L’intelligence artificielle générale est un agent d’IA capable de résoudre des problèmes complexes, de faire preuve d’esprit critique et de reproduire les fonctions cognitives d’un être humain. Actuellement, cette branche de l’intelligence artificielle est à l’état d’hypothèse, et les chercheurs et les entreprises travaillent activement à la développer.
L’intelligence artificielle (IA) a connu une expansion rapide au cours des dernières années. Il s’agit également d’un sujet important pour la plupart des entreprises qui tentent d’évoluer dans le monde moderne. Les professionnels de tous les niveaux, des dirigeants aux travailleurs débutants, se montrent enthousiastes (et inquiets) quant à l’avenir de l’IA. Et avec l’explosion soudaine de l’IA générative disponible, bon nombre d’entre eux commencent à se demander si l’IA est en passe de remplacer les employés humains dans plusieurs domaines.
Jusqu’à présent, l’humanité demeure d’actualité face à l’IA. Le monde des affaires a plutôt commencé à exploiter les capacités de l’IA pour améliorer l’efficacité et optimiser les flux de travail. Cela peut être en partie dû au fait que l’IA actuellement disponible est ce que les chercheurs considèrent comme une IA faible. Une IA forte, aussi appelée intelligence artificielle générale (IAG) qui possède des capacités humaines, pourrait avoir un effet plus drastique sur le monde, à condition que ce rêve actuel devienne une réalité.
L’IA (ou intelligence artificielle faible) est une technologie capable d’effectuer des tâches spécialisées, souvent mieux que les humains. L’IA que la plupart des gens connaissent est faible et, malgré ses capacités limitées, elle constitue un développement hautement efficace de l’IA. L’IA faible comprend deux types de machines : les machines réactives et les machines à mémoire limitée. Les machines réactives répondent aux demandes immédiates, mais ne peuvent pas stocker de données ni apprendre des expériences passées. Les machines à mémoire limitée stockent de l’information et apprennent à mesure qu’elles découvrent de nouvelles données.
Beaucoup de gens ne réalisent pas à quel point l’IA faible fait partie intégrante de leur vie quotidienne. Voici quelques exemples d’IA :
- Chat GPT, un modèle de langage génératif;
- les filtres de courriels indésirables;
- la lecture aléatoire dans les applications de musique, comme Spotify;
- la navigation GPS, comme Google Maps;
- les fonctionnalités de correction automatique des textos; les assistants intelligents comme Siri ou Alexa.
L’IA forte, ou intelligence artificielle générale, est parfaitement capable d’exercer une pensée cognitive humaine. Elle peut notamment résoudre des problèmes, raisonner de façon critique et apprendre. L’IAG peut apprendre et assimiler l’information, puis l’appliquer dans un nouveau scénario, tout en s’adaptant aux changements de l’environnement. Aujourd’hui, cela n’existe pas, mais les humains ont depuis longtemps imaginé ce à quoi cela pourrait ressembler : des androïdes excentriques ou compétents de La Guerre des étoiles et de Star Trek aux IAG malfaisantes représentées dans les franchises 2001 : Odyssée de l’espace et Terminator.
Actuellement, l’IA faible peut seulement effectuer des tâches précises. Cependant, elle les accomplit très bien et au-delà des capacités humaines. En général, l’utilisation de l’IA réduit les erreurs humaines et améliore l’efficacité. Une IA forte offrira probablement des avantages similaires. Elle sera en mesure d’effectuer des tâches sans erreurs humaines et à une vitesse incroyable.
La principale différence entre ces deux types d’IA réside dans le fait que l’intelligence artificielle forte aura la capacité d’apprendre et de penser comme un être humain réel peut le faire. L’IA faible ne peut fonctionner qu’exactement comme sa programmation l’indique. Lorsqu’elle sera en mesure de produire ses propres idées et de s’améliorer par elle-même, elle deviendra une IA forte.
Bien que l’IA générale (IAG) ne soit pas encore pour demain, les chercheurs ne cessent d’explorer et d’essayer d’atteindre le prochain jalon. Les scientifiques prédisent qu’après avoir développé une véritable intelligence artificielle générale, la prochaine étape consistera à créer une superintelligence artificielle. Tout comme l’IA forte, elle sera capable de faire les mêmes choses que les fonctions cognitives humaines. La superintelligence sera pleinement consciente d’elle-même et dépassera l’intelligence humaine. Elle serait en mesure de travailler au-delà de ce qu’un humain pourrait faire. Actuellement, la superintelligence est à l’état d’hypothèse, tout comme l’IAG.
