Progrès de l'intelligence artificielle - Progress in artificial intelligence
| Fait partie d'une série sur |
| Intelligence artificielle |
|---|
 |
Les applications d' intelligence artificielle ont été utilisées dans un large éventail de domaines, notamment le diagnostic médical , la négociation d'actions , le contrôle des robots , le droit , la découverte scientifique, les jeux vidéo et les jouets. Cependant, de nombreuses applications d'IA ne sont pas perçues comme de l'IA : "Beaucoup d'IA de pointe ont filtré dans des applications générales, souvent sans être appelées IA, car une fois que quelque chose devient suffisamment utile et commun, il n'est plus étiqueté IA." "Des milliers d'applications d'IA sont profondément ancrées dans l'infrastructure de chaque secteur." À la fin des années 1990 et au début du 21e siècle, la technologie de l'IA est devenue largement utilisée en tant qu'éléments de systèmes plus grands, mais le domaine était rarement crédité de ces succès à l'époque.
Kaplan et Haenlein structurent l'intelligence artificielle selon trois étapes évolutives : 1) intelligence artificielle étroite – n'appliquant l'IA qu'à des tâches spécifiques ; 2) l'intelligence artificielle générale – appliquant l'IA à plusieurs domaines et capable de résoudre de manière autonome des problèmes pour lesquels ils n'ont même jamais été conçus ; et 3) la super intelligence artificielle – appliquer l'IA à tout domaine capable de créativité scientifique , de compétences sociales et de sagesse générale .
Pour permettre la comparaison avec les performances humaines, l'intelligence artificielle peut être évaluée sur des problèmes contraints et bien définis. De tels tests ont été appelés tests de Turing d'experts en la matière . De plus, des problèmes plus petits fournissent des objectifs plus réalisables et il y a un nombre toujours croissant de résultats positifs.
Performances actuelles
| Jeu | Année championne | États juridiques (log 10 ) | Complexité de l'arbre de jeu (log 10 ) | Jeu de l'information parfaite ? | Réf |
|---|---|---|---|---|---|
| Brouillons (dames) | 1994 | 21 | 31 | Parfait | |
| Othello (verso) | 1997 | 28 | 58 | Parfait | |
| Échecs | 1997 | 46 | 123 | Parfait | |
| Scrabble | 2006 | ||||
| Shogi | 2017 | 71 | 226 | Parfait | |
| Aller | 2016 | 172 | 360 | Parfait | |
| 2p no-limit hold « em | 2017 | Imparfait | |||
| StarCraft | - | 270+ | Imparfait | ||
| StarCraft II | 2019 | Imparfait |
Il existe de nombreuses capacités utiles qui peuvent être décrites comme montrant une certaine forme d'intelligence. Cela donne un meilleur aperçu du succès comparatif de l'intelligence artificielle dans différents domaines.
L'IA, comme l'électricité ou la machine à vapeur, est une technologie à usage général. Il n'y a pas de consensus sur la façon de caractériser les tâches dans lesquelles l'IA a tendance à exceller. Certaines versions du paradoxe de Moravec observent que les humains sont plus susceptibles de surpasser les machines dans des domaines tels que la dextérité physique qui ont été la cible directe de la sélection naturelle. Alors que des projets tels qu'AlphaZero ont réussi à générer leurs propres connaissances à partir de zéro, de nombreux autres projets d'apprentissage automatique nécessitent de grands ensembles de données d'entraînement. Le chercheur Andrew Ng a suggéré, en tant que "règle empirique très imparfaite", que "presque tout ce qu'un humain typique peut faire avec moins d'une seconde de pensée mentale, nous pouvons probablement maintenant ou dans un avenir proche automatiser à l'aide de l'IA".
Les jeux fournissent une référence de haut niveau pour évaluer les taux de progrès ; de nombreux jeux ont une large base de joueurs professionnels et un système de notation compétitif bien établi. AlphaGo a mis fin à l'ère des jeux de société classiques lorsque l'intelligence artificielle a prouvé son avantage concurrentiel sur les humains en 2016. Le logiciel AlphaGo AI de Deep Mind a battu le meilleur joueur de Go professionnel au monde, Lee Sedol . Les jeux de connaissances imparfaites offrent de nouveaux défis à l'IA dans le domaine de la théorie des jeux ; l'étape la plus importante dans ce domaine a été clôturée par la victoire de Libratus au poker en 2017. Les sports électroniques continuent de fournir des repères supplémentaires ; Facebook AI, Deepmind et d'autres se sont engagés avec la célèbre franchise de jeux vidéo StarCraft .
