1.2 Leçon 2 : Histoire de l’intelligence artificielle

Résumé de la leçon

Cette leçon explore les étapes importantes, les revers et les avancées qui ont façonné l’intelligence artificielle (IA) au fil du temps.

Objectifs d’apprentissage

À la fin de cette leçon, les apprenants seront en mesure de :

• Identifier les étapes clés de l’histoire de l’IA.
• Expliquer l’essor et le déclin du développement de l’IA au fil du temps.
• Comprendre comment la technologie a façonné les progrès de l’IA.

1.2.1 Premières idées et étapes importantes

Les origines de l’intelligence artificielle (IA) remontent à des recherches philosophiques et mathématiques sur la nature de la logique, du raisonnement et du calcul. L’une des figures fondatrices de l’histoire de l’IA est Alan Turing, dont l’article de 1950 intitulé « Computing Machinery and Intelligence » (Machines à calculer et intelligence) posait la question cruciale suivante : les machines peuvent-elles penser ? Pour y répondre, Turing a proposé le « jeu de l’imitation », aujourd’hui connu sous le nom de « test de Turing », un critère d’évaluation de l’intelligence artificielle basé sur la capacité d’une machine à imiter de manière convaincante les réponses humaines.

Dans les années 1950 et 1960, des travaux fondamentaux ont vu le jour dans le domaine des réseaux neuronaux. En 1957, Frank Rosenblatt a développé le Perceptron, l’un des premiers modèles de neurones artificiels capables de reconnaître des formes. Ces travaux ont jeté les bases de l’apprentissage automatique en tentant de reproduire les processus d’apprentissage du cerveau humain.

La conférence de Dartmouth en 1956, dirigée par John McCarthy, Marvin Minsky et d’autres, a officiellement introduit le terme « intelligence artificielle » et a marqué le début de l’IA en tant que domaine d’étude.

Exemple :

Imaginez que vous êtes sur un site web de vente en ligne et que vous discutez avec le service client. Les réponses sont si naturelles, utiles et rapides que vous pensez parler à un être humain. Ce n’est que plus tard que vous réalisez qu’il s’agissait en fait d’un chatbot IA, ce qui signifie qu’il a peut-être réussi le test de Turing, tout comme certains affirment que ChatGPT est sur le point de le faire aujourd’hui !

1.2.2 Les hivers et les reprises de l’IA

Malgré un optimisme initial, la recherche en IA a rencontré des obstacles majeurs. Les « hivers de l’IA » désignent les périodes de réduction des financements, de l’intérêt et des progrès en raison d’attentes non satisfaites. Le premier hiver s’est produit au milieu des années 1970, en raison de l’incapacité des premiers systèmes d’IA à gérer la complexité du monde réel. Ces systèmes, souvent basés sur des règles, manquaient de la flexibilité nécessaire pour des applications pratiques.

Un deuxième hiver de l’IA a frappé à la fin des années 1980 et au début des années 1990. Malgré certains progrès, tels que les systèmes experts dans les domaines des affaires et de la médecine, les technologies d’IA étaient coûteuses à entretenir et échouaient souvent à s’adapter. Le financement s’est tari à mesure que le scepticisme grandissait.

Cependant, la reprise a suivi grâce aux progrès de l’apprentissage automatique, à la disponibilité accrue des mégadonnées et à la croissance de la puissance de calcul. Un regain d’intérêt est apparu au début des années 2000, ouvrant la voie à l’ère moderne de l’IA.

Question rapide :

Quelles ont été les deux causes principales des hivers de l’IA ?

1.2.3 Les avancées du XXIe siècle

Le XXIe siècle a été marqué par plusieurs avancées majeures qui ont sensibilisé le grand public à l’IA :

• Deep Blue (1997) : l’ordinateur d’IBM spécialisé dans les échecs a battu le champion du monde Garry Kasparov, démontrant ainsi la puissance de son calcul combinée à une grande profondeur stratégique.

