70 ans d'intelligence artificielle : de la vision à la réalité

L'intelligence artificielle (IA) est la technologie stratégique transformatrice du début du XXIe siècle, remodelant considérablement pratiquement tous les aspects de nos vies, y compris d'une manière que personne n'avait probablement anticipée. Son taux d'adoption et son impact sont sans précédent par rapport à d'autres technologies. En tant que domaine distinct, l'IA a été officiellement établie en 1956 lors du projet de recherche d'été de Dartmouth sur l'intelligence artificielle, proposé par John McCarthy, Marvin Minsky, Nathaniel Rochester et Claude Shannon. Dans leur proposition d'août 1955 pour le projet de recherche, les scientifiques ont introduit le terme « intelligence artificielle » et envisagé des machines capables de simuler l'intelligence humaine. Minsky a défini l'IA comme « la science qui consiste à faire faire aux machines des choses qui nécessiteraient de l'intelligence si elles étaient faites par des hommes ». Le professeur a reçu le prix ACM Turing, souvent appelé le « prix Nobel de l'informatique ». Depuis ses modestes débuts il y a 70 ans, l'IA a considérablement évolué dans ses capacités, a gagné en importance et a été largement adoptée dans de nombreux domaines, notamment les affaires, l'éducation, la finance, la santé, l'industrie et l'armée. Les contributions de l'IEEE aux progrès et à l'adoption de l'IA tout au long de son parcours sont substantielles et multiformes. Alors que nous célébrons le 70e anniversaire de l'IA, comprendre son histoire, son état actuel, ses limites et ses préoccupations est essentiel pour l'exploiter pour le bien.

L'évolution de la technologie a été un véritable montagnes russes. Bien que l'IA soit apparue comme un domaine distinct en 1956, ses racines intellectuelles remontent plus loin. Les idées et théories qui sous-tendent l'IA sont antérieures aux ordinateurs modernes comme l'ENIAC, dévoilé en 1946. En 1943, Warren Sturgis McCulloch, neurophysiologiste et cybernéticien, et Walter Pitts, logicien travaillant en neurosciences computationnelles, se sont inspirés du cerveau humain. Ils ont conçu des modèles mathématiques de neurones artificiels, démontrant que les réseaux de neurones artificiels pouvaient effectuer des calculs logiques. Frank Rosenblatt, un psychologue de Cornell, a ensuite fait progresser ces idées en développant le perceptron, un réseau neuronal précoce qui a jeté les bases de l'apprentissage automatique et de l'apprentissage profond modernes. Une étape majeure a été franchie en 1950, lorsque le célèbre informaticien Alan Turing a posé la question : « Les machines peuvent-elles penser ? » Dans son article fondateur de 1950 « Computing Machinery and Intelligence », publié dans Mind, il a exploré la nature de l'intelligence machine. Il a introduit le « jeu d'imitation », plus tard connu sous le nom de test de Turing, comme moyen pratique de l'évaluer. Le test reste un concept influent dans l'IA et la philosophie de l'intelligence. Claude Shannon, reconnu comme le père de la théorie de l'information, a exploré le potentiel des machines pour des tâches de raisonnement complexes dans son article de 1950 « Programming a Computer for Playing Chess », publié dans Philosophical Magazine.

En 1956, l'IA est devenue une discipline formelle, inspirant les scientifiques à l'explorer et à la faire progresser. John McCarthy a développé Lisp en 1958, qui est devenu le langage de programmation dominant pour la recherche et le développement en IA. En 1959, Arthur Lee Samuel, professeur d'informatique à Stanford, a introduit le terme « apprentissage automatique » pour décrire des programmes capables d'améliorer leurs performances par l'expérience. Au début des années 1980, un regain d'enthousiasme et de financement gouvernemental a alimenté le développement de l'IA symbolique, un système expert basé sur des règles (également connu sous le nom de système basé sur la connaissance) qui encode des connaissances spécifiques à un domaine sous forme d'ensembles de règles. Un exemple notable était MYCIN, conçu pour diagnostiquer les maladies infectieuses. Bien que réussis dans des domaines limités, les limites inhérentes des systèmes experts ont restreint leur adoption plus large. Un système expert est un système informatique qui imite des experts humains dans un domaine spécifique. Il était populaire aux débuts de l'IA, puis a disparu avec les progrès de l'IA tels que les réseaux de neurones et l'apprentissage automatique. Le parcours de l'IA a été marqué par des périodes d'attentes exagérées et de progrès décevants, connues sous le nom d'« hivers de l'IA », au cours desquelles le financement, l'intérêt et la confiance ont diminué. L'analyse des épisodes a révélé des causes récurrentes et des leçons instructives pour le domaine.

Une nouvelle phase de croissance, souvent décrite comme le « printemps de l'IA », a émergé dans les années 2010 avec les progrès de l'apprentissage profond, l'essor des grands modèles de langage, de l'architecture des transformeurs et de l'IA générative (GenAI). Contrairement aux approches antérieures qui traitaient l'information de manière séquentielle, un modèle de transformeur analyse une séquence entière de texte ou d'audio, évaluant l'importance de chaque mot ou composant par rapport aux autres, permettant des avancées spectaculaires dans la GenAI et ses applications. Ashish Vaswani, ancien informaticien chez Google, et ses collègues de Google Brain ont introduit l'architecture du transformeur qui sous-tend les systèmes d'IA générative d'aujourd'hui dans leur article influent de 2017 « Attention Is All You Need ». Vaswani et Sam Altman, PDG d'OpenAI, qui propose ChatGPT, sont largement considérés comme les cerveaux de la révolution GenAI. L'IA a atteint de nouveaux sommets avec le lancement public de ChatGPT en 2022, suivi rapidement par une vague de chatbots et d'outils d'IA générative qui ont accéléré l'intérêt mondial. Plus récemment, l'essor des systèmes d'IA agentiques capables d'un fonctionnement de plus en plus autonome a élargi les capacités et l'impact de l'IA.

Le parcours de 70 ans de l'IA reflète une interaction extraordinaire de vision, d'expérimentation, de revers, d'innovation et d'impact. La force pragmatique de l'IA réside dans sa capacité à traiter l'information, à reconnaître des modèles et à effectuer des tâches cognitives à une vitesse et une échelle sans précédent. L'IA promet de révolutionner des domaines tels que la santé, l'éducation et les transports, ainsi que de résoudre des problèmes mondiaux complexes. Cependant, parallèlement aux promesses, il existe des défis importants, notamment les considérations éthiques, les préjugés, la confidentialité et l'impact sur l'emploi. Comprendre ces aspects est crucial pour un développement responsable de l'IA. Célébrer le 70e anniversaire de l'IA, c'est non seulement reconnaître les réalisations passées, mais aussi réfléchir à un avenir où l'IA servira l'humanité de manière éthique et équitable.