5 min de lecture
Les premières itérations des applications d’IA avec lesquelles nous interagissons le plus aujourd’hui reposent sur des modèles de machine learning traditionnels. Ces modèles s’appuient sur des algorithmes d’apprentissage développés et gérés par des data scientists. En d’autres termes, les modèles de machine learning traditionnels nécessitent une intervention humaine pour traiter les nouvelles informations et effectuer toute nouvelle tâche non apprise pendant leur entraînement initial.
Par exemple, Apple a introduit la fonctionnalité Siri dans son système d’exploitation iOS en 2011. Cette première version de Siri a été entraînée à comprendre un ensemble de déclarations et de demandes très spécifiques. Une intervention humaine était nécessaire pour étendre la base de connaissances et les fonctionnalités de Siri.
Cependant, les capacités de l’IA n’ont cessé d’évoluer depuis le développement révolutionnaire des réseaux de neurones artificiels en 2012, des réseaux qui permettent aux machines de suivre un apprentissage par renforcement et de simuler la manière dont le cerveau humain traite l’information.
Contrairement aux modèles de machine learning de base, les modèles d’apprentissage profond permettent aux applications d’IA d’apprendre à effectuer de nouvelles tâches qui nécessitent une intelligence humaine, d’adopter de nouveaux comportements et de prendre des décisions sans intervention humaine. L’apprentissage profond a ainsi introduit de nouvelles capacités dans tous les secteurs : automatisation des tâches, génération de contenu, maintenance prédictive et autres fonctionnalités.
Grâce à l’apprentissage profond et à d’autres avancées, l’IA reste un domaine dynamique qui ne cesse d’évoluer. Notre compréhension collective de l’IA concrète et de l’IA théorique continue d’évoluer. EN d’autres termes, les catégories d’IA et la terminologie utilisée peuvent différer (et se chevaucher) d’une source à l’autre. Cependant, il est possible de mieux comprendre les différents types d’IA en examinant deux catégories globales : les capacités de l’IA et les fonctionnalités de l’IA.
Newsletter sectorielle
Obtenez des informations sur les actualités les plus importantes et les plus intrigantes en matière d’intelligence artificielle. Abonnez-vous à notre newsletter hebdomadaire Think. Lire la Déclaration de confidentialité d’IBM.
Vous recevrez votre abonnement en anglais. Vous trouverez un lien de désabonnement dans chaque newsletter. Vous pouvez gérer vos abonnements ou vous désabonner ici. Consultez la Déclaration de confidentialité d’IBM pour plus d’informations.
L’intelligence artificielle étroite, également connue sous le nom d’IA faible (ce que nous appelons IA étroite), est le seul type d’IA qui existe aujourd’hui. Toutes les autres formes d’IA sont théoriques. Cette IA peut être entraînée pour effectuer une tâche précise, souvent beaucoup plus rapidement et efficacement qu’un esprit humain.
Cependant, elle ne peut pas fonctionner en dehors de sa tâche définie. Au lieu de cela, elle cible un seul sous-ensemble de capacités cognitives et elle évolue dans ce spectre. Siri, Alexa d’Amazon et IBM Watson sont des exemples d’IA étroite. Même ChatGPT d’OpenAI est considéré comme une forme d’IA étroite, car il se limite à la seule tâche de chat textuel.
L’intelligence artificielle générale (IAG), également connue sous le nom d’ IA forte, n’est aujourd’hui qu’un concept théorique. L’IAG peut utiliser les connaissances et les compétences apprises précédemment pour accomplir de nouvelles tâches dans un contexte différent, sans requérir d’intervention humaine pour entraîner les modèles sous-jacents. Cette capacité permet à l’IAG d’apprendre et d’effectuer toutes les tâches intellectuelles que les humains sont capables d’exécuter.
La super IA est communément appelée superintelligence artificielle et, comme l’IAG, elle est strictement théorique. Si jamais elle se concrétisait, la super IA penserait, raisonnerait, apprendrait, ferait preuve de discernement et posséderait des capacités cognitives qui surpasseraient celles des humains.
Les applications dotées de capacités de super IA évolueraient à tel point qu’elles comprendraient les expériences et les sentiments humains jusqu’à avoir leurs propres émotions, besoins, croyances et désirs.
L’IA étroite, l’un des trois types d’IA basés sur les capacités, inclut deux catégories fonctionnelles :
Les machines réactives sont des systèmes d’IA sans mémoire conçus pour effectuer une tâche très spécifique. Comme elles ne se souviennent pas des sorties ou des décisions antérieures, elles ne se basent que sur les données disponibles à ce moment-là. L’IA réactive repose sur les mathématiques statistiques et peut analyser de grandes quantités de données pour produire un résultat apparemment intelligent.
Contrairement à l’IA réactive, cette forme d’IA peut se souvenir d’événements et de résultats passés et surveiller des objets ou des situations spécifiques au fil du temps. L’IA à mémoire limitée peut utiliser les données actuelles et passées pour décider de la ligne de conduite la plus susceptible de générer le résultat souhaité.
Cependant, si l’IA à mémoire limitée peut utiliser des données antérieures pendant une durée définie, elle ne peut pas les conserver dans une bibliothèque d’expériences passées pour les utiliser sur le long terme. Au fil de ses entraînements, l’IA à mémoire limitée peut améliorer ses performances.
