L’intelligence artificielle générale ouvre la voie à des machines capables de se comporter, de fonctionner et d’apprendre comme nous !

L’intelligence artificielle a changé la façon dont une machine effectue un travail. Aujourd’hui, votre ordinateur peut effectuer de nombreuses tâches personnelles et professionnelles si vous le formez à l’aide d’outils d’intelligence artificielle. Il peut par exemple créer des images, produire de la voix à partir d’un texte, contrôler des utilitaires, etc.

Mais ces tâches ne sont pas vraiment intelligentes. Mais ces tâches ne sont pas vraiment intelligentes. De nombreux mois de formation se cachent derrière ce type d’automatisation.

Qu’en est-il d’une application informatique véritablement intelligente, capable d’apprendre par elle-même ? C’est le domaine de l’intelligence artificielle générale. Lisez la suite pour découvrir cette technologie révolutionnaire dès aujourd’hui !

Qu’est-ce que l’intelligence artificielle générale ?

Introduction

L’AGI est une technologie qui permet de rendre les logiciels et le matériel si intelligents qu’ils expriment des capacités cognitives semblables à celles de l’homme. Elle porte d’autres noms tels que “IA forte”, “IA complète”, etc.

Pour simplifier, vous présentez au système intelligent de l’AGI un problème qu’il ne connaissait pas auparavant. L’ordinateur intelligent analysera la question, effectuera des recherches en ligne et fournira une solution au problème.

IBM, OpenAI, Microsoft, Google Brain, Darktrace, Deepmind, etc. sont les pionniers de la technologie AGI. Ces entreprises tentent d’intégrer les éléments suivants dans un ordinateur intelligent :

  • Une intelligence générale de type humain
  • L’intelligence générale n’est pas liée à une tâche spécifique comme taper ou parler
  • Généraliser les nouveaux apprentissages et relier les connaissances aux expériences précédentes
  • Donner un sens à des apprentissages qualitativement différents
  • Percevoir et analyser des tâches dans le contexte du monde réel

À l’heure actuelle, il n’existe pas de véritable intelligence générale artificielle (AGI). IBM Strong AI et Google Brain font quelques progrès, mais ils ne sont pas prêts pour la production.

Avantages et besoins

Nous avons besoin de l’AGI pour remplacer les êtres humains dans les endroits dangereux. En outre, les ordinateurs dotés de l’AGI peuvent apporter un niveau de productivité imprévu dans les opérations commerciales.

Les applications de l’AGI aideront également l’humanité à résoudre des problèmes difficiles dans les domaines de la médecine, des soins de santé, de la chaîne d’approvisionnement, de l’économie, de la finance et des sciences sociales.

Voici d’autres raisons essentielles de développer une AGI :

  • Les applications de l’AGI peuvent montrer une meilleure compréhension des causes et des effets pour aider les humains dans les projets d’évaluation des risques.
  • Les AGI peuvent utiliser efficacement diverses perceptions sensorielles telles que la couleur, le son, la profondeur, les images et les dimensions.
  • Ces programmes informatiques intelligents peuvent commander un bras robotique pour qu’il effectue des tâches de motricité fine, comme l’assemblage d’appareils électroniques du début à la fin.
  • La capacité de traitement du langage naturel (NLP) d’un AGI facilitera l’automatisation. Il vous suffit de prononcer quelques mots clés et l’outil de l’AGI construira le flux automatisé dont vous avez besoin.
  • Les AGI peuvent résoudre des problèmes uniques après avoir examiné la question et analysé l’environnement réel. Il n’est pas nécessaire de respecter les conditions If/Then, If/Else, etc.
  • Les IAG peuvent aider les créateurs de contenu, les artistes, les concepteurs et les architectes à trouver des idées originales.
  • Les applications AGI peuvent offrir un excellent service à la clientèle sans aucune lacune, car elles font également preuve d’intelligence émotionnelle et sociale.

IA vs. AGI

#1. Mode d’action

L’IA, ou IA étroite, est une application intelligente réactive. Elle réagit avec une liste prédéfinie d’actions lorsqu’elle reçoit des signaux provenant de déclencheurs d’événements.

