L’avenir de l’IA (Intelligence Artificielle) : que nous réserve-t-il ?

Croissance de l’IA

Avant de se plonger dans l’avenir de l’IA, il est important de comprendre d’abord ce qu’est l’intelligence artificielle et où elle en est actuellement. « L’IA est la capacité des machines ou des robots contrôlés par ordinateur à exécuter des tâches associées à l’intelligence. » En conséquence, l’IA est une branche de la science informatique dont le but est de créer des machines intelligentes capables de reproduire le comportement humain. C’est cette technologie qu’utilise le meilleur site de machine à sous en ligne.

IA étroite : elle est capable d’accomplir intelligemment des tâches spécifiques. АI est maintenant dans une phase restreinte.

IA générale : L’intelligence générale artificielle, ou IAGI, est un terme qui fait référence aux machines qui peuvent imiter l’intelligence humaine.

Super IA : La super IA fait référence à une IA consciente d’elle-même qui possède des capacités cognitives supérieures à celles des humains. C’est un niveau auquel les machines dotées de capacités cognitives peuvent effectuer n’importe quelle tâche qu’un humain peut effectuer.

À l’heure actuelle, l’IA est classée comme IA étroite ou IA faible, qui ne peut effectuer que des tâches spécifiques. Les automobiles autonomes, la reconnaissance vocale et d’autres technologies ne sont que quelques-uns de ses exemples.

À quoi ressemblait l’avenir de l’IA il y a 10 ans ?

AI a suscité à la fois effroi et enthousiasme pendant des décennies, avant même que l’expression ne soit inventée, alors que les humains envisageaient de développer des machines à leur image. Cette idée selon laquelle les artefacts intelligents doivent être des objets semblables à ceux de l’homme a aveuglé la plupart d’entre nous sur la vérité selon laquelle l’IA est atteinte depuis un certain temps. Alors que les succès dans le dépassement de la compétence humaine dans des activités humaines comme les échecs (Hsu, 2002), le Go (Silver et al., 2016) et la traduction (Wu et al., 2016) font la une des journaux, IA fait partie de l’essor industriel. enal depuis à au moins dans les années 1980.

Ensuite, pour l’inspection des circuits imprimés et la détection de fraude par carte de crédit, les règles de production ou les systèmes « experts » sont devenus une technologie courante. De même, les méthodologies de ML telles que les algorithmes génétiques ont longtemps été utilisées pour résoudre des problèmes informatiques difficiles tels que la planification, et les réseaux neuronaux ont été utilisés non seulement pour modéliser et comprendre l’apprentissage humain. , mais aussi pour le contrôle et la surveillance industriels fondamentaux.

Les méthodes probabilistes et bayésiennes ont révolutionné l’apprentissage automatique dans les années 1990, ouvrant la voie à certaines des technologies d’IA les plus largement utilisées aujourd’hui, telles que la recherche dans d’énormes ensembles de données. Cette capacité de recherche comprenait la possibilité d’effectuer une analyse sémantique du texte brut, permettant aux utilisateurs du Web de trouver le contenu qu’ils recherchent parmi des milliards de pages Web en tapant simplement quelques phrases (Lowe, 2001; Bullina). Rià et Levy, 2007).

Évolution de l’IA

Le fondateur de l’informatique, Alan Turing, a déclaré en 1947 qu’avant la fin du siècle, l’usage des mots et l’opinion générale informée auraient tellement changé qu’on pourrait parler de machines pensantes sans s’attendre à être contesté. Il ne serait pas exagéré de prétendre qu’il avait raison. En raison de la nature de la découverte, où des choses auparavant impensables deviennent monnaie courante et où l’ancien cède la place au nouveau, elle est presque incompréhensible.

L’expression « intelligence artificielle » a été utilisée pour la première fois dans les années 1950, même si l’idée de machines pensantes est vieille de plusieurs siècles, ne serait-ce que dans la mythologie et les légendes. Depuis, la technologie de l’intelligence artificielle a progressé et évolué de plusieurs manières, tout comme ses applications.

L’étude des réseaux de neurones a dominé l’histoire de l’intelligence artificielle des années 1950 aux années 1970 ; les applications d’apprentissage automatique ont commencé à émerger au cours des trois décennies suivantes, des années 1980 aux années 2010. L’apprentissage automatique a donné naissance à l’idée plus nuancée du Deep Learning grâce à une étude constante, un intérêt accru et une large application. De plus, avec l’ouverture de nouveaux chapitres chaque année, la recherche initiale sur le saut de l’IA vers l’inconnu s’est transformée en un acte de foi.