer Power and Human Reason : Hvis disse programmene "virker" intelligente, er de ikke: ELIZA simulerer grovt sagt en psykolog ved umiddelbart å legge merke til noen omtale av faren eller fra mor, og ba om detaljer om en bestemt del av setningen og skriver fra tid til annen “Jeg forstår. », Men forfatteren husker at det er en enkel mystifisering: programmet forstår faktisk ingenting.
Tilhengerne av sterk AI innrømmer at hvis det i dette tilfellet virkelig er en enkel simulering av intelligent oppførsel, er det lett å oppdage og kan derfor ikke generaliseres. Hvis vi ikke eksperimentelt kan skille mellom to intelligente atferd, maskinens og menneskets, hvordan kan vi påstå at de to tingene har forskjellige egenskaper? Selve begrepet "simulering av intelligens" er omstridt og bør ifølge dem igjen erstattes av "reproduksjon av intelligens".
Tilhengerne av svak AI hevder at de fleste av dagens kunstige intelligensteknikker er inspirert av deres paradigme . Dette vil for eksempel være tilnærmingen som ble brukt av IBM i prosjektet kalt Autonomic computing . Kontroversen vedvarer imidlertid med tilhengere av sterk AI som bestrider denne tolkningen.
Enkel evolusjon, derfor og ikke revolusjon: kunstig intelligens er en del av denne beretningen i riktig rekkefølge av det som var operativ forskning på 1960-tallet , tilsyn (på engelsk: prosesskontroll ) på 1970-tallet , beslutningsstøtte på 1980-tallet og datautvinning i de 1990 . Og hva mer med en viss kontinuitet .
Det er spesielt et spørsmål om rekonstituert menneskelig intelligens, og om ad hoc- programmering av en læring, uten at det eksisterer en samlende teori for øyeblikket (2011) . De Cox-Jaynes teorem viser imidlertid, som er et sterkt resultat, at under fem rimelige begrensninger, må enhver læringsprosess enten i samsvar med Bayesiansk inferens , eller i siste instans usammenhengende, og derfor ineffektiv.
Mens begrepet kunstig intelligens kan referere til et system som er i stand til å løse flere problemer relativt autonomt mens det bare simulerer intelligensprinsippet, kan det også referere til systemer som er i stand til å løse bare en type problem for et forhåndsdefinert datasett . Vi kan gi et eksempel et system som er opplært til å gjenkjenne håndskrevne figurer, som de som brukes av La Poste , som til tross for sin gode ytelse på oppgaven ikke ville være i stand til å håndtere et problem utover det det var designet for.
Disse kunstige intelligensene, kalt " smal AI " ("smal kunstig intelligens"), er designet spesielt for en oppgave, uten noen spesiell utvikling for å generalisere den som en sterk AI. De beholder fortsatt sin nytte, og blir fortsatt mye brukt i industrien, og er de eneste AI-systemene som kan brukes til sterk AI er tilgjengelig og kommersialisert.
Ved begynnelsen av 1950-tallet, mellom fødselen av kybernetikk og fremveksten av kunstig intelligens noen år senere, da datidens beste hoder satte spørsmålstegn ved muligheten for å bygge tenkemaskiner, foreslo Alan Turing , i starten av en artikkel som har forble kjent, en test for å avgjøre om en maskin kan defineres som "bevisst".
Å definere intelligens er en utfordring, og det er ikke sikkert at det en dag kan oppnås tilfredsstillende. Det er denne bemerkningen som presset den britiske matematikeren Alan Turing, i 1950, til å foreslå "imitasjonsspillet" som fastsatte et presist mål for den fremvoksende vitenskapen til datamaskinene som man ennå ikke kalte databehandling i Francophonie. Dette "imitasjonsspillet" antydet at en fiktiv dommer kunne dialog på den ene siden med en maskin og på den andre siden med et menneske som bruker en terminal uten å kunne diskriminere dem.
Til dags dato har ingen programvare ennå bestått denne testen, nemlig å oppføre seg på en måte som ikke blir diskriminert fra et menneske, til tross for mange forsøk. Stilt overfor vedvaren av disse feilene, mener visse spesialister som Jean-Gabriel Ganascia at utvikling av et slikt komplekst program ikke vil demonstrere programmenes intelligens eller deres evne til å tenke.
I dag kan en maskin absolutt revidere og utvikle mål som er tildelt den. En maskin kan til og med programmeres til å kunne omstrukturere sin første kunnskap fra mottatt eller oppfattet informasjon. Men dagens maskin tenker ikke strengt tatt, fordi den ikke er klar over seg selv (og spesielt dens grenser), kan den ikke til slutt bestemme sine mål eller forestille seg nye former. Representasjoner av verden.
Den semanticist François Rastier , etter tilbakekaller posisjonene til Turing og Grice om dette temaet, foreslår seks “bud” condition en utviklet dialog system, angir at de allerede er gjennomført av eksisterende systemer:
Han foreslår også at systemet skal være i stand til å gjøre seg selv en representasjon av brukeren det har å gjøre med, for å tilpasse seg ham. For sin del har brukeren en tendens til å tilpasse seg systemet fra det øyeblikket han forstår at han snakker til en maskin: han vil ikke snakke på samme måte med et automatisert system som med en menneskelig samtalepartner, som gir designeren det pragmatiske fordelen ved å forenkle visse aspekter av dialogen.
Andre tester er også utviklet for å vurdere ytelsen til kunstig intelligens:
Flere Turing Awards (ACM Turing Award) har blitt tildelt pionerer innen kunstig intelligens, inkludert:
Den begynnende cybernetikken på 1940-tallet hevdet veldig tydelig sin tverrfaglige karakter og trakk på de mest forskjellige bidragene: nevrofysiologi , psykologi , logikk , samfunnsvitenskap ... Og det er helt naturlig at den så for seg to tilnærminger til systemer, to tilnærminger tatt opp av forskere kognitive vitenskaper og derfor kunstig intelligens: en tilnærming ved nedbrytning (fra topp til bunn) og en motsatt tilnærming ved progressiv konstruksjon fra bunnen av.
Disse to tilnærmingene viser seg å være komplementære snarere enn motstridende: vi er komfortable med å raskt bryte ned det vi vet godt, og en pragmatisk tilnærming som bare bruker elementene vi kjenner for å bli kjent med nye konsepter er nødvendig. Mer nyttig for ukjente domener. De er henholdsvis i bunnen av arbeidshypotesene som utgjør kognitivisme og forbindelsesisme , som prøver i dag ( 2005 ) for gradvis å drive sin fusjon.
