Qu’est-ce que l’intelligence artificielle?

L’informatique est une discipline qui traite de l’information, et ce, de manière automatisée. Ce qui signifie que le traitement à appliquer a été determiné par l’homme, et que celui-ci l’a automatisé au moyen d’une plateforme d’automatisation, qu’on appelle ordinateur.

Il est donc manifeste que l’informatique est une discipline pratique, et non spéculative. Son objectif est de produire — de manière automatisée — de l’information. Si l’information est le résultat, l’informatique est le moyen: l'informatique est un art.

Je m’explique.

L’informatique est une discipline qui cherche à fournir des moyens d’automatisation du traitement de l’information, que ce soient des plateformes d’automatisation (ordinateur), ou des artefacts d’automatisation (logiciels). Notez le terme: artefact.

Parmi les activités humaines, on distingue les sciences des arts. Les sciences cherchent à comprendre les choses et les phénomènes par leurs causes propres. Les arts quant à eux cherchent à produire des choses, qu’on nomme artefacts: arte factum, « qui est fait par l’art ».

L’art s’oppose à la nature. Est artificiel, ce qui est fait par l’art, c’est-à-dire par l’activité humaine rationnelle; est naturel ce qui est produit par la nature. La foudre est naturelle, l’éclairage électrique est artificiel.

L’informatique n’est donc pas une discipline purement spéculative comme le sont les mathématiques, mais une discipline pratique : c’est-à-dire n’ayant pas comme objectif la seule compréhension, mais l’automatisation du traitement de l’information. La science y est un moyen, et non une fin.

Sa mise en œuvre nécessite donc d’abord de connaître l’information. L’information in abstracto, ou du moins celle propre à son domaine d’application. Il faut ensuite déterminer le bon traitement devant être appliqué afin de produire le résultat attendu. Et enfin, il faut l’automatiser.

À l’origine, le génie désigne l’utilisation de l’art mécanique en vue de construire des engins militaires. Il possède une racine commune avec ingénieur par ingenium « intelligence, talent, habileté, génie, savoir-faire. ».

Aussi l’ingénieur est-il celui qui porte un regard attentif au besoin, aux contraintes, aux méthodes et ressources disponibles. Il analyse et synthétise afin de mettre en œuvre des solutions fonctionnelles et pérennes.

Il convient donc de revenir à la notion d’art. La science cherche simplement à connaître les raisons, l’art à produire. Cependant, l’art partage avec la science le fait de connaître la raison des choses.

Le mot art vient du latin ars qui signifie l’art et la profession en ce qu’ils nécessitent de l’habileté. Les anciens grecs avaient une notion similaire, qu’ils désignaient par le terme τέχνη techne, à laquelle ils ajoutaient la connotation de technique et de charpente. Par charpente, il faut comprendre les structures et donc l’activité d'architecture. L’architecture, c’est la connaissance et la mise en oeuvre des principes structurels qui permettent l’élaboration de solutions opérationnelles et perennes.

Cette unité entre art et artisanat, cette affinité avec la technique et la production est bien rendue par le japonais 術 じゅつ jutsu.

Il est important pour nous de savoir distinguer — sans séparer — l’activité technique de l’ingénierie. La technique consiste à savoir comment résoudre un problème lorsqu’il est bien défini. L’ingénierie consiste d’abord à savoir déterminer quel est le bon besoin, ses contraintes et les problèmes associés. De là, l’ingénieur propose des options de solutions originales et pérennes capables de mitiger les contraintes et les risques. Ses solutions sont justifiées à partir de l’analyse des besoins, de l'expérience, de l’état de l’art, et surtout de ce qui est disponible.

On peut synthétiser la méthode de l’ingénieur ainsi:

Pour l’ingénieur la réalisation est indissociable du savoir : l’ingénierie est une connaissance pratique.

Savoir justifier ses choix nécessite une part de discernement. Celui-ci pour discerner doit être capable de découvrir et reconnaitre des aspects théoriques présents dans la réalité.

Le mot science vient du latin scio savoir. Son étymologie remonte à la racine indo-européenne skei « couper, diviser ». Vous comprenez maintenant le lien avec la méthode présentée par Aristote: déterminer le commun, séparer le spécifique. Le savoir est cependant un genre, et tout savoir n’est pas une science.

Un même sujet peut être objet de différentes sciences. Le regard du biologiste et du mathématicien ne sont pas les mêmes lorsqu’ils se posent sur un chien.

On dit que chaque science se distingue par sa manière de définir. Je peux avoir un discours scientifique sur la course du chien:

Dans chacune de ces questions posées sur le même objet, mais par des sciences différentes, la définition du chien va différer. Il s’agit d' une projection de la réalité totale qu’est un chien dans le formalisme de chaque science. Ce sont différentes formalités, différentes manières de considérer, de « regarder », qu’on appelle point de vue formel.

