Plusieurs nouvelles technologies ont créé un engouement autour de l’intelligence artificielle (IA) et de ce qu’elle signifie pour notre avenir en tant que société. Chaque technologie est issue de différentes branches de l’IA et présente un ensemble unique d’avantages et de préoccupations.
Les deepfakes et les IA de clonage vocal font qu’il est difficile de se fier à ce que l’on voit ou entend sur l’internet. Certains affirment que ChatGPT et d’autres systèmes d’apprentissage profond similaires sont susceptibles de créer des redondances d’emplois dans plusieurs domaines. Une question préoccupante se pose : « L’IA finira-t-elle par remplacer les programmeurs ?
Qu’est-ce que l’intelligence artificielle ?
L’IA est une branche de l’informatique qui se concentre sur la capacité d’un système à résoudre des problèmes en utilisant une (ou plusieurs) des quatre qualités suivantes. Un système d’IA peut penser humainement, agir humainement, penser rationnellement et/ou agir rationnellement.
L’histoire de l’intelligence artificielle
Bien qu’il semble que l’IA existe depuis des siècles, c’est un domaine qui a pris de l’ampleur au milieu des années 1900. L’une des dates les plus marquantes de l’histoire de l’IA est 1956, année de l’introduction officielle du domaine de l’intelligence artificielle. Cette introduction a eu lieu lors d’une conférence au Dartmouth College.
Plusieurs grands noms sont liés à différents aspects des premières avancées de l’IA. Il s’agit notamment d’Alan Turing, Marvin Minsky, Allen Newell, Herbert Simon, John Robinson et Alain Colmerauer.
Agir humainement
En 1936, Alan Turing a publié un article intitulé « On Computable Numbers, With an Application to the Entscheidungsproblem ». Dans cet article, Turing a introduit le concept de machine de Turing qui, à ce jour, joue un rôle important dans l’IA. Il a prouvé qu’avec un algorithme correct, une machine de Turing peut effectuer n’importe quel calcul mathématique.
Plus tard, en 1937, Turing a utilisé le problème de l’arrêt pour souligner les limites des machines intelligentes. Puis, en 1950, Turing a défini l’intelligence des machines à l’aide de ce qu’il appelle le test de Turing. Si un système d’intelligence artificielle réussit le test de Turing, il peut alors agir comme un être humain.
Penser humainement
Marvin Minsky est un nom populaire dans le domaine de l’intelligence artificielle. Il est connu pour avoir développé la première machine d’apprentissage à réseau neuronal aléatoire, appelée SNARC, en 1951. Les réseaux neuronaux permettent aux ordinateurs de traiter les données de la même manière que le cerveau humain. Selon la définition de Minsky, l’IA est « la science qui consiste à faire faire à des machines des choses qui nécessiteraient de l’intelligence si elles étaient faites par des hommes ».
Allen Newell et Herbert Simon sont deux autres pionniers dans le domaine de l’IA, qui se sont concentrés sur la capacité d’une machine à simuler la pensée humaine. En 1956, ils ont présenté le premier programme informatique de traitement des symboles, appelé Logic Theorist. En 1961, Newell et Simon ont mis au point le General Problem Solver (GPS), qui imite essentiellement la pensée humaine.
Penser rationnellement
John Robinson a publié en 1965 une revue intitulée « A Machine-Oriented Logic Based on the Resolution Principle » (Une logique orientée machine basée sur le principe de résolution). Il a également inventé le calcul de résolution pour la logique des prédicats, qui joue un rôle essentiel dans l’IA.
La logique des prédicats est un langage formel qui utilise la logique pour représenter la pensée rationnelle. Ce langage utilise le cadre selon lequel des prémisses correctes produiront des conclusions correctes. Par exemple, Alexa est une machine ; toutes les machines facilitent le travail ; par conséquent, Alexa facilite le travail.
Progrès récents en matière d’intelligence artificielle
Comme lors de sa création, le domaine de l’intelligence artificielle est aujourd’hui très complexe et comporte de nombreuses branches différentes. Chaque branche de l’intelligence artificielle fait continuellement des progrès significatifs.