Linux How-To Guide to Artificial Intelligence v3.0, revidert 15. desember 2012, vedtar følgende taksonomi for lesernes bekvemmelighet:
Den kognitivismen mener at å leve som en datamaskin (selv med åpenbart svært ulike prosesser) håndterer hovedsakelig elementære symboler. I sin bok The Society of the Mind ser Marvin Minsky på observasjonene fra psykolog Jean Piaget , den kognitive prosessen som en konkurranse mellom agenter som gir delvise svar og hvis meninger blir arbitrert av andre agenter. Han siterer følgende eksempler fra Piaget:
På slutten av dagen viser disse barnespillene seg å være essensielle i sinnets dannelse, som frigjør noen regler for å arbitrer de forskjellige elementene av forståelse som den møter, ved prøving og feiling.
Den connectionism , med henvisning til prosessen med selvorganiserende , med tanke på kognisjon som et resultat av global samhandling av elementære deler av et system. Det kan ikke benektes at hunden har en slags kunnskap om differensialligningene i bevegelse, siden han kan fange en pinne i luften. Og ikke mer enn en katt har også en slags kunnskap om loven om fallende kropper, siden den oppfører seg som om den vet fra hvilken høyde den ikke lenger skal prøve å hoppe direkte for å gå til bakken. Dette fakultetet, som noe som minner om filosofenes intuisjon , er preget av å ta hensyn til og konsolidering av perseptuelle elementer , hvorav ingen, isolert sett, når terskelen til bevissthet, eller i alle fall utløser en bestemt tolkning. .
Tre konsepter kommer opp gjentatte ganger i det meste av arbeidet:
Vi kan vurdere forskjellige enheter involvert, sammen eller hver for seg, i et kunstig intelligenssystem som:
De nåværende prestasjonene med kunstig intelligens kan særlig gripe inn i følgende funksjoner:
Over tid har noen programmeringsspråk vist seg å være mer praktiske enn andre for å skrive applikasjoner med kunstig intelligens. Blant disse var utvilsomt Lisp og Prolog utvilsomt de mest omtalte. ELIZA (den første samtaleagenten , derfor ikke "ekte" kunstig intelligens) var innen tre sider av SNOBOL . Konvensjonelle språk som C eller C ++ brukes også, mer av hensyn til tilgjengelighet og ytelse enn av bekvemmelighet . Lisp hadde på sin side en serie av etterfølgere som var mer eller mindre inspirert av ham, inkludert ordningsspråket og typespråk for funksjonell programmering som Haskell eller OCaml .
I dag er det Python og R som gir de rikeste verktøyene i dette feltet. Plattformer som TensorFlow og biblioteker på høyt nivå har demokratisert og akselerert utviklingen av kunstige intelligenser.
Det er hyppig forvirring i den offentlige debatten mellom "kunstig intelligens", maskinlæring ( maskinlæring ) og dyp læring ( dyp læring ). Imidlertid er disse begrepene ikke likeverdige, men er nestede:
Kunstig intelligens har blitt brukt (eller er involvert) på en rekke felt.
Noen banker bruker og utvikler ekspertsystemer for å vurdere risiko knyttet til innvilgelse av kreditt ( kredittscore ), særlig ved å bruke disse systemene for å verifisere informasjonen som er gitt, eller deres gjenvinning og automatisert behandling. Et eksempel er FICO- poengsummen .
Flere store navn innen finans har vist interesse for slike teknologier, med prosjekter som de fra Bridgewater Associates hvor en kunstig intelligens fullt ut vil forvalte et fond eller den prediktive analyseplattformen Sidetrade .
Algoritmiske handelssystemer blir også utviklet , der hastighetsgevinster som automatisering gir over menneskelige handelsmenn kan utgjøre forskjellen, spesielt gjennom høyfrekvent handel .
Det militære feltet bruker systemer som droner , kommandosystemer og beslutningsstøtte .
Bruken av kunstige intelligenser på det militære feltet har blitt stadig viktigere. USA har brukt 18 milliarder dollar i tre års forskning på alle områder som er nødvendige for automatisering av militære våpen.
Et AI-basert våpenløp er i gang, som eksemplifisert av Project Maven i USA.
Jean-Christophe Noël, ekspert fra det franske instituttet for internasjonale relasjoner (IFRI), rapporterer at en AI, med kallenavnet ALPHA, gjorde sin første klasse i oktober 2015 ved å "konfrontere luftkampdataprogrammer fra Air Force Research Laboratory og systematisk seiret over en erfaren jagerpilot i oktober 2015 ” .
I september 2019 sendte IA- arbeidsgruppen til det franske departementet for væpnede styrker en rapport som beskriver hærens strategi i møte med denne teknologien, spesielt etableringen av en enhet dedikert til kunstig intelligens i det franske byrået for forsvarsinnovasjon (AID). ), samt en Defense Artificial Intelligence Coordination Unit (CCIAD). Den militære programmeringsloven gir et budsjett på 700 millioner euro for oppdrag til fordel for AI, et gjennomsnitt på 100 millioner per år.
Den medisinen også så stor fremgang gjennom bruk av støttesystemer diagnose eller automatisk diagnose.
I 2018 publiserte Google DeepMind , et datterselskap fra Google som spesialiserer seg på avansert forskning innen kunstig intelligens, resultatene av et kunstig intelligenseksperiment som kan oppdage øyesykdommer. Resultatene indikerer at AI gjør dette med lavere feilmargin enn øyeleger.
Frankrike opprettet Health Data Hub i 2019 for å forenkle og overvåke bruken av helsedata.
Flere smarte systemer har blitt brukt for å bekjempe Covid-19-pandemien , spesielt med Fugaku 415-PFLOPS superdatamaskin .
Bruk av AI utvikler seg innen forebygging av forbrytelser og lovbrudd . Det britiske politiet utvikler for eksempel en AI av denne typen, kunngjort som i stand til å være i drift allerede i mars 2019. Kalt National Data Analytics Solution (NDAS), den er basert på AI og statistikk og har som mål å estimere risikere at en person begår en forbrytelse eller selv er et offer, for å lede de sosiale og medisinske tjenestene som kan gi ham råd.
