L’IAG est la conclusion logique de la recherche sur l’IA : un ensemble d’algorithmes numériques capables d’aborder les problèmes et d’évaluer les informations de manière critique avec la souplesse et la profondeur de la cognition humaine. En d’autres termes, l’IAG ne se contente pas d’imiter l’intelligence; elle la démontre aussi clairement et indéniablement que n’importe quelle personne.
Si cela semble peu probable, c’est parce que l’IAG est encore un domaine très théorique; aucune véritable IAG n’a jamais été créée. L’intelligence artificielle est actuellement impressionnante, mais elle ne démontre pas de réelles capacités cognitives, en ce sens qu’elle ne peut pas penser par elle-même comme le feraient des utilisateurs humains. Elle n’a pas conscience d’être un être pensant.
C’est le principal point qui distingue l’IA de l’IAG. Les différences entre l’intelligence artificielle générale et l’intelligence artificielle peuvent être résumées plus précisément de la manière suivante :
- L’IA fonctionne selon des règles et des motifs de données prédéfinis. Elle ne peut prendre des décisions que dans les limites de ses données d’entraînement.
- L’IAG serait hypothétiquement capable de raisonner de manière sophistiquée dans plusieurs domaines, en développant potentiellement de nouvelles approches de résolution de problèmes qui pourraient différer des motifs de raisonnement humains. Elle serait capable de traiter des concepts abstraits, de se livrer à des analyses logiques complexes et, éventuellement, de découvrir de nouvelles façons de penser que les humains n’ont pas encore envisagées.
Le développement de l’IA est fermement ancré dans le désir de créer des systèmes qui peuvent automatiser des tâches complexes. L’IA et l’IAG auraient des limites différentes dans ce qu’elles seraient capables d’accomplir.
- L’IA est conçue pour des tâches spécifiques comme la reconnaissance d’images ou la traduction des langues. Elle ne peut pas généraliser les connaissances ni transférer des compétences dans différents domaines.
- L’IAG accomplirait un large éventail de tâches en imitant la polyvalence de l’intelligence humaine. L’IAG s’adapterait à de nouvelles tâches de manière autonome, sans nécessiter de réentraînement ni de programmation plus spécifique.
Tous les modèles d’IA sont construits à partir de données d’entraînement initiales, mais ils peuvent aussi être capables d’améliorer leurs performances à partir de nouvelles données, évoluant et s’améliorant au fil du temps.
- L’IA apprend à partir de vastes ensembles de données dans un domaine précis. L’IA intègre parfois l’apprentissage machine pour identifier des motifs lorsque de nouvelles données sont rencontrées, améliorant ainsi sa capacité à effectuer des tâches spécifiques avec une précision croissante.
- L’IAG serait capable d’intégrer les apprentissages à partir de nouvelles données, mais ne serait pas limitée à un domaine spécifique. À l’instar de l’apprentissage humain, l’IAG serait capable d’apprendre et d’évoluer dans tous les domaines auxquels elle est exposée.
Comprendre le contexte consiste à interpréter les informations et à y répondre en tenant compte des circonstances et des nuances qui l’entourent, ainsi que des informations subtiles qui peuvent être difficiles à quantifier.
L’IA ne comprend pas suffisamment le contexte et a souvent du mal à saisir les nuances. L’IA a généralement besoin d’informations claires et structurées pour fonctionner correctement.
L’IAG est destinée à comprendre et à interpréter le contexte d’une manière qui s’aligne sur la compréhension humaine. Cette capacité lui permettrait d’interagir plus naturellement avec les humains.
La résolution de problèmes généraux consiste à relever une grande variété de défis en utilisant une approche polyvalente. Il s’agit de la capacité à évaluer efficacement des problèmes nouveaux et à commencer à élaborer des solutions viables.
L’IA résout des problèmes concrets pour lesquels elle a été entraînée. Elle manque de flexibilité pour faire face à des problèmes qui ne sont pas prévus dans sa programmation.
L’IAG résoudrait théoriquement un large éventail de problèmes, en employant une intelligence générale utilisant des compétences de résolution de problèmes équivalentes à celles des humains. L’IAG pourrait appliquer ses connaissances et ses compétences de façon dynamique à des défis nouveaux et diversifiés.
Le terme « intelligence artificielle générale » a été utilisé pour la première fois en 2007, mais le concept existe depuis bien plus longtemps sans avoir de nom. Pendant tout ce temps, cela a toujours été davantage une théorie qu’une réalité. L’IA générative a ramené ce concept dans le domaine du possible pour de nombreux théoriciens et constitue peut-être la première étape notable, depuis des années, vers la réalisation d’une véritable IAG.
La capacité de l’IA générative à appliquer des techniques d’apprentissage profond pour créer du nouveau contenu (texte, images, vidéo, audio, etc.) qui est catégoriquement similaire à ses données d’entraînement tout en étant original et distinct nous rapproche de l’IAG. Cela dit, l’IA générative et l’IAG ne sont pas la même chose.
Malgré les remarquables capacités de l’IA générative, ces systèmes présentent toujours les mêmes limites que l’IA. En revanche, l’intelligence artificielle générale pourrait théoriquement reproduire toute la gamme des capacités cognitives humaines et plus encore; elle posséderait la souplesse nécessaire pour comprendre, apprendre et appliquer des connaissances à diverses tâches et dans divers contextes, en faisant preuve de capacités de raisonnement et de résolution de problèmes comparables à celles de l’intelligence humaine. Elle pourrait également s’appliquer à l’amélioration des capacités génératives, bien au-delà de ce que l’IA générative peut faire aujourd’hui.
