L’histoire de l’intelligence artificielle (IA) et de ses évolutions récentes est très riche. Voici quelques-uns de ses principaux éléments.
I. Les précurseurs : créatures artificielles
L’idée de reproduire des processus complexes du vivant est très ancienne comme l’illustrent les créations d’automates de Jacques Vaucanson au début du XVIIIe siècle qui jouent de la flûte ou encore son « canard digérateur ».
Le mythe de Frankenstein prendra bientôt le relais au XIXe siècle, mais des mythes anciens comme le Golem évoquaient déjà une créature artificielle dont l’homme craignait la puissance. Le cinéma s’empare de ce thème au XXe siècle, notamment dans 2001, l’Odyssée de l’espace de Stanley Kubrick sorti en 1968.
II. Les premiers pas de l’intelligence artificielle
1) Les neurones artificiels
L’une des premières pistes dans le développement d’intelligences artificielles est de recréer un « cerveau artificiel » composé d’unités de calcul très simples inspirées des neurones. En 1943 Mc Culloch et Pitts imaginent ainsi le premier « neurone artificiel » composé d’entrées binaires et d’une sortie binaire. La sortie s’active si un nombre suffisant d’entrées sont actives, et reste à zéro sinon.
En 1958, Frank Rosenblatt, améliore ce modèle de neurone artificiel en pondérant les entrées par des « poids » et en utilisant une fonction de seuil pour savoir si la sortie du neurone sera activée. Il combine 2 couches de ces neurones dans son modèle de perceptron qui permet les premières réalisations de classification comme la reconnaissance de chiffres.
Neurone à seuil et perceptron simple composé de 2 couches de neurones
2) IA « classique »
Dès 1950, A. Turing propose son fameux test pour caractériser une intelligence artificielle. Un humain doit la confondre avec une intelligence humaine dans une conversation à l’aveugle. Ce test n’a toujours pas été passé sans ambiguïté.
En 1956, la conférence de Darmouth organisée par Marvin Minsky et John McCarthy représente l’acte de naissance « officiel » de intelligence artificielle, très marquée à ses origines par la logique mathématique et la théorie de l’information de Claude Shannon. Elle débouchera notamment sur les « systèmes experts » puis les « systèmes multiagents ».
III. Du perceptron au deep learning
1) Le machine learning
Le perceptron proposé par Rosenblatt en 1958 est le précurseur des algorithmes d’apprentissage actuels. À l’époque, les limites théoriques de ce modèle sont rapidement trouvées. Ces recherches sont laissées en jachère, jusqu’à ce que l’algorithme de la rétropropagation soit proposé par Rumelhart en 1986. Cet algorithme permet un calcul efficace des poids dans un réseau de neurones multicouches pour minimiser l’écart entre les sorties attendues et les sorties observées. Il marque la véritable naissance du machine learning ou apprentissage automatique.
L’apprentissage automatique utilise une panoplie de techniques allant des systèmes experts aux réseaux bayésiens pour, par exemple, détecter les spams dans les emails, en passant par les arbres de décision ou l’algorithme des k plus proches voisins.
2) Le deep learning
À noter
Les acteurs de cette révolution, le Français Yann LeCun, le Canadien Yoshua Bengio et le Britannique Geoffrey Hinton ont été récompensés en 2019 par le prestigieux prix Turing.
À partir des années 2010, un renouveau important a lieu dans le domaine de l’intelligence artificielle. La puissance des machines, l’utilisation intensive de GPU (unités graphiques) pour les calculs permettent de mettre en œuvre des réseaux de neurones à plusieurs dizaines de couches. Cela se traduit par des avancées majeures en reconnaissance d’images, traduction automatique, chatbots, jeux (échecs, Go, Poker), conduite autonome ou même dans le domaine artistique, faisant refleurir les mythes de dépassement de l’homme par la machine.