L’IA à théorie de l’esprit est une classe fonctionnelle de l’IA qui relève de l’IA générale. Bien qu’il s’agisse d’une forme d’IA non réalisée aujourd’hui, l’IA dotée d’une telle fonctionnalité comprendrait les pensées et les émotions d’autres entités. Cette compréhension pourrait affecter les interactions de l’IA avec son environnement. En théorie, cela permettrait à l’IA de simuler des relations humaines.
Étant donné que l’IA fondée sur la théorie de l’esprit pourrait déduire les motivations et les raisonnements des êtres humains, elle personnaliserait ses interactions avec eux en fonction de leurs besoins émotionnels et de leurs intentions uniques. L’IA à théorie de l’esprit serait également capable de comprendre et de contextualiser les œuvres d’art et les essais, ce que les outils d’IA générative actuels sont incapables de faire.
L’IA émotionnelle est une IA à théorie de l’esprit en cours de développement. Les chercheurs en IA espèrent qu’elle aura la capacité d’analyser les voix, les images et d’autres types de données pour reconnaître, simuler et surveiller les émotions humaines et y répondre de manière appropriée. À ce jour, l’IA émotionnelle n’est pas en mesure de comprendre les sentiments humains et d’y réagir.
Une IA consciente est une classe d’IA fonctionnelle destinée à des applications qui posséderaient des capacités de super IA. Tout comme l’IA à théorie de l’esprit, l’IA consciente est strictement théorique. Si elle était concrétisée, elle serait capable de comprendre ses propres conditions et caractéristiques internes, ainsi que les émotions et les pensées humaines. Elle aurait également ses propres émotions, besoins et croyances.
L’IA émotionnelle est une IA à théorie de l’esprit en cours de développement. Les chercheurs espèrent qu’elle aura la capacité d’analyser les voix, les images et d’autres types de données pour reconnaître, simuler et surveiller les émotions humaines et y répondre de manière appropriée. À ce jour, l’IA émotionnelle n’est pas en mesure de comprendre les sentiments humains et d’y réagir.
Des applications d’IA étroite avec vision par ordinateur peuvent être entraînées pour interpréter et analyser le monde visuel. Elles permettent aux machines intelligentes d’identifier et de classer des objets dans des images et des séquences vidéo.
Voici quelques applications de la vision par ordinateur :
La vision par ordinateur joue un rôle essentiel quand les machines basées sur l’IA interagissent avec le monde physique qui les entoure. Parmi les exemples, citons les voitures autonomes et les machines sillonnant les entrepôts et d’autres environnements.
Dans les environnements industriels, les robots peuvent utiliser l’IA étroite pour automatiser les tâches de routine répétitives impliquant la manipulation des matériaux, l’assemblage et le contrôle qualité. Dans le domaine de la santé, les robots équipés d’une IA étroite peuvent assister les chirurgiens en surveillant les constantes vitales et en détectant d’éventuels problèmes pendant les interventions.
Les machines agricoles peuvent effectuer l’élagage, le transport, l’éclaircissage, le semis et la pulvérisation de manière autonome. Les robots aspirateurs intelligents comme l’iRobot Roomba utilisent la vision par ordinateur pour se déplacer dans la maison et s’orientent grâce aux données stockées en mémoire.
Les systèmes experts dotés de capacités d’IA étroite peuvent être entraînés sur un corpus pour émuler la prise de décision humaine et appliquer cette expertise à la résolution de problèmes complexes. Ces systèmes peuvent évaluer de vastes quantités de données à la recherche de tendances et de schémas sur lesquels baser leurs décisions. Ils permettent aux entreprises d’anticiper les événements futurs et d’analyser les causes sous-jacentes des événements passés.
IBM est un pionnier de l’IA qui a contribué à son développement grâce à des avancées successives. IBM a récemment publié une importante mise à niveau de son portefeuille de produits d’IA IBM watsonx. IBM watsonx.ai rassemble de nouvelles capacités d’IA générative alimentées par des modèles de fondation et un machine learning traditionnel dans un studio puissant couvrant tout le cycle de vie de l’IA. Avec watsonx.ai, les data scientists peuvent créer, entraîner et déployer des modèles de machine learning à partir d’un studio collaboratif unique.
Nous avons interrogé 2 000 entreprises à propos de leurs initiatives d’IA pour découvrir ce qui fonctionne, ce qui ne fonctionne pas et comment progresser.
IBM Granite est notre famille de modèles d’IA ouverts, performants et fiables, conçus pour les entreprises et optimisés pour dimensionner vos applications d’IA. Explorez les options de langage, de code, de séries temporelles et de garde-fous.
Accédez à notre catalogue complet de plus de 100 cours en ligne en souscrivant aujourd’hui un abonnement individuel ou multiutilisateur afin d’élargir vos compétences dans certains de nos produits à un prix avantageux.
Dirigé par des leaders d’opinion IBM, le programme a pour but d’aider les chefs d’entreprise à acquérir les connaissances nécessaires qui leur permettront d’orienter leurs investissements IA vers les opportunités les plus prometteuses.
Vous voulez obtenir un meilleur retour sur vos investissements dans l’IA ? Découvrez comment la mise à l’échelle de l’IA générative dans des domaines clés favorise le changement en aidant vos meilleurs éléments à créer et à fournir de nouvelles solutions innovantes.
Découvrez comment intégrer en toute confiance l’IA générative et le machine learning dans votre entreprise.
Explorez les trois éléments clés d’une stratégie d’IA réussie : créer un avantage concurrentiel, étendre l’IA à l’ensemble de l’entreprise et faire progresser l’IA digne de confiance.