Les AGI n’auront pas besoin de déclencheurs d’événements. Ces applications réagiront de manière proactive, comme les humains, pour prévenir les problèmes, résoudre des énigmes, etc.

#2. Champ d’action

Les IA étroites ou faibles ont également un champ d’action limité. Une IA qui écrit ne peut pas conduire une voiture et vice versa. L’application limitée rend également le développement coûteux et inefficace au niveau de la production.

Une IA peut gérer toute une usine de fabrication, des milliers de foyers dans une localité d’une région ou tous les bureaux de votre entreprise. Elle est ouverte à tous les défis puisqu’elle possède des capacités d’apprentissage cognitif, de raisonnement et d’action proactive.

#3. Compétences en matière de résolution de problèmes

Problem-Solving-Skills

Les IA étroites résolvent principalement des problèmes proches, tels que la navigation GPS, la recherche sur le web à partir de mots clés, l’écriture AI, l’achèvement de codes AI, etc.

L’intelligence artificielle générale peut traiter des problèmes ouverts comme la création d’une stratégie de marketing sur le terrain en analysant le marché, les clients et les produits.

#4. Capacité de mémoire

La plupart des programmes d’IA faibles sont basés sur des machines à mémoire limitée. Les IA s’appuient sur un ensemble de réseaux neuronaux artificiels et de bases de données d’entraînement. Lorsque la base de données ou les algorithmes sont anciens, les IA se bloquent.

Les IAG seront dotées d’une mémoire virtuellement infinie (ressources de connaissances) via des bases de données locales, des bases de données en nuage et l’internet.

#5. Mises à niveau

Les humains doivent régulièrement mettre à niveau les IA faibles en fonction de l’évolution des besoins de l’entreprise et des tendances du marché.

Les AGI mettront elles-mêmes à jour leurs mémoires et leurs bases de données. Ils ne doivent pas demander l’intervention de l’homme.

Approches

#1. L’approche sub-symbolique

Ici, les développeurs d’AGI utilisent des applications qui ressemblent au cerveau humain. Par exemple, AlphaGo de DeepMind, les réseaux neuronaux convolutifs, les systèmes d’apprentissage profond, etc.

#2. L’approche symbolique

Dans cette méthode, les développeurs de l’IAG utilisent des organigrammes, des symboles et des énoncés de type “si”. L’intelligence artificielle générale utilise un algorithme primaire pour apprendre et créer une base de connaissances. En outre, elle peut comparer l’algorithme et ses symboles avec des aspects du monde réel et développer de meilleurs processus de pensée que les IA faibles.

#3. Approche globale du corps

Dans ce concept, les développeurs de l’AGI veulent inclure toutes les capacités logicielles, matérielles, réseau et sensorielles dans un corps de type humain. L’humanoïde peut marcher, parler, toucher les gens, etc.

#4. L’approche hybride

L’approche hybride du développement de l’AGI repose sur les approches sub-symbolique et symbolique.

Un exemple réussi de cette catégorie est Sophia, un robot humanoïde. Il comprend à la fois des systèmes symboliques et connexionnistes. Par exemple, Sophia a besoin de l’architecture CogPrime et de la base de données AtomSpace pour ses fonctionnalités.

#5. Approche mathématique

Les chercheurs cherchent à doter les AGI d’une puissance de calcul infinie. Ainsi, ces applications et appareils intelligents seront capables d’effectuer le nombre requis de résolutions de problèmes mathématiques pour prendre des décisions remarquables.

Comment fonctionne l’AGI ?

Un programme AGI utilisera diverses technologies pour atteindre des capacités cognitives de niveau humain. Ces technologies sont les suivantes :

Entrées et sorties (E/S)

Les AGI utilisent divers dispositifs sensoriels pour accomplir leurs tâches dans les usines de fabrication ou dans les voitures autopilotées. Ces capteurs peuvent être visuels, RFID, de température, de pression, de vitesse, de mouvement, etc.

Un autre groupe d’AGI peut avoir besoin d’OCR, de connecteurs de base de données, etc. pour effectuer des opérations commerciales dans les bureaux.

Compétences motrices

Motor Skills

Le corps entier, les bras robotisés, les véhicules autonomes, etc. fonctionnent en effectuant des mouvements fins. Les AGI s’appuient sur des compétences motrices acquises grâce à des réseaux neuronaux, au traitement d’images en 3D, à l’imitation visuelle, etc.

