Qu'est-ce que l'hiver de l'IA ?

Histoire et chronologie des hivers de l'IA

La trajectoire de l'IA a été marquée par plusieurs hivers depuis sa création en 1955 dans une proposition formelle faite par l'informaticien et chercheur en IA Marvin Minksy et plusieurs autres. Entre 1956 et 1974, la Defense Advanced Research Projects Agency (DARPA) des États-Unis a financé la recherche sur l'IA avec peu d'exigences en matière de développement de projets fonctionnels. Au milieu des années 50, les projets d'IA suivants ont suscité un grand engouement :

• une expérience de traduction automatique qui a généré des traductions brutes, mot à mot, du russe vers l'anglais ;
• un programme capable de jouer aux dames ; et
• un réseau neuronal composé de perceptrons, qui sont des répliques grossières des neurones du cerveau humain.

Après l'engouement initial suscité par ces projets d'IA, une décennie tranquille a suivi, au cours de laquelle l'intérêt et le soutien se sont progressivement amenuisés. En 1969, Minsky et un autre chercheur en IA, Seymour Papert, ont publié un livre intitulé Perceptrons, qui mettait en évidence les défauts et les limites des réseaux neuronaux. Cette publication a incité la DARPA à cesser de financer des projets d'IA.

En 1973, une évaluation de la recherche universitaire dans le domaine de l'IA, appelée "rapport Lighthill", a été publiée. Ce rapport critiquait vivement la recherche dans ce domaine jusqu'alors, affirmant que la recherche en IA n'avait pas réussi à atteindre les objectifs grandioses qu'elle s'était fixés. Ce rapport a conduit le Royaume-Uni à cesser de financer l'IA. Cette décision a marqué le début du premier hiver de l'IA, qui s'est déroulé entre 1974 et 1980, après une période de près de 20 ans d'intérêt significatif pendant ce que certains ont appelé l'âge d'or de l'IA. L'intérêt pour l'IA n'a été ravivé que des années plus tard avec l'avènement des systèmes experts, qui utilisent le raisonnement basé sur des règles de type "si-alors". Cette période s'est terminée par un autre hiver de l'IA, de la fin des années 1980 au milieu des années 1990.

Nous vivons actuellement l'une des plus longues périodes d'intérêt soutenu pour l'IA de l'histoire. Les systèmes distribués d'aujourd'hui éclipsent la puissance de calcul du passé et il existe de vastes quantités de données d'entraînement sur lesquelles les systèmes d'IA peuvent se faire les dents. Il s'agit là d'avantages distincts dont les développeurs d'IA ne disposaient pas par le passé et qui constituent deux des principaux moteurs des avancées actuelles en matière d'IA. Mais la question de savoir jusqu'où la technologie peut aller reste ouverte. Nombreux sont ceux qui doutent de la capacité de l'IA à passer le test de Turing et à prouver sa capacité à créer des systèmes imitant l'intelligence et le comportement humains.

Les principales causes des hivers AI

Historiquement, les hivers de l'IA se sont produits parce que les promesses des fournisseurs n'ont pas été tenues et que les initiatives en matière d'IA ont été plus compliquées à mettre en œuvre que prévu. Lorsque les produits délavés par l'IA ne parviennent pas à offrir un retour sur investissement (ROI) significatif, les acheteurs sont déçus et dirigent leur attention ailleurs.

Les hivers de l'IA surviennent lorsque l'engouement pour la recherche et le développement de l'IA commence à stagner. Ils surviennent également lorsque les fonctions de l'IA cessent d'être commercialement viables. Les promesses générées par les nouvelles techniques ont tendance à faire beaucoup de bruit et à susciter les attentes du public. Les entreprises et les organisations investissent beaucoup d'argent sur la base de ces attentes et, progressivement, si la nouvelle technologie ne répond pas à ces attentes, elles se désintéressent de l'IA. Si les organisations commencent à retirer leur financement, c'est le signe d'une baisse d'intérêt et d'un hiver de l'IA imminent.

Pour éviter un nouvel hiver de l'IA, certains fournisseurs ont choisi de qualifier les fonctions logicielles de prédictives plutôt que d'artificiellement intelligentes.

L'hiver de l'IA aura-t-il lieu ?

Au cours de la dernière décennie, l'IA a connu une forte progression. Parmi les principales avancées de l'intelligence artificielle qui ont alimenté le battage médiatique, on peut citer l'apprentissage en profondeur, les unités de traitement graphique et l'analyse et le traitement des données de grande taille. Parmi les autres domaines d'innovation qui ont fait date dans le monde réel, on peut citer les suivants :

• reconnaissance faciale ;
• des algorithmes d'apprentissage automatique ;
• la science des données et l'analyse ;
• l'agent d'IA AlphaGo pour le jeu de société chinois Go ;
• la reconnaissance et la traduction linguistiques avancées ;
• les diagnostics médicaux et l'imagerie ; et
• les voitures autonomes.

Bien que ces avancées aient eu une influence, elles présentent également des limites importantes qui empêchent une large application et une utilisation omniprésente et trans-contextuelle. Par exemple, la reconnaissance faciale pose des problèmes éthiques dans certains contextes. Par ailleurs, les voitures autonomes ne sont pas capables de conduire avec la même sophistication que les conducteurs humains et sont encore sujettes à des accidents en raison de défauts dans la reconnaissance des objets.

L'intelligence artificielle doit encore surmonter d'importants obstacles avant de devenir une technologie quotidienne à part entière. Les applications actuelles de l'intelligence artificielle excellent dans la résolution de certains problèmes spécifiques et nécessitent beaucoup de données. Pour parvenir à l'intelligence artificielle générale, surnommée le Saint Graal de l'intelligence artificielle, l'IA devra s'améliorer pour résoudre un plus grand nombre de problèmes avec beaucoup moins de données. Ces limites sont la raison pour laquelle, après plusieurs années de battage médiatique, d'avancées et de mises en œuvre, certains analystes prédisent un nouvel hiver de l'IA. D'autres restent optimistes, car l'IA continue d'automatiser les fonctions de l'entreprise dans ce que certains ont appelé la révolution autonome.

Les étés de l'IA

L'été de l'IA correspond à une période où l'intérêt et le financement de l'IA sont en plein essor et où une augmentation des fonds est consacrée au développement et à l'application de la technologie de l'IA. Malgré les limites de l'IA, nombreux sont ceux qui pensent que le secteur connaît un été de l'IA. Pendant les étés de l'IA, les percées technologiques suscitent de grandes attentes, des promesses sont faites quant à l'avenir de l'IA et le marché investit dans ces promesses.

À chaque étape des cycles d'optimisme et de désillusion qui définissent les perceptions publiques de la technologie de l'IA, il reste une série de défis à relever. L'éthique est un sujet de discussion brûlant pour l'IA et l'industrie des technologies de l'information en général. Les consommateurs et les travailleurs de l'industrie technologique s'interrogent sur la manière dont les systèmes automatisés de prise de décision sont conçus et sur les décisions qu'ils devraient être autorisés à prendre, à la fois en termes de secteurs d'activité et d'applications spécifiques au sein de ces secteurs. Cette question se pose par exemple dans le secteur médical, où les données médicales émergentes peuvent être utilisées pour recueillir des informations médicales à partir des comportements apparemment sans rapport d'une personne.

Malgré les doutes, les limites et le pessimisme, l'industrie de l'IA d'entreprise est là pour durer. Apprenez à la mettre en œuvre, à la maintenir et à la développer à l'aide de ce guide complet.