Quelles sont les problèmes de l’intelligence artificielle? L’histoire de l’intelligence artificielle révèle qu’elle est jonchée de supercheries. Mais, d’autres éléments apparaissent également : pourquoi le paradigme technologique utilise pose-t-il des questions énergétiques et industrielles ? Pourquoi l’exploitation de Big Data n’est-elle pas soutenable à moyen terme ? Et enfin, en quoi l’IA est-elle foncièrement différente de l’intelligence humaine ? Je parle de tout ceci avec Luc Julia.
L’intelligence artificielle pose des questions de politiques énergétiques et industrielles
L’intelligence artificielle et la politique industrielle.
Néanmoins, les progrès de l’intelligence artificielle amènent un certain nombre d’experts et de politiques à en limiter l’exploitation. Ainsi, le candidat à l’élection présidentielle, Benoît Hamon a souhaité protéger les emplois par une “taxe robots”. Mais, Luc Julia m’a parlé d’une décision du début des années 80. La gauche arrive pouvoir. Craignant une destruction massive d’emploi du fait de la robotisation de l’économie, les dirigeants nouvellement élus préconisent de limiter l’usage des robots à très court terme. Mais, à moyen terme, cette politique s’est avérée catastrophique à la fois pour la productivité, mais aussi pour la protection des emplois. En Allemagne, à seulement quelques kilomètres, la décision opposée est prise. On encourage l’introduction massive de robots dans la chaîne de valeur tout en accompagnant ceux qui sont mis au chômage. 10 ans plus tard, le constat est très clair. L’outil de production modernisé a prospéré et a permis de gagner bon nombre de parts de marché. En outre, de nombreux emplois ont été créés afin de répondre à la demande. À l’inverse, en France, on assiste à une destruction d’emplois.
L’intelligence artificielle fonctionne selon un paradigme technologique énergétivore
Et, ce qui est d’autant plus problématique, selon Luc Julia, c’est que pour parvenir à un tel résultat, le programme requiert 440 kWh là où le cerveau humain ne consomme que 20 Wh. Or, si l’on suppose, que, à un moment donné, 1 million d’êtres humains — ce qui au final n’est pas beaucoup, puisque cela correspond à 1/10 de l’agglomération francilienne — souhaiteraient jouer au jeu de go avec ce même programme informatique au même instant, alors, l’ensemble de l’énergie produite sur terre ne permettrait pas de répondre aux besoins de la machine. Poursuivre la recherche en intelligence artificielle sur la base des mêmes principes s’avère infructueux : la consommation d’énergie reste trop importante.
Le problème est d’une telle ampleur que selon Luc Julia, c’est l’ensemble du paradigme de l’intelligence artificielle qui doit être repensée pour que celui-ci requière un nombre réduit de données — ce qu’on appelle « Small Data » — plutôt que des données en masse (« Big Data »). Si la recherche en intelligence artificielle ne s’oriente pas vers cette nouvelle direction prochainement, alors, il y a tout lieu d’anticiper qu’un nouvel hiver de l’intelligence artificielle puisse s’amorcer.
Le paradigme technologique de l’IA n’est pas porteur à moyen terme
En plus d’être très energetivore, l’intelligence artificielle a besoin d’une quantité de données pour effectuer une opération finalement très simple. Pour reconnaître un chat sur une image, la machine a besoin qu’on lui fournisse des milliers et des milliers d’images. Pourtant, même dans ces conditions, elle se révèle incapable d’identifier un chat dans des circonstances particulières, comme la nuit. À l’inverse, un enfant n’a besoin de voir qu’un chat deux fois pour reconnaître l’animal toute sa vie durant et dans quelques circonstances que ce soit : la nuit, en été, au printemps, en hiver, dans un champ ou en montagne.
Voici qui atteste des formidables facultés de l’intelligence humaine.
Aucun commentaire