Qu'est-ce que l'IA étroite (IA faible) ?

Exemples d'IA étroite

Toutes les formes de systèmes d'IA modernes peuvent être classées dans la catégorie de l'IA étroite. Elles sont les suivantes :

• Systèmes de reconnaissance d'images et de visages. Ces systèmes, y compris ceux utilisés par les entreprises de médias sociaux comme Facebook et Google pour identifier automatiquement les personnes sur les photos, sont des formes d'IA faible.
• Chatbots et assistants conversationnels. Il s'agit notamment des assistants virtuels populaires que sont Google Assistant, Siri et Alexa. Sont également inclus les chatbots plus simples de service à la clientèle, tels qu'un bot qui aide les clients à retourner un article dans un magasin de détail.
• Véhicules autopilotés. Les voitures autonomes ou semi-autonomes, comme certains modèles Tesla, ainsi que les drones, bateaux et robots d'usine autonomes sont autant d'applications de l'IA au sens étroit.
• Modèles de maintenance prédictive. Ces modèles s'appuient sur les données des machines, souvent collectées par des capteurs, pour aider à prévoir le moment où une pièce de la machine risque de tomber en panne et alerter les utilisateurs à l'avance.
• Moteurs de recommandation. Ces systèmes qui prédisent le contenu qu'un utilisateur pourrait aimer ou rechercher ensuite sont des formes d'IA faible.

Avantages et inconvénients de l'IA restreinte

Avantages. Les systèmes d'IA étroits peuvent effectuer des tâches uniques de manière satisfaisante, souvent mieux que les humains. Un système d'IA faible conçu pour identifier un cancer à partir d'images radiographiques ou échographiques, par exemple, pourrait être en mesure de repérer une masse cancéreuse dans les images plus rapidement et avec plus de précision qu'un radiologue expérimenté.

Par ailleurs, une plateforme de maintenance prédictive pourrait analyser les données des capteurs en temps réel, ce qui est pratiquement impossible pour une personne ou un groupe de personnes, afin de prédire approximativement quand une pièce d'une machine tombera en panne.

Inconvénients. Il n'en reste pas moins que les systèmes d'IA étroits ne peuvent faire que ce pour quoi ils ont été conçus et ne peuvent prendre des décisions que sur la base de leurs données d'apprentissage. Le chatbot du service clientèle d'un détaillant, par exemple, pourrait répondre à des questions concernant les heures d'ouverture du magasin, les prix des articles ou la politique de retour du magasin. En revanche, une question sur les raisons pour lesquelles un certain produit est meilleur qu'un produit similaire risquerait de laisser le robot dans l'impasse, à moins que ses créateurs n'aient pris le temps de le programmer pour qu'il réponde à ce type de questions de manière spécifique.

Par ailleurs, les systèmes d'IA sont susceptibles d'être biaisés et peuvent souvent donner des résultats incorrects sans pouvoir les expliquer. Les modèles complexes sont souvent formés sur des quantités massives de données - plus de données que leurs créateurs humains ne peuvent en trier eux-mêmes. Ces données contiennent souvent des biais ou des informations erronées, de sorte qu'un modèle formé à partir de ces données pourrait, par inadvertance, considérer ces informations erronées comme vraies.

Le modèle ferait des prédictions faussées, mais ses utilisateurs, ignorant qu'il a été formé sur des données biaisées, ne sauraient pas que les prédictions sont fausses.

IA étroite vs. IA générale, IA faible vs. IA forte

L'AGI implique un système doté de connaissances et de capacités cognitives complètes, de sorte que ses performances ne peuvent être distinguées de celles d'un être humain, bien que sa vitesse et sa capacité de traitement des données soient bien supérieures. Un tel système n'a pas encore été développé et les avis des experts divergent quant à la possibilité de créer un tel système.

Certains experts estiment qu'un système d'intelligence générale artificielle devrait posséder des qualités humaines, telles que la conscience, les émotions et l'esprit critique.

Les systèmes fondés sur l'IA étroite, ou IA faible, n'ont aucune de ces qualités, même s'ils peuvent souvent être plus performants que les humains lorsqu'ils sont orientés vers une tâche particulière. Ces systèmes ne sont pas destinés à simuler complètement l'intelligence humaine, mais plutôt à automatiser des tâches humaines spécifiques à l'aide de l'apprentissage automatique, de l'apprentissage profond et du traitement du langage naturel (NLP).