Bruk av verktøy for prediksjon av kriminalitet basert på tidligere eksisterende data er imidlertid gjenstand for kontrovers, gitt de sosiale (spesielt rasemessige) skjevhetene det medfører. Faktisk spiller logikken for å identifisere mønstre som er spesifikke for disse teknologiene en rolle for å forsterke allerede eksisterende fordommer.
Den loven bruker AI for å forutsi rettsavgjørelser, hjelp i beslutningsprosesser og avgjøre enkle saker. Den Estland for eksempel utviklet en kunstig intelligens i stand til å gjøre dommer på mindre forseelser. USA bruker også systemet i noen jurisdiksjoner COMPASS (in) ( Correctional Offender Management Profiling for Alternative Sanctions ), et beslutningsstøttesystemavgjørelse for dommerne. Flere oppstart har spesialisert seg på denne nisjen, og skaper legaltech- feltet .
Arealet av logistikk har sett noen prosjekter ved hjelp av kunstig intelligens til å utvikle spesielt for forvaltningen av forsyningskjeden ( supply chain ) eller leveringsproblemer, slik som den siste kilometeren .
Kunstig intelligens er også mye brukt innen offentlig transport , fordi det letter regulering og styring av trafikk i stadig mer komplekse nettverk, som UrbanLoop- systemet som for tiden er under utredning i byen Nancy .
Selv om problemene med å optimalisere reisetid eller transport er blant de eldste anvendelsene av løsninger basert på kunstig intelligens (se reisendeselgerproblemet eller Dijkstras algoritme ), har nylige fremskritt, særlig innen dyp læring , muliggjort betydelige fremskritt innen presisjon. Noen prosjekter som Google Maps, for eksempel, bruker AI-systemer i urbane områder for å kompensere for refleksjonen av GPS- signalet på nærliggende bygninger, eller for å kartlegge områder der lite informasjon er tilgjengelig.
Flere selskaper har også kunngjort at de har utviklet autonome bilforskningsprogrammer , spesielt Google gjennom datterselskapet Waymo , det franske selskapet Navya og til og med Tesla .
Smarte systemer blir vanlig i mange bransjer. Flere oppgaver kan overlates til dem, særlig de som anses for farlige for et menneske. Noen applikasjoner fokuserer på prediktive vedlikeholdssystemer , noe som gir ytelsesgevinster ved å oppdage produksjonsproblemer oppstrøms.
Den roboten bruker kunstig intelligens på mange måter. Spesielt for oppfatningen av miljøet ( objekter og ansikter ), læring og utviklingsmessig kunstig intelligens.
Den humane-roboten interaksjon er likevel ofte ikke er naturlig, og er et problem av robotikk. Det handler om å la roboter utvikle seg i menneskers dynamiske og sosiale verden og samhandle med dem på en tilfredsstillende måte. Motsatt krever utvekslingen også en endring i måten mennesker ser på roboter; ifølge Véronique Aubergé, forsker ved Université Grenoble-Alpes "er den virkelige revolusjonen ikke teknologisk, den er kulturell" . Allerede gjennom roboter utstyrt med kunstig intelligens, for eksempel Google Home , ville brukere bygge bro over sosial isolasjon .
Kunstig intelligens brukes for eksempel til å animere ikke-spillerpersoner i videospill, som er designet for å tjene som motstandere, hjelpere eller ledsagere når menneskelige spillere ikke er tilgjengelige eller ønsket. Ulike nivåer av kompleksitet er utviklet.
24. januar 2019 presenterer Google DeepMind på bloggen AlphaStar, en kunstig intelligens dedikert til sanntidsstrategispillet StarCraft II som møtte to menneskelige spillere under en kamp som ble sendt direkte på Internett. Under dette arrangementet slår AlphaStar to profesjonelle spillere, inkludert Grzegorz "MaNa" Komincz, fra Team Liquid- teamet , en av de beste profesjonelle spillerne i verden. Utviklingen av denne kunstige intelligensen ble muliggjort av et partnerskap mellom Google DeepMind og Blizzard Entertainment , utgiveren av spillet.
Fra slutten av 1980-tallet tok kunstnerne i bruk kunstig intelligens for å gi autonom oppførsel til verkene sine. Den franske Michel Bret , Edmond Couchot og Marie-Hélène Tramus er pionerer, noe det fremgår av verk som La Plume og Le Pissenlit (1988), deretter La Funambule (2000), animert av et nevralt nettverk . Amerikaneren Karl Sims , i partnerskap med thingking Machinery , ble grunnlagt i 1993 Genetic Images , maskiner som inneholder Av genetiske algoritmer . Det fransk-østerrikske ekteparet Christa Sommerer og Laurent Mignonneau har skapt mange verk innen det kunstige livet siden begynnelsen av 1990-tallet, inkludert Interactive plant growing (1992) eller A-Volve (1994) . Franskmannen Florent Aziosmanoff foreslår å ta i betraktning at bruken av kunstig intelligens i kunsten fører til fremveksten av en ny uttrykksdisiplin, som han kaller levende kunst.
I mars 2018Kunstneren Joseph Ayerle utgir art video med tittelen Un'emozione per sempre 2.0 , der han iscenesetter en virtuell Ornella Muti , gjenskapt av kunstig intelligens. Etter bare noen få dager med trening er den kunstige intelligensen i stand til å animere ansiktet til den italienske skuespilleren for å oppnå scener som hun aldri har utført.
De 23. oktober 2018, auksjonsfirmaet Christie's tilbyr til salgs maleriet Portrait of Edmond de Belamy produsert av kunstig intelligens ved hjelp av generative antagonistiske nettverk . Maleriet er signert av den matematiske formelen ved opprettelsen ("Min (G) max (D) Ex [log (D (x))] + Ez [log (1-D (G (z)))]] ”). Dette salget vekker mange debatter om statusen som en kunstnerisk kreasjon og om forfatteren av verket: det kan være selve den kunstige intelligensen eller de tre skaperne som programmerte den. Verket er kjøpt for $ 350.000. Dette salget kan sees på som en anerkjennelse av GAN-isme (forkortelsen til Generative Adversarial Networks , "generative antagonist networks" på fransk), en kunstnerisk bevegelse som bruker kunstig intelligens i skapelsen av et billedverk.
