L’intelligence artificielle (IA) est souvent décrite comme une percée majeure qui exige l’attention, toutes les entreprises encouragées à avoir une «stratégie d’IA». La technologie de base de l’IA produisant les résultats qui stimulent ce point de vue est l’apprentissage automatique à l’aide de réseaux de neurones profonds («Deep Learning»). Le deep Learning a en fait fourni des percées importantes, notamment l’amélioration de la reconnaissance vocale et la compréhension du langage naturel des assistants numériques tels que Siri d’Apple, Google Assistant et Amazon Alexa. Deep Learning a également motivé davantage d’applications spécifiques à l’entreprise, telles que la réduction de la consommation d’énergie dans les centres de données de Google ou aidant Facebook à supprimer le contenu répréhensible plus rapidement.
Mais l’apprentissage en profondeur n’est pas basé sur de nouvelles inventions. La technologie de base existe depuis des décennies. Par exemple, la technique de «rétropropagation» qui est utilisée pour trouver le meilleur réseau de neurones profonds correspondant à un ensemble de données a été développé par Rumelhart, Hinton et Williams en 1986. Un livre de 729 pages du MIT Press, NeuroComputing: Fondations of Research , publié en 1988, réimprime 43 articles sur le sujet. Comme le pouvoir de l’apprentissage en profondeur est devenu évident, les chercheurs ont bien sûr apporté des améliorations méthodologiques substantielles, mais personne ne prétend avoir récemment «découvert» la technologie de base.
Si la méthodologie n’est pas nouvelle, qu’est-ce qui a fait que l’IA a eu un tel impact? La réponse est simple: l’augmentation de la puissance et de la mémoire de l’ordinateur a passé un seuil qui permet aux méthodes d’être pratiques. Lorsque cet auteur a écrit un livre sur l’apprentissage automatique pour la reconnaissance des modèles informatiques en 1972, l’alimentation informatique était environ un milliard de fois plus cher qu’aujourd’hui. Lorsqu’une entreprise que j’ai fondée a appliqué la technologie au développement de la reconnaissance de la parole une décennie plus tard, il était typique d’exécuter une analyse d’apprentissage automatique pendant plusieurs mois avant de converger. Cette limitation a conduit à ce qu’on a appelé «l’hiver de l’IA», où la recherche sur la technologie de base a été discréditée.
Une partie de la croissance de la puissance informatique a été l’amélioration des puces informatiques telles que décrites par la «loi de Moore», le nombre de transistors sur une puce doublant environ tous les deux ans. Le coût d’une heure de calcul a également diminué à peu près au même rythme.
L’apprentissage n’est qu’une technologie que l’augmentation de la puissance de calcul a permis au fil du temps. Les smartphones, qui ont eu un impact significatif sur nos vies, est un exemple évident.
La croissance de la puissance informatique se poursuivra-t-elle ou atteint-elle les limites de la loi de Moore? D’autres tendances peuvent en fait être accélérer la croissance de la puissance de calcul abordable. Une tendance à plus long terme est l’informatique quantique, mais les tendances à court terme stimulent également l’amélioration. Cela comprend la croissance du cloud computing, où la puissance informatique peut être louée plutôt que de nécessiter des investissements coûteux dans une ferme de serveurs. De plus, des puces spécialisées telles que des unités de traitement graphique sont incorporées dans des centres informatiques, fournissant un calcul parallèle pour des tâches spécialisées telles que l’apprentissage en profondeur. En faisant plusieurs processus simultanément , le calcul parallèle fournit une accélération significative des tâches appropriées.
De plus, les appareils reliant le cloud computing à des individus, tels que les smartphones et les automobiles, obtiennent plus de puissance de calcul sur les appareils à chaque nouveau modèle. Cela augmente encore la puissance totale de calcul totale.
AI n’a rien de nouveau, c’est juste le reflet de l’augmentation de «l’intelligence informatique», car je l’ai caractérisée dans mon récent livre. Si l’impact de l’IA n’est qu’un exemple de la croissance exponentielle de la puissance informatique au fil du temps, nous pouvons nous attendre à de futures percées car elle passe de nouveaux seuils – peut-être passant ces seuils encore plus rapidement que par le passé.
La poursuite des tendances d’aujourd’hui, par exemple, entraînera des assistants numériques de plus en plus personnalisés, faciles à utiliser et à fournir des informations et des services croissants. La connexion avec les ordinateurs deviendra de plus en plus comme une conversation humaine. Les enfants qui grandissaient avec un assistant numérique constamment à portée de main à travers des smartphones ou des montres intelligentes constateront qu’une telle «intelligence augmentée» devient presque une partie de l’être humain.
L’intelligence artificielle est une catégorie d’applications symptomatiques de ce qui vient, motivé par la tendance à long terme de l’augmentation de la puissance informatique. Plus généralement, l’intelligence informatique aura un impact sur nos vies de plus en plus surprenantes.