Avant que l’IA actuelle puisse devenir l’IAG, elle devra maîtriser certaines compétences :
L’IAG devra développer la capacité de percevoir et de juger les caractéristiques spatiales. Actuellement, l’IA ne peut pas identifier complètement les couleurs. Par exemple, l’IA est souvent incapable de savoir si un panneau d’arrêt est rouge s’il y a des autocollants dessus. Un humain et une IAG ne seraient pas bloqués par la multitude de couleurs et seraient capables d’identifier l’objet en tant que panneau d’arrêt. L’IA est également incapable d’extraire des informations tridimensionnelles à partir d’une image statique. L’IAG pourra regarder une image et savoir qu’il s’agit d’une sphère, même si l’image n’est que bidimensionnelle.
Les humains peuvent également percevoir la direction d’origine du son et comprendre les conversations de fond. L’IA n’est pas en mesure de le faire, mais l’IAG pourrait juger les distances spatiales et comprendre les conversations à faible volume qui se déroulent derrière d’autres conversations au son plus fort.
Les mains humaines peuvent effectuer une grande variété de tâches sans effort. Pour devenir une véritable IAG, il faudrait que l’IA développe des compétences motrices fines similaires à celles de l’être humain. Cela permettrait à l’IAG de réaliser des puzzles et de manipuler des objets.
Même les jeunes enfants peuvent lire plusieurs phrases et les comprendre au-delà des capacités actuelles de l’IA. Pour que l’IAG puisse se développer, elle devra être en mesure de lire et de regarder tous les types de communications et de les comprendre. Elle devra comprendre le langage lui-même ainsi que le sens qui le sous-tend. Cette compétence constituera une base essentielle pour que l’IAG apprenne tout ce qu’elle doit savoir pour effectuer des tâches plus sophistiquées.
Pour que l’IAG se développe, elle devra être capable d’identifier et de résoudre un problème. Pour le moment, aucun système connu ne possède le bon sens nécessaire pour résoudre un problème efficacement sans invites. À l’avenir, l’IAG pourrait être capable de diagnostiquer les problèmes et de les résoudre.
Il existe des modèles d’IA qui peuvent naviguer dans des espaces tridimensionnels et les projeter. En revanche, une véritable IAG aura ces capacités sans aucune intervention humaine. Actuellement, les modèles d’IA peuvent en faire beaucoup, mais pas sans l’aide humaine. L’IAG sera en mesure de réaliser simultanément la cartographie et la localisation par ses propres moyens.
L’IA en son état actuel n’est pas en mesure de vraiment créer quoi que ce soit. Elle peut suivre des invites et assembler des mots, mais elle ne peut pas créer quelque chose d’unique. L’IAG sera en mesure de véritablement créer. En fait, les experts prédisent que l’IAG devra être en mesure de réécrire son propre code et de trouver de nouvelles améliorations pour continuer à exceller.
Idéalement, l’IAG sera un outil avec lequel les humains voudront communiquer. Pour que cela soit possible, l’IAG devra apprendre à reconnaître les émotions humaines à partir du langage corporel et des expressions faciales, et déterminer comment interagir avec les personnes en conséquence. L’IA commence à reconnaître les émotions avec la reconnaissance faciale, mais elle est extrêmement limitée et souvent inexacte. Après tout, les humains peuvent également avoir de la difficulté à comprendre les émotions.
Quand l’IAG sera capable de comprendre les émotions, elle pourra interagir avec les humains de manière à ce que cela semble naturel. Les résultats seront différents des réponses générées par un assistant personnel comme Siri et Alexa. L’IAG sera capable de mener des conversations uniques et de déterminer ce qu’il faut dire en fonction des émotions des gens qui l’entourent.
Les chercheurs travaillent sans relâche à élargir le domaine de l’intelligence artificielle et à concevoir une IAG. Voici quelques-unes des approches utilisées pour concevoir une intelligence artificielle générale :
Certains pensent que la capacité à comprendre et à utiliser la pensée symbolique est le cœur de l’intelligence humaine. Ces chercheurs tentent de créer une façon d’enseigner à la technologie comment penser ainsi. Ils croient que s’ils y parviennent, une IAG pourrait voir le jour.
Ce domaine de recherche met l’accent sur le cerveau humain en tant que réseau complexe de neurones qui envoient des signaux électriques. Les chercheurs tentent de recréer ce type de système dans l’espoir qu’il conduira à la conception d’une IAG.
