Deep learning, robotique
& imaginaires de l'IA.
Du fonctionnement des réseaux de neurones aux trois lois d'Asimov, en passant par les utopies et dystopies de l'intelligence artificielle.
L'intelligence artificielle est à la fois une technologie réelle et un grand thème de fiction. Dans la réalité, elle reconnaît, traduit, génère, conseille. Dans les histoires, elle nourrit deux récits opposés : une IA qui aide, ou une IA qui échappe au contrôle.
Cette recherche présente le deep learning, les trois lois de la robotique d'Isaac Asimov, puis deux utopies et deux dystopies très connues liées à l'IA.
Le deep learning
Le deep learning, ou apprentissage profond, est une branche de l'intelligence artificielle. Il fait partie du machine learning, c'est-à-dire des méthodes qui permettent à une machine d'apprendre à partir de données plutôt que d'être programmée règle par règle.
Le principe repose sur des réseaux de neurones artificiels, inspirés de manière simplifiée du cerveau humain et organisés en couches : les premières repèrent des éléments simples, les suivantes les combinent, et les dernières produisent une réponse.
Par exemple, pour reconnaître l'image d'un chat, un système de deep learning peut d'abord repérer des lignes, puis des formes, puis des oreilles, des yeux, des moustaches, et conclure qu'il s'agit probablement d'un chat.
Comment le modèle apprend
On lui donne des données, il fait une prédiction, puis il la compare à la bonne réponse. S'il se trompe, il ajuste ses paramètres pour réduire l'erreur. Ce processus est répété énormément de fois.
On l'utilise aujourd'hui pour la reconnaissance d'images, la traduction automatique, les assistants vocaux, les recommandations, la génération de texte ou d'images, et l'analyse de données médicales ou scientifiques.
Limites
Le deep learning a besoin de beaucoup de données et de puissance de calcul. Il peut reproduire des biais présents dans les données d'entraînement. Il est aussi parfois difficile d'expliquer pourquoi un modèle donne une réponse plutôt qu'une autre.