L’apprentissage automatique est une branche de l’IA qui utilise des algorithmes de données pour imiter l’apprentissage humain, qui améliore sa précision à chaque itération. L’un des sous-ensembles les plus importants de l’apprentissage automatique est l’apprentissage profond. L’apprentissage profond améliore l’apprentissage automatique en réduisant le besoin d’assistance humaine de la machine.
Par exemple, si vous avez des images de fleurs que vous souhaitez regrouper par espèce, le processus de catégorisation sera différent selon le type de système. Si votre système utilise l’apprentissage automatique, vous devrez établir manuellement les caractéristiques qui distinguent les espèces. En revanche, un système qui utilise l’apprentissage profond déterminera de lui-même les meilleures caractéristiques distinctives pour chaque espèce.
L’apprentissage profond a créé des vagues importantes dans l’industrie ces dernières années, grâce à plusieurs technologies. ChatGPT est une technologie d’apprentissage profond qui fait actuellement l’objet d’une grande attention.
D’après ChatGPT, c’est le cas :
un grand modèle de langage créé par OpenAI. Il s’agit d’un programme d’intelligence artificielle (IA) conçu pour comprendre le langage naturel et générer des réponses de type humain à divers types de questions et d’invites. Le modèle est basé sur une architecture d’apprentissage profond appelée transformateur, qui est capable de traiter de grandes quantités de données textuelles et de générer des réponses basées sur des modèles et des relations qu’il a appris à partir de ces données.
Depuis son lancement au quatrième trimestre 2022, ChatGPT a fait l’objet de nombreux débats. Ce système d’IA se distingue par ses compétences en matière de traitement du langage naturel, associées à sa capacité à apprendre de nouvelles informations grâce à l’apprentissage par renforcement à partir d’un retour d’information humain (RLHF). Il semble également posséder une forte capacité à écrire et à corriger du code. Certains affirment que cette technologie représente la genèse de l’extinction des programmeurs humains.
Caractéristiques souhaitées d’un programmeur humain que l’IA ne peut pas reproduire
Un système d’IA peut apprendre à écrire du code pour créer des logiciels. Cependant, remplacer entièrement les programmeurs pourrait être un peu plus compliqué. Les capacités d’un système d’IA peuvent lui permettre de réduire la main-d’œuvre en aidant les programmeurs à travailler plus vite, mais il ne pourra jamais vraiment remplacer les travailleurs humains. Le cerveau humain et ses caractéristiques complexes constituent l’une des principales différences entre les programmeurs et les systèmes d’IA.
Selon Andrew Ng, l’un des plus grands noms de l’IA aujourd’hui :
un seul neurone dans le cerveau est une machine incroyablement complexe que nous ne comprenons toujours pas. Un seul « neurone » dans un réseau neuronal est une fonction mathématique incroyablement simple qui ne représente qu’une fraction minuscule de la complexité d’un neurone biologique.
La capacité du cerveau à générer une nouvelle pensée à partir de rien dépasse l’entendement humain. Ce n’est certainement pas quelque chose qu’un système d’intelligence artificielle peut reproduire. Une autre caractéristique souhaitable des programmeurs est la perplexité de la créativité, qui est également quelque chose qu’une machine ne peut pas reproduire.
Grâce à l’apprentissage profond, l’IA peut donner l’impression d’une pensée humaine. Certains systèmes d’IA peuvent prendre des décisions simples, mais ces décisions sont dérisoires par rapport aux capacités de prise de décision du cerveau humain. L’IA peut écrire du code, mais elle n’est pas capable de s’assurer que le code qu’elle écrit est le bon. Un système d’IA ne peut pas reproduire le jugement humain, et rien n’indique qu’il en sera capable à l’avenir.
L’avenir de l’IA et de la programmation
Les technologies d’IA telles que ChatGPT ont prouvé à quel point l’IA peut être utile aux programmeurs. Elle génère du code rapidement et peut contribuer au flux de travail global d’un programmeur. Cependant, ChatGPT a également prouvé que même la technologie d’apprentissage profond la plus avancée dont nous disposons actuellement ne peut pas gérer une autonomie complète. ChatGPT est connu pour générer des réponses absurdes aux questions, selon OpenAI.
Par conséquent, il est plausible de supposer que l’avenir de l’IA dans la programmation est celui des « assistants » plutôt que des « remplaçants » des programmeurs.