Digital artist Solimán López bruker kunstig intelligens som et verktøy for å skape enestående interaksjoner med andre medier, verktøy og konsepter. I 2019, i High Meshes , oppfinner han mikrosamfunn av virkelige mennesker skannet i 3D av fotogrammetri . Disse dataene mates inn i programvare for kunstig intelligens som bringer kropper sammen basert på deres rent digitale informasjon uavhengig av rase, kjønn, religiøse, politiske eller kulturelle spørsmål. I DAI- prosjektet , i 2018, blir identitetskort fra flere land analysert av kunstig intelligens og resultert i nye papirer, som symboliserer en verden uten grenser.
Den domesticity , med roboter husholdning ansatt , eller for bestemte oppgaver som hjemme automasjon .
I dataprogrammering, spesielt for prediktivt vedlikehold , autofullføring eller utviklingshjelp.
I journalistikk : AI (upassende kalt "robotjournalister") kan til slutt hjelpe journalister ved å avlaste dem for visse oppgaver, spesielt dagen før, røre opp forsendelser eller sjekke falske nyheter .
Sør-Korea tilbyr den aller første virtuelle TV-verten i november 2020 under en nyhetssending.
I design : datamaskinstøttet design har lenge brukt optimaliseringsalgoritmer. I 2019 lanserer designeren Philippe Starck en stol utviklet i samarbeid med Autodesk , "AIchair".
Så langt er ikke kunstig intelligens offisielt regulert i Vesten. Imidlertid er både algoritmene og personopplysningene som er brukt underlagt reglene i GDPR .
De 18. desember 2018, EUs ekspertgruppe på høyt nivå om kunstig intelligens publiserer et dokument som inneholder retningslinjer for etikken til kunstig intelligens.
Suksesser innen AI oppmuntrer til spekulasjoner. I teknologikyndige sirkler pleier vi å være entusiastiske, den transhumanistiske bevegelsen er det beste uttrykket for det. Tvert imot, andre er bekymret og blir båret av spørsmål, noen ganger alarmiserende, inkludert innen høiteknologi. Dermed anerkjente skikkelser som Bill Gates - tidligere administrerende direktør i Microsoft og "ikonisk figur av informasjonen revolusjon på slutten av XX th århundre " - tror at vi må være veldig forsiktige om den fremtidige utviklingen av disse teknologiene, som kan bli liberticides eller farlig .
Utviklingen av kunstig intelligens reiser et stort antall spørsmål, spesielt det som gjelder muligheten for AI eller algoritmer til en dag å få tilgang til bevissthet , oppleve følelser og til slutt erstatte mennesker. Noen av disse reaksjonene er åpent optimistiske, andre er tvert imot pessimistiske. I 2016 publiserte INRIA en første stortingsmelding viet AI.
Som Martin Gibert forklarer i sin bok Moral to Robots: An Introduction to the Ethics of Algorithms , stiller definisjonen av begrepet “kunstig intelligens” et grunnleggende spørsmål: Hva er intelligens?
AI-forsker Yann Le Cun hevder at kjernen i intelligens er evnen til å forutsi . Faktisk antar det grunnleggende om programmering av de første ekspertsystemene å "mestre et problem perfekt og ha et nøyaktig bilde av alle løsningene" . Generelt sett står disse ekspertsystemene i kontrast til den nyere maskinlæringen , en teknikk der maskinen belønnes når den oppnår målene som er gitt den, med en progresjon som er analog med prøving og feiling-metoden . På 2010-tallet er den mest studerte teknikken den for overvåket læring , hvor lovene er indusert i systemet fra eksempler, mønstre og automatiske assosiasjoner, spesielt observerbar i stordata . I alle tilfeller består effektiviteten av kunstig intelligens i å oppfylle målene som er gitt av programmererne, og i å ta en beslutningstaking autonomi, noe som forutsetter en kapasitet for prediksjon.
Filosofen John Searle anser at forståelsesfakultetet er viktigere i definisjonen av intelligens. Han demonstrerer svakheten ved kunstig intelligenssystemer og grensene for Turing-testen , gjennom sin erfaring fra det kinesiske kammeret , derav hans konklusjon: "vi skal ikke si om en AI at den forstår informasjonen den behandler når den manipulerer syntaksregler uten mestre semantikken, det vil si uten å kjenne ordets betydning. Spørsmålet om å vite om vi kan snakke om en reell intelligens forblir derfor åpent ” .
En beskrivelse av en mulig fremtid for kunstig intelligens ble laget av den engelske statistikeren Irving John Good
“Anta at det er en maskin som i intelligens overgår alt det en mann er i stand til, uansett hvor strålende han måtte være. Utformingen av slike maskiner som en del av intellektuelle aktiviteter, kunne denne maskinen igjen skape maskiner bedre enn seg selv; dette vil utvilsomt ha effekten av en kjedereaksjon som utvikler intelligens, mens menneskelig intelligens nesten vil forbli på plass. Som et resultat vil den ultraintelligente maskinen være den siste oppfinnelsen som mennesket vil trenge å gjøre, forutsatt at maskinen er føyelig nok til stadig å adlyde ham. "
Mutasjonen som Good fremkaller tilsvarer en "kvalitativ" endring i selve fremdriftsprinsippet, og noen kaller det " singularitet ". Dette konseptet er sentralt for mange Transhumanists , som lurer på om farene eller håp om et slikt scenario, noen går så langt som å se for seg fremveksten av en digital "gud" kalt til å ta kontroll over skjebnen til verden. " Menneskeheten , eller fusjonere med det.
God anslått at bare litt over ett i to sjanse for å utvikle en slik maskin før slutten av XX th århundre. Forutsigelsen ble fortsatt ikke oppfylt, i 2012, men den gjennomsyret publikum på den tiden, spesielt under seieren til Deep Blue over Garry Kasparov . En del av allmennheten var faktisk overbevist om at IBM nettopp hadde utviklet vektoren for en slik eksplosjon av etterretning, og at dette selskapet ville ha nytte av det. Håpet ble knust: når den vant, ble Deep Blue, en enkel kalkulator som evaluerte 200 millioner posisjoner per sekund, uten bevissthet om selve spillet, omgjort til en klassisk maskin som ble brukt til datautvinning .
