Le problème des relations publiques de l'IA

HBO Westworld présente un dispositif d'intrigue commun - des hôtes synthétiques se dressant contre leurs créateurs humains insensibles. Mais est-ce plus qu'un simple rebondissement ? Après tout, des gens intelligents comme Bill Gates et Steven Hawking ont averti que l'intelligence artificielle pourrait être sur une voie dangereuse et pourrait menacer la survie de la race humaine.

Ils ne sont pas les seuls à s'inquiéter. La commission des affaires juridiques du Parlement européen a récemment publié un rapport appelant l'UE à exiger que les robots intelligents soient enregistrés, en partie pour que leur caractère éthique puisse être évalué. Le mouvement Stop Killer Robots, opposé à l'utilisation d'armes dites autonomes en temps de guerre, influence à la fois la politique des Nations unies et celle du département américain de la Défense.

L'intelligence artificielle, semble-t-il, a un problème de relations publiques. S'il est vrai que les machines d'aujourd'hui peuvent accomplir de manière crédible de nombreuses tâches (jouer aux échecs, conduire des voitures) qui étaient autrefois réservées aux humains, cela ne signifie pas que les machines deviennent de plus en plus intelligentes et ambitieuses. Cela signifie simplement qu'ils font ce pour quoi nous les avons construits.

Les robots arrivent peut-être, mais ils ne viennent pas pour nous, car il n'y a pas d'eux. Les machines ne sont pas des personnes, et il n'y a aucune preuve convaincante qu'elles sont sur la voie de la sensibilité.

Jerry Kaplan

Nous remplaçons des travailleurs qualifiés et compétents depuis des siècles, mais les machines n'aspirent pas à de meilleurs emplois et à des emplois plus élevés. Les métiers à tisser Jacquard ont remplacé les couturières expertes au XIXe siècle, mais ces appareils remarquables, programmés avec des cartes perforées pour une myriade de motifs de tissus, n'ont pas signifié le destin des couturiers et des tailleurs. Jusqu'au milieu du 20e siècle, nous comptions sur nos meilleurs et nos plus brillants pour faire de l'arithmétique - être un calculateur était une profession très respectée. Maintenant que des appareils aux capacités comparables sont offerts comme bibelots promotionnels lors de salons professionnels, les mathématiciens d'entre nous peuvent se concentrer sur des tâches qui nécessitent des compétences plus larges, comme l'analyse statistique. Bientôt, votre voiture pourra vous conduire au bureau sur commande, mais vous n'avez pas à vous en soucier en vous inscrivant à Uber pour gagner quelques dollars supplémentaires pour l'essence pendant que vous êtes en réunion du personnel (sauf si vous demandez il à).

L'IA utilise certaines technologies puissantes, mais elles ne s'intègrent pas aussi bien que vous pourriez le penser. Les premiers chercheurs se sont concentrés sur les moyens de manipuler les symboles selon des règles. Cela était utile pour des tâches telles que prouver des théorèmes mathématiques, résoudre des énigmes ou disposer des circuits intégrés. Mais plusieurs problèmes d'IA emblématiques, tels que l'identification d'objets sur des images et la conversion de mots parlés en langage écrit, se sont avérés difficiles à résoudre. Des techniques plus récentes, qui relèvent de la bannière ambitieuse de l'apprentissage automatique, se sont avérées bien mieux adaptées à ces défis. Les programmes d'apprentissage automatique extraient des modèles utiles à partir de vastes collections de données. Ils alimentent les systèmes de recommandation sur Amazon et Netflix, perfectionnent les résultats de recherche Google, décrivent des vidéos sur YouTube, reconnaissent les visages, échangent des actions, dirigent des voitures et résolvent une myriade d'autres problèmes où les mégadonnées peuvent être mises à contribution. Mais aucune approche n'est le Saint Graal de l'intelligence. En effet, ils cohabitent assez maladroitement sous l'étiquette d'intelligence artificielle. La simple existence de deux approches majeures avec des forces différentes remet en question si l'une d'elles pourrait servir de base à une théorie universelle de l'intelligence.

Pour la plupart, les réalisations de l'IA vantées dans les médias ne sont pas la preuve de grandes améliorations dans le domaine. Le programme d'IA de Google qui a remporté un concours Go l'année dernière n'était pas une version raffinée de celui d'IBM qui a battu le champion du monde d'échecs en 1997 ; la fonction de voiture qui émet un bip lorsque vous sortez de votre voie fonctionne très différemment de celle qui planifie votre itinéraire. Au lieu de cela, les réalisations si essoufflées rapportées sont souvent concoctées à partir d'un sac fourre-tout d'outils et de techniques disparates. Il peut être facile de confondre le battement de tambour des histoires de machines qui nous surpassent dans des tâches comme la preuve que ces outils deviennent de plus en plus intelligents, mais ce n'est pas le cas.

Le discours public sur l'IA s'est détaché de la réalité en partie parce que le domaine n'a pas de théorie cohérente. Sans une telle théorie, les gens ne peuvent pas évaluer les progrès sur le terrain, et caractériser les progrès devient une supposition. En conséquence, les personnes dont nous entendons le plus parler sont celles qui ont la voix la plus forte plutôt que celles qui ont quelque chose de substantiel à dire, et les articles de presse sur les robots tueurs ne sont en grande partie pas contestés.

Je suggérerais qu'un problème avec l'IA est le nom lui-même - inventé il y a plus de 50 ans pour décrire les efforts de programmation des ordinateurs pour résoudre les problèmes qui nécessitaient l'intelligence ou l'attention humaine. Si l'intelligence artificielle avait été nommée quelque chose de moins effrayant, elle pourrait sembler aussi prosaïque que la recherche opérationnelle ou l'analyse prédictive.

Peut-être qu'une description moins provocatrice serait quelque chose comme l'informatique anthropique. Un surnom aussi large que celui-ci pourrait englober des efforts pour concevoir des systèmes informatiques d'inspiration biologique, des machines qui imitent la forme ou les capacités humaines, et des programmes qui interagissent avec les gens de manière naturelle et familière.

Nous devrions arrêter de décrire ces merveilles modernes comme des proto-humains et plutôt parler d'eux comme d'une nouvelle génération de machines flexibles et puissantes. Nous devons faire attention à la manière dont nous déployons et utilisons l'IA, mais pas parce que nous invoquons un démon mythique qui pourrait se retourner contre nous. Au contraire, nous devrions résister à notre prédisposition à attribuer des traits humains à nos créations et accepter ces inventions remarquables pour ce qu'elles sont vraiment : des outils puissants qui promettent un avenir plus prospère et plus confortable.

Jerry Kaplan enseigne l'impact social et économique de l'IA à l'Université de Stanford. Son dernier livre est Intelligence artificielle : ce que tout le monde doit savoir, d'Oxford University Press.

cacher