Les grandes classes de résultats pour un test d'IA peuvent être données comme :
- optimal : il n'est pas possible de faire mieux (note : certaines de ces entrées ont été résolues par des humains)
- surhumain : fonctionne mieux que tous les humains
- high-human : fonctionne mieux que la plupart des humains
- par-humain : fonctionne de la même manière que la plupart des humains
- sous-humain : fonctionne moins bien que la plupart des humains
Optimal
- Tic-tac-toe
- Connecter quatre : 1988
- Dames (aka 8x8) : faiblement résolu (2007)
- Rubik's Cube : Résolu en grande partie (2010)
- Heads-up limit hold'em poker : statistiquement optimal dans le sens où « une vie humaine de jeu n'est pas suffisante pour établir avec une signification statistique que la stratégie n'est pas une solution exacte » (2015)
Surhumain
- Othello (alias reversi): c. 1997
- Scrabble : 2006
- Backgammon : c. 1995-2002
- Echecs : Supercalculateur (c. 1997) ; Ordinateur personnel (vers 2006); Téléphone portable (vers 2009) ; L'ordinateur bat l'humain + l'ordinateur (vers 2017)
- Péril! : Réponse aux questions , bien que la machine n'utilise pas la reconnaissance vocale (2011)
- Arimaa : 2015
- Shogi : ch. 2017
- Aller : 2017
- Hold'em poker sans limite en tête-à-tête : 2017
- Poker no limit hold'em à six joueurs : 2019
Haut-humain
- Mots croisés : c. 2012
- Point 2 : 2018
- Jeu de cartes au bridge : Selon une revue de 2009, « les meilleurs programmes atteignent le statut d'expert en tant que joueurs de cartes (bridge) », hors enchères.
- StarCraft II : 2019
Par-humain
- Reconnaissance optique de caractères pour ISO 1073-1:1976 et caractères spéciaux similaires.
- Classement des images
- Reconnaissance de l'écriture manuscrite
Sous-humain
- Reconnaissance optique de caractères pour le texte imprimé (presque par-humain pour le texte dactylographié en latin)
- Reconnaissance d'objets
- Reconnaissance faciale : Précision humaine faible à moyenne (à partir de 2014)
- Réponse visuelle aux questions, comme le VQA 1.0
- Diverses tâches robotiques pouvant nécessiter des avancées dans le matériel robotique ainsi que dans l'IA, notamment :
- Locomotion bipède stable : les robots bipèdes peuvent marcher, mais sont moins stables que les marcheurs humains (à partir de 2017)
- Football humanoïde
- Reconnaissance vocale : "presque égale à la performance humaine" (2017)
- Explicabilité . Les systèmes médicaux actuels peuvent bien diagnostiquer certaines conditions médicales, mais ne peuvent pas expliquer aux utilisateurs pourquoi ils ont posé le diagnostic.
- Prédiction boursière : Collecte et traitement des données financières à l'aide d'algorithmes de Machine Learning
- Diverses tâches difficiles à résoudre sans connaissances contextuelles, notamment :
Tests proposés d'intelligence artificielle
Dans son célèbre test de Turing , Alan Turing a choisi le langage, la caractéristique déterminante des êtres humains , pour sa base. Le test de Turing est désormais considéré comme trop exploitable pour être une référence significative.
Le test de Feigenbaum , proposé par l'inventeur des systèmes experts , teste les connaissances et l'expertise d'une machine sur un sujet précis. Un article de Jim Gray de Microsoft en 2003 a suggéré d'étendre le test de Turing à la compréhension de la parole , à la parole et à la reconnaissance d'objets et de comportements.
Les tests "d'intelligence universelle" proposés visent à comparer les performances des machines, des humains et même des animaux non humains sur des ensembles de problèmes aussi génériques que possible. A l'extrême, la suite de tests peut contenir tous les problèmes possibles, pondérés par la complexité de Kolmogorov ; Malheureusement, ces ensembles de problèmes ont tendance à être dominés par des exercices de correspondance de modèles appauvris où une IA réglée peut facilement dépasser les niveaux de performance humaine.
Compétitions
De nombreux concours et prix, comme le Challenge Imagenet , valorisent la recherche en intelligence artificielle. Les domaines de compétition les plus courants incluent l'intelligence générale des machines, le comportement conversationnel, l'exploration de données, les voitures robotiques et le football robotique , ainsi que les jeux conventionnels.