Compte tenu des progrès stupéfiants réalisés par l’IA uniquement au cours de la dernière année, il est facile de considérer l’IAG comme inévitable, voire imminente. En réalité, il faudra encore réaliser plusieurs avancées avant que l’IA puisse enfin faire le saut vers une véritable intelligence générale. Les éléments suivants sont essentiels pour combler l’écart entre l’IA limitée et les processus de réflexion polyvalents et humains promis par l’IAG :
Les systèmes d’IA doivent être en mesure d’interpréter et de traiter les sons avec la même perception spatiale et les mêmes nuances que les humains. Parmi ces dernières, mentionnons la distinction entre les sons qui se chevauchent et la reconnaissance des sources sonores dans des environnements complexes, essentielles aux applications comme les assistants virtuels avancés et les systèmes autonomes qui fonctionnent dans des environnements dynamiques.
L’IA doit reconnaître et interpréter avec précision les données visuelles, notamment les différences subtiles de couleur et de texture, pour effectuer des tâches comme l’imagerie médicale avancée, le contrôle de la qualité dans le secteur de la fabrication et l’analyse vidéo en temps réel.
Les systèmes d’IA ont besoin d’une véritable intelligence spatiale pour naviguer et interagir avec des environnements physiques comme le font les humains. Il ne s’agit pas simplement de « voir » le monde physique, mais de comprendre parfaitement l’espace 3D, de reconnaître les relations entre les objets et de prédire les interactions physiques. Une IAG dotée d’une intelligence spatiale interpréterait les dynamiques spatiales en temps réel, ajustant ses actions en fonction de la configuration et des changements de son environnement, plutôt que de se fier uniquement au GPS ou à des cartes prédéfinies.
Une IAG doit être en mesure de reconnaître les problèmes et de concevoir des solutions efficaces de façon indépendante. Il s’agit non seulement de comprendre le contexte du problème, mais aussi de faire preuve de bon sens et de raisonnement prédictif pour résoudre des problèmes inédits, comme le font les humains lorsqu’ils dépannent et innovent dans le cadre du processus de résolution de problèmes.
Les systèmes mobiles d’IA doivent naviguer dans des environnements complexes de manière autonome et sécuritaire sans intervention humaine. Il ne s’agit pas seulement de suivre des coordonnées GPS, mais aussi de s’adapter dynamiquement à de nouveaux obstacles, à des conditions changeantes et à des événements imprévus, autant d’éléments cruciaux pour des applications telles que les véhicules entièrement autonomes et les systèmes de livraison robotisés.
Bien qu’il soit moins important pour les systèmes purement informatiques, le développement de la motricité fine est essentiel pour les tâches physiques qui nécessitent précision et dextérité. Cette avancée permettra aux robots d’effectuer des activités complexes comme des interventions chirurgicales et des travaux d’assemblage délicats dans le secteur de la fabrication.
Avant que l’IAG puisse exister, l’IA doit aller au-delà du traitement d’éléments d’information isolés et parvenir à une compréhension totale du contexte. Il s’agit notamment de comprendre les significations implicites, les indices sociaux et les structures linguistiques complexes qui prévalent dans le langage humain.
L’IA générative peut imiter la créativité, mais elle n’est pas créative. L’IAG doit être en mesure de générer des idées entièrement nouvelles et des solutions créatives, ce qui nécessite un ensemble de connaissances diversifiées et la capacité de synthétiser ces connaissances de manière novatrice.
Pour terminer (et c’est peut-être la plus grande avancée de toutes), il y a la capacité de l’IAG à interagir sans difficulté avec les humains sur le plan émotionnel. Reconnaître les signaux émotionnels implicites, y répondre et comprendre les dynamiques sociales est une facette extrêmement subtile et complexe de l’interaction sociale, qui pose des difficultés à de nombreux êtres humains. La situation est d’autant plus compliquée lorsqu’il s’agit de tenter d’enseigner ces interactions aux systèmes d’IA.
L’IAG est encore loin, mais des solutions d’IA avancées sont disponibles aujourd’hui. ServiceNow offre ces solutions d’IA à votre entreprise, grâce à la puissance de Now PlatformMD. La suite complète d’applications centralisées de ServiceNow intègre l’IA en son cœur, pour autonomiser les organisations de toutes tailles.
Automatisez les flux de travail complexes. Améliorez le service à la clientèle avec des agents virtuels en tout temps. Classez et acheminez facilement les demandes vers les bons interlocuteurs. Répondez rapidement et avec précision à des demandes détaillées. Extrayez des aperçus exploitables à partir des données de l’entreprise afin d’identifier les tendances de la clientèle et du marché. Et parallèlement, améliorez vos opérations commerciales en réduisant les coûts à tous les niveaux. Now Platform n’est pas encore une IAG pour l’entreprise, mais elle s’en rapproche.
Pour profiter de tous les avantages des solutions d’IA pour l’entreprise les plus avancées actuelles, planifiez une démonstration avec ServiceNow dès aujourd’hui!
