Imaginez un groupe de jeunes hommes réunis sur un campus universitaire pittoresque de la Nouvelle-Angleterre, aux États-Unis, pendant l’été nordique de 1956.
Il s'agit d'un petit rassemblement informel. Mais les hommes ne sont pas là pour des feux de camp et des randonnées dans la nature dans les montagnes et les bois environnants. Au lieu de cela, ces pionniers sont sur le point de se lancer dans un voyage expérimental qui suscitera d'innombrables débats pendant des décennies à venir et changera non seulement le cours de la technologie, mais aussi celui de l'humanité.
Bienvenue à la conférence de Dartmouth – le berceau de l’intelligence artificielle (IA) telle que nous la connaissons aujourd’hui.
Ce qui s’est passé ici mènerait finalement à ChatGPT et aux nombreux autres types d’IA qui nous aident aujourd’hui à diagnostiquer des maladies, à détecter des fraudes, à créer des listes de lecture et à écrire des articles (enfin, pas celui-ci). Mais cela créerait également certains des nombreux problèmes que le domaine tente encore de surmonter. Peut-être qu’en regardant en arrière, nous pourrons trouver une meilleure voie à suivre.
Au milieu des années 1950, le rock'n'roll conquiert le monde. Heartbreak Hotel d'Elvis est en tête des charts et les adolescents commencent à adopter l'héritage rebelle de James Dean.
Mais en 1956, dans un coin tranquille du New Hampshire, une révolution d’un autre genre se produisait.
La Projet de recherche d'été de Dartmouth sur l'intelligence artificielleLa Conférence de Dartmouth, souvent appelée « Conférence de Dartmouth », a débuté le 18 juin et a duré environ huit semaines. Elle a été imaginée par quatre informaticiens américains – John McCarthy, Marvin Minsky, Nathaniel Rochester et Claude Shannon – et a réuni certains des esprits les plus brillants de l’époque en informatique, en mathématiques et en psychologie cognitive.
Ces scientifiques, accompagnés de 47 personnes invitées, se sont donnés pour objectif ambitieux : fabriquer des machines intelligentes.
As McCarthy l'a mis dans la proposition de conférence, ils avaient pour objectif de découvrir « comment faire en sorte que les machines utilisent le langage, forment des abstractions et des concepts, résolvent des types de problèmes aujourd’hui réservés aux humains ».
La conférence de Dartmouth n’a pas seulement inventé le terme « intelligence artificielle » ; elle a également permis de rassembler tout un champ d’étude. C’est comme un Big Bang mythique de l’IA : tout ce que nous savons aujourd’hui sur l’apprentissage automatique, les réseaux neuronaux et l’apprentissage profond trouve ses origines dans cet été dans le New Hampshire.
Mais l’héritage de cet été est complexe.
L’intelligence artificielle a pris le dessus sur d’autres termes proposés ou utilisés à l’époque. Shannon a préféré le terme « études sur les automates », tandis que deux autres participants à la conférence (et futurs créateurs du premier programme d’IA), Allen Newell et Herbert Simon, ont continué à utiliser « traitement complexe de l’information » pendant quelques années encore.
Mais voici le problème : après avoir opté pour l’IA, peu importe nos efforts, nous ne pouvons aujourd’hui pas nous empêcher de comparer l’IA à l’intelligence humaine.
Cette comparaison est à la fois une bénédiction et une malédiction.
D’un côté, cela nous pousse à créer des systèmes d’IA capables d’égaler ou de dépasser les performances humaines dans des tâches spécifiques. Nous nous réjouissons lorsque l’IA surpasse les humains dans des jeux comme les échecs ou le Go, ou lorsqu’elle peut détecter le cancer sur des images médicales avec une plus grande précision que les médecins.
D’un autre côté, cette comparaison constante conduit à des idées fausses.
Quand un L'ordinateur bat un humain au jeu de Go, il est facile de conclure que les machines sont désormais plus intelligentes que nous dans tous les domaines – ou que nous sommes au moins sur la bonne voie pour créer une telle intelligence. Mais AlphaGo n’est pas plus proche de l’écriture poétique qu’une calculatrice.
Et quand un grand modèle de langage sonne humain, on commence à se demander si c'est sensible.
Mais ChatGPT n’est pas plus vivant qu’un mannequin ventriloque parlant.
