IAG et IA du futur
Les points forts de l’AGI-22 sur les progrès dans le développement de l’intelligence artificielle générale
Ajouter Unite.AI à vos sources préférées sur Google
J’ai récemment assisté à la 15e conférence annuelle sur l’intelligence artificielle générale (AGI-22) qui s’est tenue à Seattle en août, dans le but de me familiariser avec les nouveaux développements qui pourraient conduire à la création éventuelle d’une intelligence artificielle générale (AGI).
Un AGI est un type d’intelligence artificielle avancée qui peut généraliser à travers plusieurs domaines et n’est pas limité à un seul objectif. Les exemples d’intelligence artificielle étroite incluent un véhicule autonome, un chatbot, un bot d’échecs ou tout autre type d’intelligence artificielle conçu pour un seul but. Un AGI, en comparaison, serait capable de passer facilement d’un domaine à un autre. Il s’agit d’un type d’intelligence artificielle spéculative qui tirerait parti d’algorithmes émergents tels que l’apprentissage par transfert et l’apprentissage évolutionnaire, tout en exploitant les algorithmes traditionnels tels que l’apprentissage par renforcement profond.
Lors de la session de clôture, Ben Goertzel, chercheur en intelligence artificielle , PDG et fondateur de SingularityNET, et leader de la OpenCog Foundation a parlé de l’état de l’industrie. Il semblait enthousiaste quant à l’avenir de l’AGI, affirmant que « Nous sommes à quelques années plutôt qu’à quelques décennies ». Cela placerait le lancement éventuel d’un AGI vers 2029, la même année où Ray Kurzweil, l’un des principaux inventeurs, penseurs et futuristes du monde, a prédit l’émergence d’une intelligence artificielle qui atteindrait le niveau d’intelligence humaine.
La théorie veut que, une fois que ce type d’intelligence est atteint, l’intelligence artificielle s’améliorerait immédiatement et continuellement pour dépasser rapidement l’intelligence humaine, dans ce que l’on appelle la superintelligence.
Un autre intervenant, Charles J. Simon, fondateur et PDG de Future AI, a déclaré lors d’une session distincte : « L’émergence de l’AGI sera progressive » et « L’AGI est inévitable et arrivera plus tôt que la plupart des gens ne le pensent, cela pourrait prendre quelques années ».
Même avec cet optimisme, il y a des obstacles importants. Ben Goertzel a également reconnu que pour atteindre l’AGI, « Nous avons besoin d’un afflux de nouvelles idées, et non simplement d’une mise à l’échelle des réseaux de neurones ». C’est un sentiment partagé par Gary Marcus, qui a déclaré que « l’apprentissage profond a atteint un mur ».
Certaines des principales difficultés pour créer un AGI incluent la mise au point d’un système de récompenses qui puisse évoluer de manière informée pour maximiser l’intelligence. Le paradoxe de Moravec reflète le problème actuel pour atteindre l’AGI avec notre technologie actuelle. Ce paradoxe stipule que les adaptations qui sont intuitives pour un enfant d’un an, comme apprendre à marcher et simuler la réalité, sont beaucoup plus difficiles à programmer dans une intelligence artificielle que ce que les humains perçoivent comme difficile.
Pour les humains, c’est l’opposé, maîtriser les échecs ou exécuter des formules mathématiques complexes peut nécessiter une vie entière, et pourtant, ce sont deux tâches relativement faciles pour les intelligences artificielles étroites.
L’une des solutions à ce paradoxe pourrait être l’apprentissage évolutionnaire, également connu sous le nom d’algorithmes évolutionnaires. Cela permet essentiellement à une intelligence artificielle de rechercher des solutions complexes en imitant le processus de l’évolution biologique.
Lors d’une séance de questions-réponses distincte, Ben Goertzel a déclaré que « L’AGI n’est pas inévitable, mais elle est très probable ». C’est la même conclusion que j’ai tirée, mais la frontière entre l’inévitabilité et la probabilité est floue.
Pendant la conférence, de nombreux documents ont été présentés, dont l’un des documents notables qui a été discuté est Polynomial Functors: A General Theory of Interaction par David Spivak de l’Institut Topos à Berkeley, CA et Nelson Niu de l’Université de Washington, à Seattle, WA. Ce document traite d’une catégorie mathématique appelée Poly qui pourrait influencer la direction future de l’intelligence artificielle en ce qui concerne les relations intimes avec les processus dynamiques, la prise de décision et le stockage et la transformation des données. Il reste à voir comment cela influencera la recherche sur l’AGI, mais cela pourrait être l’un des composants manquants qui pourraient nous mener à l’AGI.
Bien sûr, il y avait d’autres documents plus spéculatifs, tels que l’Index de versatilité-efficacité (VEI) : Vers une définition complète du QI pour les agents AGI par Mohammadreza Alidoust. L’idée est de construire une méthode alternative pour mesurer le niveau d’intelligence des systèmes intelligents, une sorte de test de QI pour mesurer les agents AGI de manière computationnelle.
Deux entreprises notables qui pourraient faire des percées dans cette technologie sous-jacente sont OpenAI et DeepMind, qui étaient toutes deux remarquablement absentes. Cela pourrait être dû à la peur que l’AGI ne soit pas pris au sérieux par la communauté de l’intelligence artificielle, mais ce sont les deux entreprises les plus susceptibles de faire la première percée dans ce domaine. C’est particulièrement vrai puisque la mission déclarée d’OpenAI est de mener des recherches fondamentales à long terme pour la création d’un AGI sûr.
Il n’y a pas eu de percées révolutionnaires majeures à révéler lors de la conférence, mais il est clair que l’AGI préoccupe de nombreux chercheurs et que c’est quelque chose que la communauté de l’intelligence artificielle devrait accorder plus d’attention. Après tout, un AGI pourrait être la solution pour résoudre les multiples menaces existentielles de l’humanité.