Chaque science de distingue donc par son point de vue formel.

La science peut avoir pour conséquence d’éclater la réalité dans l’esprit de celui qui la pratique: on retrouve bien là l’origine même de son nom et de sa méthode. Aussi, pour retrouver une vision globale de la réalité, il faudra faire un effort de synthèse, de réconciliation des formalités.

Une conséquence importante est à noter. Si je connais les causes d’une chose, alors je sais comment l’obtenir. Dans l’ordre de la connaissance, c’est la preuve. Dans l’ordre du faire, c’est la production. L’objet de notre activité, est comme la conclusion de l’enchainement des causes, étant donnés des principes de départs ou une situation initiale.

En simplifiant, on peut dire que les causes servent de principes, la logique de méthode et l’objet d’étude de conclusion.

La science est formelle.

Notez encore une fois que l’on parle d’intelligence artificielle et non de science artificielle.

Nous comprenons maintenant que l’intelligence artificielle est une projection de l’objet/activité « intelligence » dans l’art informatique et son formalisme.

Russell ^[7] et Norvig ^[8] font remarquer dans leur ouvrage, Artificial Intelligence: A Modern Approach, 4th edition. que: « Les ingénieurs en aéronautique ne définissent pas leurs objectifs comme l’art de faire des machines qui volent exactement comme le ferait un pigeon, et qui pourraient même tromper un pigeon. »

Il s’agit ici d’une critique ouverte à l’encontre d'Alan Turing. Celui-ci avait proposé le célèbre test de Turing. Lors de celui-ci, un homme est engagé dans plusieurs conversations écrites. Il doit alors déterminer parmi les conversations qu’il a eues, celles qui ont eu lieu avec une machine. La machine passe le test de Turing, si l’homme n’a pas réussi à faire le distingo.

Alan Turing est l’un des pères de l’informatique. Nous l’avons vu, l’intelligence des notions admet divers degrés depuis l’ignorance jusqu’à la clarté formelle. Aussi est-il fondamental de remarquer que Russel et Norvig n’auraient pas pu faire cette critique sans le défrichage de Turing. On retrouve l’adage de Bernard de Chartres, (XIIᵉ siècle) « Nous sommes des nains sur les épaules de géants. »

Remarquez que si Turing a pu manquer de clarté dans le domaine qu’il avait pour ainsi dire lui-même inventé, tout comme Russel et Norvig, il maitrise cependant parfaitement l’ingénierie. Tous répondent à la question de ce que serait une intelligence artificielle, non pas de de manière purement spéculative, mais par la définition de résultats à obtenir de manière automatisée.

Remarquez encore la profondeur du regard de Turing: en posant l’informatique, il a l’intelligence de la notion: le traitement de l’information. Et sa science: il conclu aussitôt de manière ultime: le traitement automatisé de l’information doit aboutir à l’intelligence articifielle.

Une dernière chose. Avez-vous noté que le test proposé par Turing n’a absolument rien d’anodin ou de naif? Il a posé les domaines de l’intelligence artificielle:

On pourra facilement articuler cela avec la robotique via la vision artificielle et la robotisation.

On classe habituellement les sous-domaines de l’IA comme ceci :

Le Traitement du Langage Naturel utilise actuellement de l’apprentissage profond pour traiter et interpréter des données, de type texte ou numérique.

L'Apprentissage Automatique utilise toutes sortes de techniques, très souvent des méthodes statistiques, pour tirer des généralités et des lois à partir de séries de données.

L' Apprentissage Profond est une technique particulière de L' Apprentissage Automatique qui se concentre aujourd’hui sur les réseaux de neurones multi-couches.

L' apprentissage automatique supervisé consiste à tirer des généralités sur une série de données, afin de pouvoir faire des prédictions sur de futures données inconnues.

On en distingue deux catégories, en se fondant sur la nature de ce qui est prédit:

Ainsi on peut définir mathématiquement l’apprentissage automatique supervisé :

Soit un ensemble de valeurs descriptives X = [x1, x2, x3, x4]. L’Apprentissage Automatique non-supervisé cherchera à établir les corrélations qui existent entre les individus X1…​Xn, et donc à les classer.

L’Apprentissage Automatique non-supervisé cherche à mettre en exergue les similarités, les singularités et les valeurs aberrantes.

Le modèle devra notamment procéder à une réduction du nombre de dimensions, en éliminant par exemple les variables très fortement corrélées. Par exemple si x1 représente le poids, et x2 la masse.