PNL

Une AGI peut apprendre à partir de diverses sources telles que des articles de sites web, des revues de recherche, des livres électroniques, des vidéos YouTube, etc. À cette fin, l’application intelligente apprend d’abord à interpréter le langage naturel en langage machine.

Raisonnement et résolution de problèmes

Un robot ou une application AGI utilise souvent des simulations pour résoudre un problème unique. Comme elle dispose d’énormes capacités de traitement et de mémoire, la machine peut exécuter plusieurs simulations simultanément. Ensuite, en fonction du taux de réussite, elle peut choisir une simulation.

Pensée créative

Les AGI peuvent utiliser plusieurs réseaux neuronaux pour créer des idées uniques et créatives telles que des formes d’art, des notes de musique, des articles, etc.

Reconnaissance faciale et traitement du son

Les AGI humanoïdes qui interagissent avec les personnes utilisent principalement l’analyse du son et la reconnaissance faciale. Après avoir traité les données audio et visuelles de son environnement et les avoir recoupées avec les bases de connaissances existantes, ils peuvent interagir avec les humains.

Défis à relever

L’intelligence artificielle générale a d’immenses possibilités de transformer le monde de l’IA. Mais atteindre ce stade n’est pas un processus sans heurts. Voici les défis et les obstacles au développement d’une AGI :

#1. Maîtriser des compétences semblables à celles de l’homme

Pour obtenir une véritable intelligence de niveau humain, une AGI doit maîtriser certaines capacités. Il s’agit notamment de la motricité, de la compréhension du langage naturel, de la perception sensorielle, de la connexion émotionnelle et sociale et de la créativité à l’échelle humaine.

#2. Absence de protocole de travail

Il n’existe pas de protocole de travail standard pour les systèmes d’IA permettant une collaboration sans effort. Par conséquent, le déploiement d’un système AGI complet se heurte à des déficiences techniques inévitables.

#3. Absence d’alignement sur l’entreprise

L’intégration de l’IA dans les systèmes existants reste un processus complexe. Comme les parties prenantes concernées ne connaissent pas encore ses paramètres opérationnels, il est difficile d’aligner son développement sur les objectifs de l’entreprise.

#4. Lacunes en matière de communication

Communication Gaps

Il existe toujours un déficit de communication entre les différents systèmes d’IA. Le partage transparent des données entre ces systèmes étant impossible, l’interapprentissage des modèles d’IA est entravé et leur universalité est réduite.

#5. Absence d’orientation de l’AGI

Il n’existe pas de plans ou d’orientations pour la mise en œuvre de l’AGI dans les opérations commerciales des entreprises. Ainsi, sa mise en œuvre devient coûteuse et sa réalisation est entravée.

Tendances

Comme vous le savez, le développement de l’intelligence artificielle générale n’est pas encore achevé. Toutefois, les tendances suivantes influenceront l’AGI :

#1. Traitement du langage naturel (NLP)

Le traitement du langage naturel (NLP) désigne le processus par lequel l’IA peut comprendre le langage humain et le convertir en codes supportés par la machine. En utilisant le NLP, l’AGI peut s’attendre à être capable d’interagir avec les humains de manière réaliste.

#2. Le métavers

Le métavers est une technologie qui offre une expérience immersive à l’utilisateur. Si de plus en plus de personnes s’y intéressent, l’AGI évoluera pour aider Metaverse à construire un monde virtuel.

#3. L’IA à code réduit ou sans code

Il y a une demande croissante pour des solutions à code réduit ou sans code, même pour les outils et les algorithmes d’IA. Ces solutions sont dotées d’interfaces intuitives qui facilitent les processus de développement d’applications complexes.

#4. Augmentation de la main-d’œuvre

Il s’agit d’employés humains et numériques travaillant côte à côte au sein d’une organisation. Bien que beaucoup craignent que l’IA ne mette les humains au chômage, le fait d’inclure l’IA dans les opérations les rendra plus efficaces.

#5. L’IA quantique

L’IA quantique a de fortes chances d’influencer l’AGI en accélérant les algorithmes de ML et en vous aidant à obtenir des résultats rapidement. Elle peut également neutraliser les obstacles auxquels l’AGI pourrait être confrontée lors de l’analyse d’un énorme volume de données.

