L’intelligence artificielle va tous nous remplacer… Vraiment ?

Parce qu’elle contient le mot « intelligence », l’intelligence artificielle fait peur à beaucoup de monde. Aujourd’hui, d’après Pierre-Julien Grizel, responsable de la Majeure Data Science et intelligence artificielle (SCIA) à EPITA, « l’intelligence artificielle c’est moins intelligent qu’un enfant de trois mois ». Cette erreur sémantique renforce la croyance que les robots vont dans quelques années prendre nos places et nous contrôler. L’intelligence artificielle est un outil dont l’usage va servir à remplacer ou optimiser les tâches exécutées par les Hommes.

Pour le CEO de Smart Touch Group, l’intelligence artificielle n’est qu’une technologie associant logique, statistiques et mathématiques. C’est l’utilisation de cette technologie qui va rendre un objet plus « intelligent » qu’un autre car il aura été programmé par l’Homme pour cela. Mais, en aucun cas la machine développera sa propre intelligence en dehors de toute intervention humaine.

La digitalisation : un levier pour notre avenir énergétique ?

Dans la phase d’entraînement de l’IA, le réseau neuronal est utilisé pour construire des algorithmes en traitant un grand nombre de données. Cette nouvelle approche prend en compte les données chronologiques afin de traiter non pas des points fixes mais des séquences. Les chercheurs se sont inspirés du nématode Caenorhabditis elegans dont le système nerveux, composé de seulement 302 neurones, est capable d’opérations complexes.

Une intelligence artificielle qui s’adapte aux données

Le réseau neuronal liquide utilise des équations différentielles imbriquées afin de changer les paramètres des équations dans le temps, ce qui le rend beaucoup plus flexible. Il est ainsi capable de mieux traiter des données contenant du bruit, comme le flux vidéo d’une voiture autonome lorsqu’il pleut. Les réseaux neuronaux sont comparés à des boîtes noires, où il est possible d’observer les entrées et sorties, mais pas ce qui se passe à l’intérieur. La possibilité de modifier ces équations permet aux chercheurs de mieux comprendre le fonctionnement du réseau, ce qui est normalement impossible. De plus, cette approche utilise un nombre plus limité de neurones que les réseaux classiques, ce qui réduit la puissance de calcul nécessaire.

Les chercheurs indiquent que le réseau neuronal liquide devrait permettre des avancées dans tous les domaines où les conditions peuvent évoluer rapidement. Cela inclut les voitures autonomes, le pilotage des robots, le traitement automatique du langage naturel, le diagnostic médical ou encore le traitement des vidéos.