Certaines personnes considèrent l’intelligence humaine comme un système hybride avec de nombreuses pièces différentes qui travaillent ensemble pour créer quelque chose de plus que la somme de ses parties. Les chercheurs essaient de reproduire ce genre d’intelligence humaine de diverses façons.
Ces chercheurs croient que s’ils parviennent à résoudre mathématiquement la théorie de l’intelligence générale, ils pourront alors la créer. Ils travaillent sur des modèles purement théoriques dans l’espoir de les transférer dans le monde réel.
Certains scientifiques croient que la création de l’intelligence humaine n’est possible qu’en présence d’un corps physique. Ils travaillent à intégrer l’IA à des représentations physiques du corps humain pour aboutir à des découvertes dans la création de l’IAG.
L’IAG est un objectif lointain pour la plupart des chercheurs. Pourtant, ils savent que le développement de certaines capacités technologiques favorisera la recherche sur l’IAG. Voici quelques-uns des principaux domaines qui connaissent des progrès constants :
L’apprentissage profond est une discipline de l’IA qui vise à former des réseaux neuronaux pour comprendre les relations complexes entre les données. Les chercheurs construisent des réseaux complexes et entraînent l’IA à comprendre du texte, de l’audio, des images, de la vidéo et d’autres types d’informations.
L’IA générative est un sous-ensemble d’apprentissage profond où l’IA peut produire du contenu à partir des connaissances acquises. Ces modèles sont entraînés à l’aide de quantités massives de données pour apprendre à créer du contenu qui ressemble à une création humaine.
Le traitement du langage naturel (NLP) est une branche qui aide les modèles d’IA à comprendre et à générer du langage humain. C’est ainsi que fonctionnent les outils d’IA comme les robots conversationnels.
La vision par ordinateur est la capacité de l’IA à extraire, à analyser et à comprendre les informations spatiales à partir de données visuelles. Elle est en cours de développement afin de concevoir des véhicules autonomes qui peuvent détecter les obstacles et les éviter.
Ce domaine vise à concevoir des mécanismes qui peuvent effectuer des tâches physiques. Cela permettrait à l’IAG de se manifester plus pleinement sur le plan physique et d’effectuer davantage de services et de tâches.
L’IAG n’est pas encore une réalité, et il existe actuellement des obstacles qui rendent ce domaine de recherche extrêmement difficile :
En ce moment, de nombreux systèmes d’IA ne peuvent pas communiquer entre eux. Des intérêts contradictoires entraînent un manque de partage des données entre les chercheurs et les modèles. Ces lacunes empêchent le développement de l’universalité de l’IA.
Même pour les humains, il est difficile de comprendre comment l’esprit humain fonctionne. Sans comprendre totalement ce que cela signifie d’être intelligent, il peut être difficile de créer une technologie avec des capacités de type humain. Pour ce faire, les chercheurs devront d’abord comprendre comment l’intelligence fonctionne pour les humains.
Les systèmes d’IA fonctionnent dans des environnements isolés et autonomes. Il n’existe actuellement pas de protocoles pour réguler et activer le partage et la collaboration. Nous sommes loin du réseau complexe d’un environnement humain social qu’un modèle d’IAG devrait développer.
La meilleure stratégie d’entreprise consiste à obtenir un retour sur investissement sur les ressources mises en place pour développer et utiliser l’IA. Cependant, les retours de l’IA sont difficiles à mesurer, car une grande partie du développement survient sous la forme de petits éléments ou étapes, plutôt que sous la forme d’un produit final. Ainsi, il peut être difficile de cadrer la recherche avec la stratégie.
Trop souvent, les organisations manquent de plans ou de politiques pour l’IA et pour la méthode de sa mise en œuvre dans leurs opérations commerciales. Les équipes de direction ont rarement une compréhension approfondie du fonctionnement des systèmes d’IA et doivent embaucher des experts en IA aux honoraires élevés. Cela rend la mise en œuvre coûteuse et ajoute un obstacle à la mise au point d’un système d’IAG complexe.
Les discussions sur les systèmes d’IA capables de penser et d’agir comme des êtres humains suscitent généralement beaucoup de peur. Les gens s’inquiètent de la prise de contrôle du monde par l’IAG ou de la perte de toute notion de vie privée. La plupart de ces inquiétudes sont basées sur des émotions plutôt que sur un raisonnement. Malgré tout, il existe des risques réels associés à la création d’un système d’intelligence artificielle générale. Voici quelques-unes de ces craintes :
les personnes qui utilisent l’IAG à des fins abjectes;
les biais influençant la façon dont l’IAG est entraînée, ce qui mène à un modèle biaisé;
le manque de sécurité pour les données et les renseignements personnels;
comment légiférer judicieusement sur ce type de technologies.