Les scientifiques présents à la conférence de Dartmouth se sont montrés incroyablement optimistes quant à l’avenir de l’intelligence artificielle. Ils étaient convaincus qu’ils pourraient résoudre le problème de l’intelligence artificielle en un seul été.
Cet excès de confiance est un thème récurrent dans le développement de l’IA et a conduit à plusieurs cycles de battage médiatique et de déception.
Simon a déclaré en 1965 que « les machines seront capables, d’ici 20 ans, d’effectuer n’importe quel travail qu’un homme peut faire ». Minsky prédit en 1967 que « d’ici une génération […] le problème de la création d’une « intelligence artificielle » sera en grande partie résolu ».
Futuriste populaire Ray Kurzweil prédit désormais ce n'est que dans cinq ans : « nous n'y sommes pas encore tout à fait, mais nous y serons, et d'ici 2029, cela égalera n'importe quelle personne ».
Alors, comment les chercheurs en IA, les utilisateurs de l’IA, les gouvernements, les employeurs et le grand public peuvent-ils progresser de manière plus équilibrée ?
Une étape clé consiste à accepter la différence et l’utilité des systèmes de machines. Au lieu de nous concentrer sur la course à « l’intelligence artificielle générale », nous pouvons nous concentrer sur les atouts uniques des systèmes que nous avons construits – par exemple, l’énorme capacité créative des modèles d’images.
Il est également important de déplacer le débat de l'automatisation vers l'augmentation. Plutôt que d'opposer les humains aux machines, concentrons-nous sur Comment l'IA peut aider et augmenter les capacités humaines.
Il convient également de souligner les considérations éthiques. Les participants de Dartmouth n’ont pas consacré beaucoup de temps à discuter des implications éthiques de l’IA. Aujourd’hui, nous savons mieux et devons faire mieux.
Nous devons également recentrer les axes de recherche. Mettons l’accent sur la recherche en matière d’interprétabilité et de robustesse de l’IA, sur la recherche interdisciplinaire en IA et explorons de nouveaux paradigmes de l’intelligence qui ne sont pas calqués sur la cognition humaine.
Enfin, nous devons gérer nos attentes à l’égard de l’IA. Bien sûr, nous pouvons être enthousiasmés par son potentiel. Mais nous devons également avoir des attentes réalistes, afin d’éviter les cycles de déception du passé.
En repensant à ce camp d'été il y a 68 ans, nous pouvons célébrer la vision et l'ambition des participants à la Conférence de Dartmouth. Leur travail a jeté les bases de la révolution de l'IA que nous vivons aujourd'hui.
En repensant notre approche de l’IA – en mettant l’accent sur l’utilité, l’augmentation, l’éthique et les attentes réalistes – nous pouvons honorer l’héritage de Dartmouth tout en traçant une voie plus équilibrée et plus bénéfique pour l’avenir de l’IA.
Après tout, la véritable intelligence ne réside pas seulement dans la création de machines intelligentes, mais dans la manière dont nous choisissons judicieusement de les utiliser et de les développer.
Cet article a été republié en The Conversation sous une licence Creative Commons et est rédigé par Sandra Peter, Directeur de Sydney Executive Plus, Université de Sydney
Un cadre pour évaluer les technologies numériques et connexes en développement rapide : IA, grands modèles de langage et au-delà
Ce document de discussion fournit les grandes lignes d’un cadre initial pour éclairer les multiples discussions mondiales et nationales en cours concernant l’IA.
Préparer les écosystèmes nationaux de recherche à l’IA : stratégies et progrès en 2024
Le rapport propose une analyse complète de l’intégration de l’intelligence artificielle dans la science et la recherche dans divers pays. Il aborde à la fois les progrès réalisés et les défis rencontrés dans ce domaine, ce qui en fait une lecture précieuse pour les leaders scientifiques, les décideurs politiques, les professionnels de l'IA et les universitaires.
Les organisations scientifiques à l’ère du numérique
Le document de discussion synthétise les résultats d'une vaste enquête, d'entretiens détaillés et d'études de cas impliquant des membres de l'ISC. Il sert à la fois de reflet actuel de la situation numérique dans la communauté scientifique et de guide pour les organisations qui se lancent dans leur transition numérique.
Image Billy Wilson sur Flickr