Prédictions passées et actuelles
Un sondage d'experts vers 2016, mené par Katja Grace du Future of Humanity Institute et associés, a donné des estimations médianes de 3 ans pour le championnat Angry Birds , 4 ans pour les World Series of Poker et 6 ans pour StarCraft . Sur des tâches plus subjectives, le sondage a donné 6 ans pour plier le linge ainsi qu'un travailleur humain moyen, 7 à 10 ans pour répondre de manière experte à des questions « facilement Googleables », 8 ans pour la transcription vocale moyenne, 9 ans pour les opérations bancaires téléphoniques moyennes et 11 ans pour l'écriture de chansons experte, mais plus de 30 ans pour avoir écrit un best-seller du New York Times ou remporté le concours de mathématiques Putnam .
Échecs
Une IA a vaincu un grand maître dans un tournoi réglementaire pour la première fois en 1988 ; rebaptisé Deep Blue , il a battu le champion du monde d'échecs humain en titre en 1997 (voir Deep Blue contre Garry Kasparov ).
| Prédiction de l'année effectuée | Année prévue | Nombre d'années | Prédicteur | Source contemporaine |
|---|---|---|---|---|
| 1957 | 1967 ou avant | 10 ou moins | Herbert A. Simon , économiste | |
| 1990 | 2000 ou avant | 10 ou moins | Ray Kurzweil , futuriste | L'ère des machines intelligentes |
Aller
AlphaGo a battu un champion d'Europe de Go en octobre 2015, et Lee Sedol en mars 2016, l'un des meilleurs joueurs mondiaux (voir AlphaGo contre Lee Sedol ). Selon Scientific American et d'autres sources, la plupart des observateurs s'attendaient à ce que les performances surhumaines de Computer Go soient au moins dans une décennie.
| Prédiction de l'année effectuée | Année prévue | Nombre d'années | Prédicteur | Affiliation | Source contemporaine |
|---|---|---|---|---|---|
| 1997 | 2100 ou plus tard | 103 ou plus | Piet Hutt, physicien et fan de Go | Institut d'études avancées | New York Times |
| 2007 | 2017 ou avant | 10 ou moins | Feng-Hsiung Hsu , plomb bleu profond | Microsoft Research Asie | Spectre IEEE |
| 2014 | 2024 | dix | Rémi Coulom , programmeur Computer Go | Pierre folle | Filaire |
Intelligence artificielle générale (IAG) au niveau humain
Le pionnier de l'IA et économiste Herbert A. Simon a prédit à tort en 1965 : « Les machines seront capables, d'ici vingt ans, de faire n'importe quel travail qu'un homme peut faire ». De même, en 1970, Marvin Minsky a écrit que « Dans une génération… le problème de la création d'une intelligence artificielle sera substantiellement résolu.
Quatre sondages menés en 2012 et 2013 ont suggéré que l' estimation médiane parmi les experts du moment où l'AGI arriverait était de 2040 à 2050, selon le sondage.
Le sondage Grace autour de 2016 a révélé que les résultats variaient selon la façon dont la question était formulée. Les personnes interrogées à qui l'on a demandé d'estimer « quand les machines sans aide peuvent accomplir toutes les tâches mieux et à moindre coût que les travailleurs humains » ont donné une réponse médiane agrégée de 45 ans et une probabilité de 10 % que cela se produise dans les 9 ans. D'autres répondants ont demandé d'estimer « quand toutes les professions sont entièrement automatisables. C'est-à-dire, quand pour n'importe quelle profession, des machines pourraient être construites pour effectuer la tâche mieux et à moindre coût que les travailleurs humains » ont estimé une médiane de 122 ans et une probabilité de 10 % de 20 ans. La réponse médiane au moment où le "chercheur en IA" pouvait être entièrement automatisé était d'environ 90 ans. Aucun lien n'a été trouvé entre l'ancienneté et l'optimisme, mais les chercheurs asiatiques étaient beaucoup plus optimistes que les chercheurs nord-américains en moyenne ; Les Asiatiques ont prédit 30 ans en moyenne pour « accomplir toutes les tâches », par rapport aux 74 ans prédits par les Nord-Américains.
| Prédiction de l'année effectuée | Année prévue | Nombre d'années | Prédicteur | Source contemporaine |
|---|---|---|---|---|
| 1965 | 1985 ou avant | 20 ou moins | Herbert A. Simon | La forme de l'automatisation pour les hommes et le management |
| 1993 | 2023 ou avant | 30 ou moins | Vernor Vinge , écrivain de science-fiction | "La Singularité Technologique à Venir" |
| 1995 | 2040 ou avant | 45 ou moins | Hans Moravec , chercheur en robotique | Filaire |
| 2008 | Jamais / Futur lointain | Gordon E. Moore , inventeur de la loi de Moore | Spectre IEEE | |
| 2017 | 2029 | 12 | Ray Kurzweil | Entretien |
Voir également
- Applications de l'intelligence artificielle
- Liste des projets d'intelligence artificielle
- Liste des technologies émergentes