L’IAG sera conçue pour accomplir tout ce qu’un humain pourrait faire, et cela présente de nombreux avantages :
De nombreuses tâches quotidiennes sont monotones et peuvent vous empêcher d’atteindre des niveaux de productivité plus élevés. L’IAG pourrait accomplir davantage de ces tâches et le faire beaucoup plus rapidement que les humains. Cela éliminerait le besoin pour tout le monde d’effectuer ces tâches simples. Par exemple, des véhicules autonomes entièrement fonctionnels pourraient éliminer le besoin de conduire pour tout le monde. Les gens pourraient plutôt être transportés d’un endroit à l’autre. L’IAG pourrait également être en mesure de remplir les tablettes à l’épicerie ou même d’effectuer des tâches ménagères.
L’IAG pourra travailler de longues heures, sans faire de pauses et en maintenant un rendement élevé. Cela lui permettra d’accomplir des tâches en restant parfaitement concentrée, sans subir les effets de la fatigue ou des distractions. Cela pourrait signifier que l’IAG pourrait accomplir de nombreuses tâches de façon autonome, éliminant ainsi le besoin d’agents humains. Dans d’autres cas, elle pourrait endosser un rôle plus axé sur le soutien, comme aider les chirurgiens pendant les longues interventions.
Certains emplois sont très dangereux pour les humains, et une IA forte pourrait permettre de réduire le besoin d’intervention humaine dans de tels environnements à risques. Par exemple, l’exploitation minière et le soudage sous-marin sont des activités extrêmement dangereuses. Les robots dotés d’une IAG et aussi habiles que les humains pourraient effectuer toutes les tâches nécessaires dans ces zones de travail sans que personne ne risque sa vie.
Certains espèrent que les robots dotés d’une IAG pourraient être une solution pour l’exploration spatiale. Les machines nécessiteraient moins de ressources pour voyager et pourraient fournir des données de recherche beaucoup plus détaillées aux scientifiques que la technologie actuelle ne le permet.
L’IA faible est déjà en mesure de détecter les catastrophes dans certains contextes aux fins de prévention. Une IA forte constituera une amélioration et fournira une aide précieuse en cas d’événements imprévus. Par exemple, un modèle d’IAG pourrait être capable de prédire une catastrophe et de définir les meilleurs itinéraires d’évacuation.
L’émergence de l’IAG soulèverait certaines préoccupations éthiques. La principale inquiétude concernerait la régulation d’une technologie aussi puissante. Qui prendrait les décisions concernant l’utilisation de l’IAG? Qui est responsable en cas de dérapage? Il s’agit de questions essentielles auxquelles il convient de trouver des réponses au moment de la conception d’une IAG, mais cela peut s’avérer extrêmement difficile. Actuellement, personne n’est responsable de l’IA et de la définition de politiques éthiques.
Un autre obstacle éthique réside dans l’entraînement équitable de la technologie d’IAG. Les experts prédisent que pour créer une IA forte, le modèle devra être entraîné sur de grandes quantités de données. Un biais humain pourrait alors s’introduire dans l’IAG. Si une IAG est entraînée uniquement sur certaines données, elle pourrait agir de manière biaisée plus tard.
Il ne sera pas facile de déclarer la date de conception d’une IAG, car on ne peut mesurer l’intelligence. Les chercheurs ont proposé des tests pour déterminer si quelque chose peut être considéré comme une véritable IA forte :
Le test de Turing est la méthode originale de test de l’IA développée dans les années 50 par Alan Turing, un chercheur britannique. Il a déterminé que l’IAG véritable pourra tenir une conversation avec un humain sans être reconnue comme une machine. L’humain croira qu’il parle avec un autre humain parce que la machine peut très bien imiter les humains.
Le test se déroule en trois parties : une personne est chargée de deviner et de déterminer laquelle des deux entités est un humain et laquelle est une machine. Si l’interrogateur ne parvient pas à identifier la machine, elle serait considérée comme une IAG.
Le cofondateur d’Apple, Steve Wozniak, a proposé qu’une machine soit dotée de niveaux d’intelligence humains si elle peut suivre tout le processus de préparation du café. La machine serait en mesure de rechercher des ingrédients, de les localiser, de les rassembler en un seul endroit et d’effectuer la tâche.
