Il n’aura pas échappé au lecteur attentif de ce petit livre que l’intelligence artificielle est diverse dans ses préoccupations et ses méthodes, même si tous ses travaux relèvent, d’une manière ou d’une autre, de la conception de systèmes offrant des fonctionnalités en rapport avec la réalisation de tâches réputées complexes. Depuis les débuts de l’intelligence artificielle il y a eu des chercheurs qui ont rêvé de construire des cerveaux artificiels dotés de capacités cognitives riches, et des chercheurs qui se sont attachés à développer des systèmes artificiels capables de réaliser de manière très performante des fonctions particulières, comme la déduction automatique, ou la reconnaissance de formes par apprentissage, pour prendre deux exemples. Pour mécaniser de telles fonctions, l’intelligence artificielle peut faire appel à des modélisations* très différentes, fondées sur la logiquela logique, qui apparaît dans la Grèce Antique avec l’étude des syllogismes, s’intéresse à la formalisation du raisonnement. La lo- gique moderne, qui se développe à partir du XIXe siècle, a conduit à la formalisation d’un véritable calcul déductif à partir de formules logiques formées... More* (on parle d’« IA symbolique »), ou sur des modèles quantitatifs, inspirés en particulier par les statis- tiques et le traitement du signal (on parle alors d’« IA numérique »). Une autre formulation plus actuelle se référant à des notions proches de cette dichotomie est d’opposer IA basée sur les connaissances* et IA basée sur les donnéesinformations ayant un caractère factuel, car se rapportant à des cas singuliers, elles peuvent provenir notamment de capteurs, ou de recueils auprès de personnes. C’est devenu un fait de société, que les données (en anglais “Data”) abondent dans de nombreux domaines, et qu’il faut en... More*. S’il est clair que les connaissances sur le monde sont issues ultimement d’observations, donc de donnéesinformations ayant un caractère factuel, car se rapportant à des cas singuliers, elles peuvent provenir notamment de capteurs, ou de recueils auprès de personnes. C’est devenu un fait de société, que les données (en anglais “Data”) abondent dans de nombreux domaines, et qu’il faut en... More, on peut aussi avoir besoin de manipuler les connaissances de façon explicite (ce qui peut se faire avec des outils logiques ou numériques comme des réseaux bayésiens* par exemple). Mais il existe aussi des situations où il est inté- ressant d’utiliser des connaissances et des donnéesinformations ayant un caractère factuel, car se rapportant à des cas singuliers, elles peuvent provenir notamment de capteurs, ou de recueils auprès de personnes. C’est devenu un fait de société, que les données (en anglais “Data”) abondent dans de nombreux domaines, et qu’il faut en... More conjointement.
Même si dès l’origine l’ambition de créer une “intelligence artificielle” en modélisant le cerveau a été affichée, force est de constater que ce Graal n’est pas encore atteint et que des voix s’élèvent régulièrement pour suggérer que comprendre le cerveau de façon unifiée n’est pas à notre portée et qu’il vaut mieux voir l’intelligence artificielle comme un ensemble de techniques pour résoudre différents problèmes. Ceci se réfère à la distinction, quelquefois faite, entre « IA faible » (réalisa- tion de tâches spécifiques, telles que décrites dans ce document) et « IA forte » (avec un modèle complet de cerveau, une machine pourrait ras- sembler l’ensemble des compétences intelligentes d’un humain), aussi appelée « Intelligence Artificielle Générale ». Ces questions impactent à l’évidence différents domaines de la philosophie, comme la théorie de l’esprit, l’étude de la conscience et, bien sûr, l’éthique. Débattre de la pertinence d’une forme d’intelligence artificielle plutôt qu’une autre est légitime, tant que l’on reste dans le cadre de démarches scientifiques falsifiables et que l’on ne se cantonne pas au simple énoncé de croyances. Ces débats ne doivent en aucun cas obérer la poursuite de différents programmes scientifiques, tant sur la modélisationmodéliser un problème d’intelligence artificielle consiste à en formuler un énoncé dans un langage (dit langage de modélisation) donné. Ce langage peut s’appuyer sur des formalismes logiques*, algébriques ou même graphiques. Un même problème peut donc être modélisé de diverses manières (selon le langage de... More du cerveau dans le cadre de l’intelligence artificielle que sur la conception et la réalisation de systèmes dédiés à des tâches spécifiques.