Utviklingen av kunstig intelligens vekker entusiasmen til transhumanister, særlig den amerikanske ingeniøren Ray Kurzweill , ifølge hvem det er åpenbart at på mer eller mindre lang sikt vil intelligens - til da begrenset til sin biologiske støtte, hjernen - bli gradvis ikke-biologisk og betydelig kraftigere til det punktet hvor cyborgs vil erstatte mennesker, dette i kraft av det han kaller "prinsippet om singularitet".
Utviklingen av kunstig intelligens skaper entusiasme, men også alvorlige bekymringer. Noen science fiction-forfattere , som Isaac Asimov , William Gibson eller Arthur C. Clarke , modellert etter historien om The Sorcerer's Apprentice , beskriver risikoen for at mennesker mister kontrollen over den tekniske prosessen. På 2000-tallet tok også forskjellige intellektuelle stilling. Det er også astrofysikeren Stephen Hawking , ifølge hvem det er en reell risiko for at maskiner en dag blir smartere enn mennesker og ender med å dominere dem, eller til og med erstatte dem, på samme måte som mennesker har utryddet visse dyrearter. I november 2017, på Web Summit- teknologimessen i Lisboa, stilte han følgende spørsmål "Vil vi bli hjulpet av kunstig intelligens eller bli lagt til side, eller til og med ødelagt av den?" ".
I den høyteknologiske verden uttrykker noen offentlig lignende frykt. Dette er tilfellet i 2015 med Bill Gates , Elon Musk og Bill Joy . Ifølge den amerikanske dataspesialisten Moshe Vardi kan kunstig intelligens sette 50% av menneskeheten ut av arbeid . "Vi nærmer oss en tid da maskiner vil være i stand til å overgå menn i nesten hvilken som helst jobb . " Dens komme vil til slutt reise spørsmålet om hvor nyttig den menneskelige arten er.
Noen produsenter tar disse risikoene på alvor. I 2016 stilte Google dermed spørsmålet om potensielt tap av kontroll over læringsagenter som kunne lære å forhindre avbrudd i en oppgave. Det er i denne forstand at firmaet utvikler en " rød knapp " integrert på et lavt nivå i AI-ene som gjør det mulig å deaktivere kunstige intelligenser, uten muligheten for å omgå dem (utover bare å "drepe" AI, målet med dette "rød knapp" er også å fryse den i prosessen, unngå å stoppe den, og dermed unngå en tilbakestilling av læring eller beregninger pågår).
Denne risikoen vurderes også fra et juridisk synspunkt. Dermed ba Europaparlamentet et utvalg om å undersøke muligheten for at en robot med kunstig intelligens kunne betraktes som en juridisk person. I tilfelle skader forårsaket av en tredjepart av kunstig intelligens, kan det beordres å reparere denne skaden. Det ville være mulig å gi en elektronisk personlighet til enhver robot som tar autonome beslutninger eller samhandler uavhengig med tredjeparter, på samme måte som en juridisk og naturlig person.
I USA grunnla Anthony Levandowski, faren til den autonome bilen , en religiøs organisasjon som fremmer en "guddommelighet" basert på kunstig intelligens. Denne organisasjonen, kalt “Fremtidens vei”, har eksistert siden september 2015.
Et annet problem er den enorme mengden knappe ressurser, servere og strøm som forbrukes av databehandlingen som ligger til grunn for AI.
Som historikeren François Jarrige forklarer, har kritikk av kunstig intelligens sin opprinnelse i - eldre og mer generell - av teknikker og teknologi, inkludert Lewis Mumford (i USA), Jacques Ellul (i Frankrike) og Günther Anders (Tyskland) er XX th århundre hoved initiativtagerne, og i dag inspirerer ulike militante sirkler (i Frankrike, for eksempel: Deler og arbeid Arbeid og Technologos ).
Ifølge Jarrige er avhandlingene deres lite kjent eller kontroversielle fordi "fremgang" og "staten" fortsatt i stor grad er overvurdert. Dermed tar opp ELLUL analyser, animatører av Technologos gruppen mener at staten er den desidert minste kvalifisert til å stoppe myndiggjøring av teknikeren prosessen og at det er opp til den enkelte å knuse myter av velferdsstaten. Og tekniske utvikling : “Det er ikke teknologi som gjør oss til slaver, men det hellige overført til teknologi (…). Det er ikke staten som gjør oss til slaver, det er dens sakrale forvandling ”.
I en rapport datert februar 2018 med tittelen The Malicious Use of Artificial Intelligence, 26 eksperter som spesialiserer seg på kunstig intelligens, advarer om farene ved kriminell bruk av AI: økning i nettkriminalitet, fører til bruk av droner til terrorformål, massemanipulering etc.
De 28. september 2016, gigantene i sektoren for kunstig intelligens setter opp et "partnerskap for kunstig intelligens til beste for innbyggerne og samfunnet". Året etter opprettet Google DeepMind en intern enhet for å adressere etiske problemer.
De 18. juli 2018, 2400 forskere, ingeniører og personligheter i sektoren for kunstig intelligens undertegner et åpent brev, og forplikter seg til å "aldri delta i eller støtte utvikling, produksjon, handel eller bruk av dødelige autonome våpen" . I brevet heter det spesielt at ”Beslutningen om å ta et menneskeliv skal aldri delegeres til en maskin. ". Blant underskriverne er Elon Musk , lederne for Google DeepMind, Stuart Russell , Yoshua Bengio og Toby Walsh .
Bekymringen om utskifting av menneskelig arbeidskraft med maskiner er ikke ny, og dette spørsmålet er allerede til stede blant enkelte økonomer av XIX E århundre som Thomas Mortimer (i) eller David Ricardo i første kapittel av prinsippene i økonomien. Politikk og skatt . I 1995 publiserte Jeremy Rifkin End of Work: The Decline of the Global Labor Force and the Dawn of the Post-Market Era . Dawn of the post-market era ”). Spådommer om arbeidsslutt er derfor vanlige og følger nesten alltid "innovasjonsklynger".