En 2012, le chercheur Ben Goertzel a proposé que la machine ait une intelligence humaine si elle peut être admise dans un cégep, suivre des cours et réussir suffisamment d’examens pour obtenir un diplôme comme un être humain. Un robot doté d’une IA et provenant de Chine a réussi deux examens d’admission en mathématiques, mais aucune IA faible n’est parvenue à atteindre les étapes suivantes.
Nils J. Nilsson a proposé qu’une IA ait atteint les niveaux d’une IAG lorsqu’elle peut effectuer des tâches au même niveau que les humains. Essentiellement, l’IAG serait apte à l’emploi, de la même façon que les travailleurs humains.
L’IAG n’est pas encore une réalité, mais les chercheurs réalisent déjà de nombreux progrès en ce moment. Voici quelques-unes des dernières tendances en matière d’IA générale :
Le NLP a connu de grandes améliorations au cours des dernières années avec ChatGPT d’Open-AI. GPT-4 peut gérer 100 trillions de paramètres pour un traitement complet du langage. Cela indique une possibilité très réelle de développement d’une IA capable d’interagir et de communiquer efficacement avec les humains.
La volonté d’augmenter le métavers s’accompagne du potentiel de créer un espace pour le développement de l’IAG. L’IA peut aider à créer le métavers, et les agents conversationnels peuvent aider les utilisateurs à se sentir chez eux dans le monde virtuel.
L’automatisation est déjà une réalité dans la plupart des entreprises et des industries. L’hyperautomatisation constitue un niveau supérieur, en faisant avancer les perspectives d’automatisation pour les organisations. L’IA a joué un rôle important dans ce domaine.
Les experts prédisent que les gens seront de plus en plus nombreux à prêter attention aux biais qui peuvent provenir de l’IA. En retour, les emplois de régulation et de gouvernance de l’utilisation et de l’entraînement de l’IA seront plus répandus. On s’attend à ce que de plus en plus d’entreprises embauchent des chefs de l’IA et des experts en matière de conformité de l’IA.
Les systèmes à programmation schématisée ou sans code offrent une interface conviviale qui permet à un utilisateur sans connaissances en codage de l’utiliser et de l’expérimenter. Ce développement pourrait augmenter le nombre de personnes capables de travailler sur l’IA et accroître les chances de faire des progrès dans la création de l’IAG.
Bien que les gens aient peur que l’IA vole leur emploi, la tendance actuelle consiste à mettre en œuvre l’IA en milieu de travail, mais de la maintenir dépendante des humains. Avec cette tendance, la façon dont les personnes et l’IA collaborent sera renforcée, ce qui jette les bases de l’IAG.
Les robots conversationnels sont des assistants virtuels qui peuvent effectuer certaines tâches. Par exemple, un robot conversationnel peut aider les utilisateurs à réinitialiser leur mot de passe sans avoir besoin de l’aide d’un représentant du service à la clientèle. Ces agents ont remplacé la dépendance de l’entreprise envers les employés humains et les coûts opérationnels. Avec l’IAG, cette tendance continuerait de se développer.
Comme les gens sont plus conscients des biais et des erreurs dans l’IA, les discussions sur l’éthique de l’IA sont également plus fréquentes. La préoccupation éthique entourant l’utilisation de l’IA restera un thème constant dans les discussions sur l’IA et l’IAG.
Les entreprises commencent déjà à intégrer l’IA dans leur processus d’embauche. Malgré les enjeux liés aux biais, ces pratiques peuvent permettre aux équipes RH de gagner beaucoup de temps et aux entreprises d’économiser beaucoup d’argent. Par exemple, la technologie permet d’analyser les curriculum vitæ et de sélectionner un groupe de candidats à recevoir pour des entrevues.
L’IA dans sa forme limitée est déjà un élément important dans la vie des gens et dans le fonctionnement des entreprises. Elle peut prendre en charge les tâches monotones et accélérer les processus. C’est pourquoi Now PlatformMD de ServiceNow offre des capacités d’IA générative, des infrastructures d’apprentissage machine, la compréhension du langage naturel, la recherche et l’automatisation, ainsi que les analyses et l’exploration de processus.
L’IA de cette plateforme est conçue pour accroître la productivité et l’efficacité afin d’améliorer les expériences au travail. Apprenez-en davantage sur l’IA de ServiceNow pour voir comment l’IA générative peut être la prochaine étape de l’évolution de votre entreprise.
L’informatique quantique pourrait accélérer les algorithmes et permettre aux modèles de traiter les volumes élevés de données nécessaires à la conception d’une IAG. Les recherches sur la façon dont l’informatique quantique pourrait amplifier l’IA se poursuivent.