• Watson (2011) : autre projet d’IBM, Watson a remporté le jeu télévisé Jeopardy ! en battant les meilleurs joueurs humains grâce à sa capacité à comprendre le langage naturel et à extraire des réponses d’une vaste base de données.

• AlphaGo (2016) : développé par Google DeepMind, AlphaGo a battu le champion du monde Lee Sedol au jeu complexe du Go, démontrant ainsi ses capacités avancées en matière d’apprentissage par renforcement et de réseaux neuronaux profonds.

• ChatGPT (2022– ) : développé par OpenAI, ChatGPT est un modèle linguistique capable de générer des textes semblables à ceux rédigés par des humains, d’écrire du code et d’engager un dialogue. Sa popularité a contribué à intégrer l’IA dans l’éducation, les affaires et la vie quotidienne.

Ces avancées démontrent la capacité croissante des systèmes d’IA à effectuer des tâches complexes autrefois considérées comme l’apanage de l’intelligence humaine.

Conseil :

Vous pouvez regarder le match d’AlphaGo sur YouTube (🎥 Regarder le match 4 – Partie complète) — c’est comme assister à un événement historique.

1.2.4 IA et évolution technologique

L’IA n’existerait pas sans trois facteurs clés :

• Matériel : l’augmentation exponentielle de la vitesse de traitement et l’utilisation des GPU (le processeur graphique) ont permis l’entraînement des réseaux neuronaux profonds.

• Croissance des données : l’essor de l’Internet, des appareils mobiles et des réseaux sociaux a généré d’énormes ensembles de données, essentiels à l’entraînement des algorithmes d’apprentissage automatique.

• Algorithmes : des innovations telles que les réseaux neuronaux convolutifs, les transformateurs et l’apprentissage par renforcement ont renforcé les capacités de l’IA.

Cette triade de facteurs (matériel, données et algorithmes) a été le moteur de la révolution de l’IA et continuera de l’être.

Conseil de pro :

Explorez le site web Papers with Code (en anglais) pour découvrir les performances des nouveaux algorithmes sur des benchmarks.

1.2.5 Activité pratique

Activité interactive sur la chronologie : Moments clés de l’histoire de l’intelligence artificielle

Résumé

L’histoire de l’intelligence artificielle reflète un cycle d’innovations ambitieuses, de limites technologiques et de percées. Des questions fondamentales de Turing à l’essor des réseaux neuronaux et de l’IA générative moderne, l’IA a évolué à travers des échecs et des succès, sous l’impulsion de la puissance de calcul, des données et des algorithmes. Comprendre cette trajectoire permet aux jeunes entrepreneurs du domaine de l’IA d’apprécier le passé et de façonner l’avenir.

Tâche :

Répondez au questionnaire sur l’histoire de l’IA disponible sur la plateforme LMS afin d’obtenir votre badge « Histoire de l’IA ». Vous obtiendrez des points supplémentaires si vous publiez un nouveau jalon potentiel dans l’histoire de l’IA sur le forum de discussion.

Références :

• Campbell, M., Hoane, A. J., & Hsu, F.-H. (2002). Deep Blue. Artificial Intelligence, 134(1–2), 57–83.
• Ferrucci, D., Brown, E., Chu-Carroll, J., Fan, J., Gondek, D., Kalyanpur, A. A., et al. (2010). Building Watson: An overview of the DeepQA project. AI Magazine, 31(3), 59–79.
• Hendler, J. (2008). Avoiding another AI winter. IEEE Intelligent Systems, 23(2), 2–4.
• McCarthy, J., Minsky, M. L., Rochester, N., & Shannon, C. E. (1955). A proposal for the Dartmouth Summer Research Project on Artificial Intelligence.
• OpenAI. (2023). ChatGPT: Introducing GPT-4. Retrieved from: https://openai.com
• Silver, D., Huang, A., Maddison, C. J., Guez, A., Sifre, L., van den Driessche, G., et al. (2016). Mastering the game of Go with deep neural networks and tree search. Nature, 529 (7587), 484–489.
• Turing, A. M. (1950). Computing machinery and intelligence. Mind, 59 (236), 433–460.