De 17. september 2013, to forskere i Oxford, Carl Benedikt Frey (en) og Michael A. Osborne, publiserer en fremtidsrettet rapport om innvirkningene av kunstig intelligens og robotisering på sysselsetting: Fremtiden for sysselsetting: Hvor utsatt er jobber for datamatisering ? . De spår at 47% av jobbene kan bli automatisert innen 2030. Denne rapporten har stor innvirkning i den akademiske verden og gir opp bekymringer rundt virkningen av kunstig intelligens på sysselsettingen. Kritikere av denne rapporten har dannet seg. Først og fremst begrunner Osborne og Frey i konstant bruk, og ifølge Joseph Schumpeter og hans prinsipp om kreativ ødeleggelse , hvis visse innovasjoner ødelegger arbeidsplasser, skaper de dem også andre steder. David Autor , i sin artikkel “ Hvorfor er det fortsatt så mange jobber? The History and Future of Workplace Automation ”utgitt i 2015, kvalifiserer spådommene til Frey og Osborne og stiller dermed spørsmål ved endringene i arbeidsmarkedets struktur på grunn av kunstig intelligens.
Til tross for de betydelige fremskrittene innen kunstig intelligens de siste årene, kan vi ikke si at slutten på arbeidshypotesen ennå har gått i oppfyllelse. Det er imidlertid sant at strukturen på arbeidsmarkedet gjennomgår store endringer på grunn av kunstig intelligens. Sosiologen Antonio Casilli , i sitt arbeid Waiting for the robots: research of the work of the click undersøker konsekvensene av "digital forstyrrelse" knyttet til kunstig intelligens på sysselsettingsstrukturen, ved å undersøke de ulike former for menneskelige aktiviteter som er nødvendige for produksjon av kunstig intelligens. Denne oppgaven er en del av en analyse av såkalt " digital work " ( " digital plowing " ), et konsept som ble laget på 2000-tallet for å betegne alle aktiviteter på nettet, skape verdier, vanligvis fanget av store digitale plattformer. Digital arbeid er i hovedsak knyttet til produksjon av kunstige intelligenser og kan analyseres i tre kategorier:
Arbeid etter behov Dette skjemaet har det særegne å være både online og offline. Dette er arbeidet relatert til algoritmiske matchingsplattformer som Uber , Deliveroo eller til og med Airbnb , etc. I tilfelle arbeid på forespørsel erstatter ikke kunstig intelligens menneskelig arbeid, men tillater en optimalisering av møtet mellom tilbud og etterspørsel på et bestemt marked. Denne formen for digital arbeidskraft er mindre knyttet til produksjon av kunstig intelligens enn de følgende to, derimot, kunstig intelligens og algoritmer ryster opp sysselsettingsstrukturen til de aktuelle aktivitetene. Den algoritmiske optimaliseringen av møtet mellom tilbud og etterspørsel oppmuntrer til et system for lønn etter oppgave og fratar arbeidstakere status som ansatt. I dette tilfellet gjelder konsekvensene av kunstig intelligens på sysselsettingen mer en endring i status for arbeidere, enn en erstatning av menneske med maskin. Oppgaven forblir den samme, bare ansettelses- og godtgjørelsesforholdene endres. Mikroarbeid Fremveksten av mikroarbeid er veldig nært knyttet til produksjonen av kunstig intelligens, spesielt i trenings- og kalibreringsfasen av algoritmer. Faktisk trenger alle kunstige intelligensalgoritmer (spesielt de som bruker dyplæringsteknologi ) utrolig mye data for å gjennomføre læringen og bli funksjonell. Til dags dato er det imidlertid ingen annen løsning enn å benytte seg av menneskelig arbeidskraft for å gi disse mengdene data. Det er Amazon , en av verdens ledere innen kunstig intelligens, som har den største mikroarbeidsplattformen: Amazon Mechanical Turk opprettet i 2005. De andre lederne innen kunstig intelligens bruker også tjenestene til mikroplattformer. -Arbeid: Google bruker EWOK , Microsoft fra UHRS og IBM fra Mighty IA. Disse digitale mikrooppgavene er generelt: skriv korte kommentarer, klikk, se videoer eller bilder, oversett tekst, gi synlighet til et nettsted, lag musikkspillelister, tagg bilder eller gjenkjenn ansikter eller ansikter. Objekter på bildene. Mikrooppgaver bruker mikrobetalinger: noen betales i øre, en eller to dollar for de mer forseggjorte. American Pew Research Center anslår at to tredjedeler av jobbene som tilbys på Amazon Mechanical Turk, får betalt mindre enn 10 cent, og den gjennomsnittlige timelønnen ble anslått av forskere til 1,38 per time i 2010. Ifølge en studie fra Verdensbanken i 2013 , den hadde da mer enn hundre mikroarbeidsplattformer i verden, som teller rundt en million registrerte, men nyere undersøkelser har sett at dette tallet økte kraftig, de siste estimatene. De fleste aktuelle fra noen titalls millioner, til mer enn 100 millioner mikroarbeidere i verden. I Frankrike er det omtrent 250 000 mikroarbeidere. Mikroarbeid kan sees på som arveretten til Taylorismen som har tilpasset seg den digitale økonomien. Sosialt nettverksarbeid Noen sosiologer, inkludert Antonio Casilli , anser at den elektroniske tilstedeværelsen på plattformer som samler inn personopplysningene våre, kan betraktes som en arbeidsform. Faktisk er denne online aktiviteten viktig for produksjonen av data som deretter vil bli brukt til å fremme algoritmene. Denne aktiviteten kan derfor betraktes som arbeid, i den grad den skaper verdi for plattformene.Til tross for frykten som hersker rundt hypotesen om arbeidets slutt, synes denne ideen for tiden å være en fantasi. Menneskelig arbeid er fortsatt viktig i læringsfasen av kunstige intelligenser. Selv trent og funksjonell, kunstig intelligens krever ofte menneskelige kontroller for å sikre at den fungerer. Det mest beryktede eksemplet i feltet er at stemmeassistenter, Amazon antar å lytte til samtaler fra Alexa- brukere for å "forbedre brukeropplevelsen", men det er faktisk mennesker som står bak denne avlyttingen. Ubers såkalte autonome biler kan heller ikke operere uten en kjøreoperatør, som ikke er ved rattet, men som må lede kjøretøyet ved å delta i gjenkjenningen av bilder levert av live kameraer. Uber har også bestemt seg for å doble antallet disse kjøreoperatørene etter den første dødsulykken tidlig i 2018. Analysen av digital arbeidskraft fremhever den nåværende ambivalensen av kunstig intelligens. Når de store digitale plattformene og ingeniørene kunngjør utskifting av mennesker med maskiner, viser en konkret sosiologisk studie oss at menneskelig arbeid for øyeblikket er viktig for å fylle hullene i kunstig intelligens. Det ser derfor ut til at bak løftene om automatisering til syvende og sist skjuler en usikkerhet om arbeidernes status (i tilfelle arbeid på forespørsel), en ekstrem fragmentering av oppgaver (i tilfelle mikroarbeid ) og en invisibilisering av arbeidet. (når det gjelder sosialt nettverk).
