Gary Marcus, professeur de psychologie et de neurosciences à l’Université de New York, pense que l’intelligence artificielle connait une phase de stagnation et propose une solution permettant de faire évoluer la situation.

Dans un manifeste intitulé « Artificial Intelligence Is Stuck. Here’s How to Move It Forward », il développe ses réflexions qui vont à contre-courant des idées en vogue dans  les médias.

Ce billet, paru le 29 juillet dans le New York Times, fait un état des lieux des avancées de l’IA et de ses défis à venir.

De nombreux acteurs essaient de se faire une place sur le marché, les annonces relatives à  la découverte de nouveaux produits se sont multipliées depuis quelques années.

Mais pour Gary Marcus, la part réelle d’IA reste souvent très relative.

« Les applications basées sur de l’intelligence artificielle arrivent sur le marché mais nous sommes encore loin des parfaits robots humanoïdes ou des véhicules autonomes à 100% ».

«Bien que le domaine de l’IA exulte devant des micro-découvertes, les avancées vers la robustesse et la flexibilité de la cognition humaine restent hors de portée »

Les techniques d’apprentissage en sont également encore au stade du tâtonnement.

A côté du machine learning, le deep learning est aujourd’hui le centre de toutes les attentions.

Mais cette méthode ne permet pas encore de reconnaître parfaitement des images et beaucoup reste à faire dans le domaine.

Nous avons besoin d’un nouveau paradigme d’IA

Pour Gary Marcus, le domaine est dans une phase de stagnation. L’intelligence artificielle se base en effet sur le fonctionnement humain, notamment au niveau des réseaux neuronaux.

Mais, à l’heure actuelle la grande majorité de ce qui nous permet de structurer une pensée ou une réaction ne peut être pris en compte par l’ordinateur.

«Pour faire en sorte que les ordinateurs pensent comme des humains, nous avons besoin d’un nouveau paradigme d’IA, qui mettrait les connaissances «descendantes» et «ascendantes» sur un pied d’égalité ».

-         La connaissance ascendante est une sorte d’information brute que nous obtenons directement de nos sens, comme des motifs de lumière s’imprimant sur notre rétine.

-         La connaissance descendante comprend des modèles cognitifs du monde et la manière dont ils fonctionnent.”

Il ne s’agit pas seulement de faire en sorte que les ordinateurs puissent reconnaître un objet, une forme ou un animal :

L’intelligence artificielle doit pouvoir être capable d’analyser et comprendre clairement ce qu’il se passe.

Les ordinateurs dotés de programmes intelligents tendent pour l’instant davantage à être des systèmes passifs.

Si, par exemple, ils peuvent détecter deux personnes en train de courir sur une photo, ils ne parviennent pas à comprendre que l’un des protagonistes est en train de courir après l’autre.

«L’intégration de ce type de connaissances pourrait être le prochain grand défi de l’IA, un prérequis à des projets plus importants, comme l’utilisation de l’IA dans la médecine de pointe ou la recherche scientifique ».

Les solutions intelligentes dont nous disposons actuellement restent très limitées.

Pour Gary Marcus cela vient également du fait de l’organisation de l’écosystème actuel dans le domaine de l’IA.

La nécessaire collaboration internationale

Marcus distingue d’un côté les laboratoires universitaires, aux moyens et aux possibilités limités. Et de l’autre les laboratoires de grandes entreprises telles que Google ou Facebook, ayant les ressources nécessaires mais travaillant sur des problématiques restreintes à visée mercantiles, en se concentrant notamment sur l’optimisation des publicités.

Gary Marcus plaide pour des changements dans le domaine de l’IA, autant au niveau des paradigmes que du fonctionnement des centres de recherches privés et publics.

Selon lui, il faudrait davantage s’inspirer du CERN avec une collaboration  internationale; financer les recherches est fondamental si l’on veut faire des découvertes majeures et avoir un impact positif sur le monde.

«Une mission d’IA internationale centrée sur le fait d’apprendre aux ordinateurs à lire pourrait véritablement améliorer le monde qui plus est si cela fait de l’IA un bien commun, plutôt que la propriété de quelques privilégiés ».

Beaucoup reste donc à faire et Marcus nous propose une piste cohérente d’amélioration.

Mais les « GAFA » ont-il  un intérêt réel à améliorer les performances de l’intelligence artificielle alors que ces sociétés ont avant tout pour objectif le retour sur investissement à court et moyen terme ?