#6. Éthique de l’IA

Il est impossible d’ignorer les risques potentiels de l’IA. Si elle n’est pas utilisée correctement, l’IA pourrait être dangereuse pour l’humanité. C’est pourquoi l’éthique de l’IA fera l’objet d’une plus grande attention dans les années à venir.

#7. Chatbots d’IA

Les chatbots ou assistants virtuels de l’IA peuvent avoir une conversation naturelle et effectuer des opérations basées sur des règles. Remplaçant les agents d’assistance humains, ces chatbots ont déjà réduit les coûts opérationnels des entreprises. À l’avenir, ils pourraient révolutionner l’AGI.

Les risques de l’AGI

  • Si la base de données de l’IAG est limitée, elle peut prendre des décisions désastreuses qui endommagent les entreprises et les habitations.
  • Les AGI peuvent devenir la cible d’attaques de piratage avancées. Si un pirate informatique bloque une machine de l’IAG, cela peut nuire à l’ensemble de l’entreprise.
  • Les développeurs d’IA ont signalé plusieurs cas de décisions biaisées prises par des prototypes d’IAG.
  • Donner aux AGI un accès illimité aux bases de données pourrait également constituer une violation de diverses réglementations en matière de protection de la vie privée dans le monde entier.

Nous allons maintenant examiner des exemples concrets d’intelligence artificielle générale.

Exemples du monde réel

#1. L’examen automatisé des contrats de ThoughtRiver

L’intelligence artificielle de la plateforme d’accélération des contrats de ThoughtRiver peut explorer les documents juridiques, examiner les contrats et les signaler, élaborer des stratégies et même prendre des mesures correctives pour que les contrats franchissent la ligne d’arrivée.

Elle peut même citer des précédents historiques pour aider à renforcer les positions de négociation. C’est comme si vous aviez Mike Ross et Harvey Spector dans votre coin.

#2. AlphaGo

AlphaGo est un joueur de jeu de Go basé sur l’IA. C’est la première machine intelligente à avoir vaincu un joueur de Go professionnel vivant. Bien qu’il s’agisse d’une IA au champ d’action limité, elle possède des capacités d’auto-apprentissage. AlphaGo peut apprendre de son concurrent et de ses propres erreurs.

#3. Les outils d’IA groupés d’OpenAI

La gamme de systèmes d’IAd’OpenAI, mentionnée ci-dessous, peut accomplir automatiquement diverses tâches lorsqu’elle est combinée à l’aide d’appels d’API :

  • GPT-3 crée des textes en langage naturel à partir de phrases simples et d’indices. De nombreux jeux en ligne et expériences de réalité mixte, comme “Virtual Being” de FableStudio, utilisent GPT-3 pour des histoires interactives.
  • Codex aide les développeurs à traduire les entrées en langage naturel en codes pour faciliter le codage.
  • DALL-E aide les créateurs de NFT et les artistes numériques à produire des milliers d’œuvres d’art originales et uniques en quelques minutes. L’IA peut également éditer des images.

#4. IBM Watson

IBM Watson est un ensemble de services d’IA pour les entreprises.

Il existe différentes IA Watson, qui sont présentées ci-dessous :

  • IBM Watson Assistant pour le service client ou l’assistance virtuelle
  • IBM Watson Discovery crée des informations et des réponses à partir de documents commerciaux complexes
  • IBM Watson Natural Language Understanding and Classifier (compréhension et classification du langage naturel)

On l’appelle AGI car il a plusieurs applications.

Dernières paroles

Jusqu’à présent, vous avez exploré le concept d’intelligence artificielle générale. Vous avez également appris à connaître son fonctionnement, ses défis, ses exemples, ses risques, etc.

Ces connaissances vous aideront à planifier correctement vos projets de développement d’intelligence artificielle. Il doit être suffisamment souple pour inclure les applications intelligentes de la prochaine génération dans votre projet et en faire une IAG.

Si vous êtes une entreprise qui cherche à rendre ses activités plus productives et plus rentables, l’intelligence artificielle pourrait être la solution, même si d’autres développements sont en cours.