Forskere ved Institute for the future of humanity fra University of Oxford , fra Yale University og Al Impact undersøkte 352 eksperter innen maskinlæring for å forutsi utviklingen av AI i de neste tiårene.
Eksperter ble spurt om tidspunktet for spesifikke evner og yrker, samt deres spådommer når AI vil overgå mennesker i alle oppgaver. Og hva ville også være de sosiale implikasjonene. Forskere har spådd at maskiner vil være bedre enn mennesker til å oversette språk innen 2024. De vil være i stand til å skrive essays innen 2026. Kjør lastebiler innen 2027 og jobb i handel og salg i 2031.
Innen 2050 vil de kunne skrive bestselgere eller utføre arbeid som kirurger. Ifølge forskerne er det 50% sjanse for at kunstig intelligens vil overgå mennesker i alle områder på bare 45 år . Og med samme sannsynlighet kan maskiner overta alle menneskelige jobber på 120 år . Noen forskere spår til og med at det kan skje raskere.
Se også kategorien: Kunstig intelligens i kunst og kultur
En maskin med samvittighet og i stand til å oppleve følelser - eller å oppføre seg som om dette var tilfelle - er et klassisk tema for science fiction , inkludert romaner fra Isaac Asimov på roboter .
Dette emnet ble imidlertid utnyttet veldig tidlig, som i beretningen om eventyrene til Pinocchio , utgitt i 1881, hvor en dukke som er i stand til å føle kjærlighet til skaperen, søker å bli en ekte liten gutt, eller i Mannen den mest begavede i verden , en novelle av amerikaneren Edward Page Mitchell hvor hjernen til et enkelt sinn erstattes av en datamaskin inspirert av forskningen til Charles Babbage . Romanen Det fleksible speilet til Regis Messac tilbyr i mellomtiden prinsippet om svak kunstig intelligens, men skalerbar, med inspirerte automatiske enkle livsformer, som reagerer på visse stimuli som lys. Denne handlingen inspirerte sterkt filmen AI Artificial Intelligence regissert av Steven Spielberg , basert på ideer fra Stanley Kubrick , selv inspirert av Brian Aldiss . Arbeidet til Dan Simmons , inkludert syklusen til Hyperion , diskuterer kunstig intelligens. Destination vide , av Frank Herbert , fascinerer fascinerende fremveksten av en sterk kunstig intelligens. Mer nylig har den franske forfatteren Christian Léourier plassert en kunstig intelligens i hjertet av sin korte roman Helstrid (2018), der denne AI lar et menneske dø, og dermed bryter de tre lovene om robotikk etablert av Isaac Asimov nesten fire - tjue år tidligere.
De androider viser kunstig intelligens i fiksjon er mange: tegnet av data fra TV-serien Star Trek: The Next Generation er en kybernetisk vesen utstyrt med intelligens, med betydelige kapasiteter for læring. Han er senioroffiser på stjerneskipet Enterprise og utvikler seg sammen med sine menneskelige lagkamerater som inspirerer ham i hans søken etter menneskeheten. Den filmiske motstykket er Bishop i filmene Aliens (1986) og Alien 3 (1992). I manga Ghost in the Shell våkner en android til bevissthet. I Terminator- sagaen med Arnold Schwarzenegger ser den omprogrammerte T-800 , opprinnelig designet for å drepe, ut til å være i stand til å oppleve menneskelige følelser. I tillegg sendes de påfølgende terminatorene tidligere av Skynet , en kunstig intelligens som er klar over seg selv, og om faren som mennesker representerer for seg selv.
Spill, spesielt strategispill , har markert historien om kunstig intelligens, selv om de bare måler bestemte ferdigheter, som maskinens evne til å beregne sannsynligheter , ta beslutninger, men også lære .
Hans Berliner (1929-2017), doktor i datavitenskap ved Carnegie-Mellon University og sterk sjakkspiller , var en av pionerene innen programmering av spilldatamaskiner. Hans arbeid begynte med et program som kunne slå en menneskelig profesjonell i backgammon , da , fra 1960-tallet, og med hjelp av IBM , forsket han å lage et program som kan konkurrere med de store mestere i sjakk . Hans arbeid bidro noen tiår senere til realiseringen av Deep Blue superdatamaskinen .
I tillegg til spillens evne til å måle ytelsen til kunstig intelligens, enten gjennom en poengsum eller en konfrontasjon med et menneske, tilbyr spill et miljø som bidrar til eksperimentering for forskere, spesielt innen forsterkningslæring .
I Othello- spillet , på et brett på 8 av 8 firkanter, bytter hver spiller hver sin bonde i sin farge (svart eller hvit). Vinneren er den som eier pantene til den dominerende fargen.
En av de første kunstige intelligensene til Othello er IAGO, utviklet i 1976 av Caltech University i Pasadena (California), som lett beseirer den japanske mesteren Fumio Fujita.
Den første Othello menn mot maskiner-turneringen ble organisert i 1980. Et år senere samlet en ny programturnering 20 systemer. Det var mellom 1996 og 1997 at antall programmer eksploderte: Darwersi (1996-1999) av Olivier Arsac, Hannibal (1996) av Martin Piotte og Louis Geoffroy, Keyano (1997) av Mark Brockington, Logistello (1997) av Michael Buro, etc.
I 1968 utfordret den engelske internasjonale mesteren David Levy spesialister innen kunstig intelligens og satset dem på at ingen dataprogrammer ville være i stand til å slå ham ved sjakk de neste ti årene. Han vant sitt spill, og ble ikke endelig slått av Deep Thought før i 1989.
I 1988 var datamaskinen HiTech av Hans Berliner det første programmet som slo en stormester i sjakk, Arnold Denker ( 74 ) i spillet (3,5 til 1,5). Deretter ble sterke spillere slått, for eksempel stormester Bent Larsen (da på 2.560 Elo-poeng ), beseiret i 1988 av Deep Thought i en turnering i California.
