mostra indice nascondi indice
L’émergence de l’intelligenza artificiale (AI) a transformé notre monde en un temps record, et la question de savoir si elle est en passe de surpasser l’intelligence humaine alimente de nombreux débats. Depuis les premières conceptions théoriques d’Alan Turing, où il envisageait des machines capables de tenir une conversation indiscernable de celle d’un humain, les progrès technologiques ont été phénoménaux. Des modèles de langage comme ChatGPT semblent aujourd’hui réussir le célèbre test de Turing, bien que ce test soit désormais contesté quant à sa pertinence en tant que critère d’intelligence. Avec des capacités à manipuler de vastes corpus de texte, à apprendre de nouvelles tâches et à fournir des réponses extrapolées à partir des données d’entraînement, les systèmes actuels continuent de nous étonner. Néanmoins, les défis restent nombreux, en particulier quant à la capacité des IA à effectuer des raisonnements mathématiques ou à maîtriser des compétences plus intuitives, typiques de l’intelligence humaine. Alors que certains voient dans les systèmes hybrides la clé pour atteindre une intelligence comparable à celle des humains, la voie vers une véritable intelligence artificielle générale est encore parsemée d’embûches.
Depuis des décennies, l’intelligence artificielle (IA) est au cœur des discussions technologiques et philosophiques. Avec l’émergence des grands modèles de langage (LLM), les spécimens actuels de cette technologie ont surpassé de nombreux tests auxquels ont échoué les générations précédentes, mais demeurent limités dans certains domaines. Cet article explore les défis actuels de l’IA, la question de son intelligence, ainsi que les perspectives futures offertes par les systèmes hybrides.
Les LLM : Un Progrès Remarquable mais Limité
Il y a 75 ans, le pionnier de l’informatique Alan Turing introduisait l’idée d’une machine pouvant être considérée comme intelligente si elle était capable de se faire passer pour humaine lors d’un échange écrit. Bien que les LLM actuels, tels que ChatGPT, réussissent ce test de Turing, il reste discutable de les juger véritablement intelligents. Ce critère repose excessivement sur la capacité à produire du langage, une caractéristique qui peut facilement induire en erreur. Un agent conversationnel qui imite les comportements humains et génère du texte plausible peut créer l’illusion de l’intelligence sans posséder de véritables compétences cognitives.
Les Défis de l’Intelligence Artificielle Générale
Actuellement, l’intelligence artificielle générale est définie par l’égalisation ou le dépassement des performances cognitives humaines dans divers domaines. Cela inclut non seulement l’interaction en langage naturel, mais aussi la résolution de problèmes nouveaux, l’apprentissage de tâches inédites, et le transfert de compétences d’un domaine à l’autre sans reprogrammation. Bien que les LLM aient démontré des prouesses dans certaines évaluations standards, leurs failles se manifestent dans des tâches élémentaires qui demandent des capacités non purement linguistiques, comme le comptage précis.
Les Limites Cognitives des LLM
La capacité des LLM à générer des réponses correctes repose principalement sur un immense corpus d’entraînement intégrant quasiment tout Internet. Cela engendre des réponses justes lorsqu’une question fait écho aux données incluses dans le modèle. Cependant, dès lors que l’on s’éloigne du corpus, les réponses peuvent devenir incertaines et peu fiables. Par exemple, les LLM ne possèdent pas de mécanismes fiables pour effectuer des calculs précis, ce qui peut entraîner des erreurs flagrantes dans les tâches demandant un raisonnement mathématique.
Des Problèmes Toujours Difficiles à Réaliser pour les IA
Alors que de nombreux défis ont été relevés par les IA actuelles, certaines capacités cognitives humaines restent hors de portée. L’ingénieur français François Chollet a conçu la batterie de tests ARC pour spécifiquement évaluer la capacité des IA à traiter des problèmes réellement inédits. Les résultats aux ARC montrent encore peu de progrès significatif, et pourtant ces tests n’évaluent pas l’ensemble de l’intelligence humaine. Les difficultés rencontrées par les systèmes de vision artificielle, tels que ceux utilisés dans les voitures autonomes pour la reconnaissance fiable des objets, illustrent ces limitations persistantes.
Vers un Avenir de Systèmes Hybrides
Malgré les avancées impressionnantes des LLM, ils peinent encore à atteindre l’intelligence artificielle générale. Une approche prometteuse réside dans les systèmes hybrides qui combinent des programmes spécialisés avec la puissance linguistique des LLM. Ces systèmes pourraient offrir des réponses plus fiables et des solutions précises en s’appuyant sur les forces de modules différents. Ce développement pourrait potentiellement ouvrir la voie à une intelligence qui pourrait un jour rivaliser avec celle des humains sur plusieurs aspects.