I mai 1994, i München , den Fritz tre program , som kjører på en datamaskin med en Pentium 90 MHz monoprocessor , vant en blitz spill i en turnering mot verdensmesteren i sjakk Garry Kasparov , og i august 1994, under den første runden av Intel Hotel Prix i London møtte verdensmesteren Chess Genius 2.9 (løp på Pentium ved 100 MHz ) i semi-raskt spill (30 min per kamp) og tapte 0,5-1,5 (uavgjort og tap).
I 1997, seier IBM- designet superdatamaskin , Deep Blue (kallenavnet Deeper Blue i denne omkamp ), mot Garry Kasparov (03.05 til 02.05) markerte et vendepunkt: for første gang, ble det beste menneskelig spiller sjakk slått i en kamp (og ikke i et eneste spill) av en maskin.
I juni 2005 vant Hydra superdatamaskinen mot stormesteren Michael Adams med 5 seire, uavgjort og ingen nederlag.
I november 2006 vant Deep Fritz mot verdensmesteren Vladimir Kramnik med 2 seire, 4 uavgjorte og ingen tap, og plasserte spesielt i den andre delen en sjakkmat elementær (kompis i en) som Kramnik ikke lever, sliten av innsatsen under kampen .
I 2010 bekreftet den tidligere verdensmesteren Veselin Topalov ved hjelp av Blue Gene / P superdatamaskinen , deretter utstyrt med 8792 prosessorer, for forberedelsene til verdensmesterskapet i sjakk i 2010 .
I desember 2017, en generalistversjon av AlphaGo Zero - etterfølger av DeepMinds AlphaGo- program , se nedenfor i Go-delen - kalt AlphaZero , er utviklet, for å spille hvilket som helst spill som kun vet reglene, og lære seg alene å spille mot seg selv. Dette programmet ble deretter trent for Go, Shogi og Chess. Etter 9 timers trening slo AlphaZero sjakkprogrammet Stockfish med 28 seire, 72 uavgjorte og ingen tap. Imidlertid bør det bemerkes at den tilgjengelige datakraften som er tilgjengelig for AlphaZero (4 TPUv2 å spille, eller 720 Teraflops ) er uendelig større enn strømmen som er tilgjengelig for Stockfish, som bare bruker 64 Intel- kjerner . Han klarte også å slå etter å ha lært programmet Shōgi Elmo (in) .
I 2015 gjorde AI betydelige fremskritt i utøvelsen av Go , som er mer komplisert å forstå enn sjakk (blant annet på grunn av det større antall posisjoner: 10 170 per tur, mot 10,50 for sjakk, og spill sannsynlig: 10 600 per GB, mot 10 120 for feil).
I oktober 2015, AlphaGo , en AI-programvare designet av DeepMind , et datterselskap fra Google , beseirer Fan Hui , den tre ganger europeiske go-mesteren for første gang , og tar dermed opp det som ble ansett å være en av de største utfordringene for kunstig intelligens. Denne trenden ble bekreftet i mars 2016 da AlphaGo slo disiplinens verdensmester, Lee Sedol , tre ganger på rad , i en duell med fem spill. Lee Sedol erklærte på slutten av andre del at han ikke hadde funnet "ingen svakhet" i datamaskinen og at nederlaget hans var "utvetydig" .
I 2011 beseiret IA Watson designet av IBM sine menneskelige motstandere på det amerikanske spillprogrammet Jeopardy! . I dette spillet med spørsmål og svar er det viktig å forstå språket for maskinen; For å gjøre dette var Watson i stand til å stole på en stor intern database som ga ham elementer av generell kunnskap , og hadde evnen til å lære alene, spesielt av feilene. Han hadde likevel en fordel, evnen til å trykke øyeblikkelig (og derfor foran sine menneskelige motstandere) på summeren for å gi et svar.
Det første dataprogrammet som vant en betydelig pokerturnering mot profesjonelle menneskelige spillere var Polaris i 2007, og arbeidet med å forbedre dette resultatet har fortsatt siden den gang.
I 2017, under pokerturneringen “ Brains Vs. Artificial Intelligence: Upping the Ante ” (“Brain versus Artificial Intelligence: we raise the bet”) organisert i et kasino i Pennsylvania , den kunstige intelligensen Libratus , utviklet av forskere fra Carnegie Mellon University of Pittsburgh , møter menneskelige motstandere gjennom et maratonspill fordelt på 20 dager . De motsatte menneskelige spillerne som librerer all profesjonell poker, konfronterer suksessivt maskinen i ansikt til ansikt ( heads up (in) ) under reglene i " No Limit Texas Hold'em " ( ingen grense som betyr at ikke satt er ikke avkortet), så den vanligste versjonen av poker. Spillene blir sendt direkte og i åtte timer om dagen på Twitch- plattformen .
På slutten av mer enn 120.000 hender spilt, akkumulerer Libratus 1.766.250 dollar (virtuell). Den menneskelige spilleren som tapte minst penger i sin duell mot maskinen, Dong Kim, er fortsatt i underskudd på mer enn 85 000 dollar. I sine anmeldelser av motstanderens spill innrømmer menneskelige spillere at det er både forvirrende og veldig effektivt. Faktisk, "studerer" Libratus hver natt, takket være ressursene til en superdatamaskin som ligger i Pittsburgh, og hendene ble spilt i løpet av den siste dagen, ved hjelp av superdatamaskinens 15 millioner timers prosessor.
Maskinens rene og feilfri seier markerer et nytt trinn i utviklingen av kunstig intelligens og illustrerer fremdriften i AI-behandlingen av "ufullkommen informasjon", der tenking må ta hensyn til ufullstendige data eller skjult. Anslag for antall muligheter for et pokerspill No Limit ansikt til ansikt SPNT, faktisk ca 10 160 .
Tidligere vant profesjonell spiller Doug Polk (i) den første utgaven av denne hendelsen mot AI, kalt Claudico (in) .
Tekniske aspekter
Potensielle aspekter
Filosofiske aspekter
Kognitive, psykologiske og biologiske grunnlag
Språklige aspekter
Historie
Popularisering
Politikk, internasjonale relasjoner
Rettslige aspekter
Generelle forestillinger
Tekniske forestillinger
Forskere av kunstig intelligens (engelsktalende rom)
Forskere av kunstig intelligens (fransktalende område)
Kjente laboratorier og forskningsprosjekter innen kunstig intelligens
Refleksjoner