L’intelligence : la capacité à s’adapter

La définition de l’intelligence est méconnue, souvent à tort associée au savoir ou à la connaissance, il n’en n’est rien, c’est très incomplet. C’est surtout et avant tout la capacité humaine et stratégique à adapter sa réponse face à une situation.

Reprenons à la base, un instant svp, selon le LE GRAND ROBERT : « lat. intellegentia -> comprendre. Faculté de connaître, de comprendre -> Âme, esprit, pensée, raison. L’homme et l’apparition de l’intelligence. L’intelligence ‘c’est la faculté de fabriquer des objets artificiels’ => VOLTAIRE nous expliqua dans le Dictionnaire Philosophique : ‘(…) Concluons enfin que nous devons employer cette intelligence, dont la nature est inconnue, à perfectionner les sciences (…) comme les horloges emploient les ressorts dans leurs montres, sans savoir ce qu’est le ressort.’

On dit de l’intelligence humaine qu’est est vive, pénétrante, prompte, ouverte, dure, lente, faible, épaisse. On dit également qu’il existe divers types d’intelligence, humaine ou divine (c’est l’immanence).

Artificiel : adjectif (latin artificialis, conforme à l’art). Produit par le travail de l’homme et non par la nature (par opposition à Naturel).

Les systèmes et algorithmes d’intelligence artificielle sont capables de créer du contenu. L’IA générative utilise des algorithmes tels que les réseaux antagonistes génératifs (GAN), ou plus récemment les Transformers (pour comprendre et générer du texte), ou encore les modèles de diffusion (pour la génération d’images) afin de créer de nouvelles données, qui sont indiscernables des données réelles. Elle peut créer de nouvelles images, de la musique, du code informatique, et même des vidéos. Grâce à sa parfaite compréhension du langage naturel, elle peut être un assistant pour de nombreuses tâches : analyse, traduction, détection d’entités nommées, raisonnement (à ne pas confondre avec le raisonnement humain)…

IA : Domaine de l’informatique qui comprend des systèmes capables d’accomplir des tâches qui nécessitent normalement une intelligence humaine (compréhension du langage, reconnaissance de formes et d’images, prise de décisions ou encore résolution de problèmes).

Aujourd’hui nous avons une troisième intelligence, dite « Artificielle et Générative ». Depuis la naissance de l’informatique qu’on situe généralement en 1936 et qu’on associe aux théories d’Alan Turing qui pose les bases du concept d’un ordinateur : une machine capable d’effectuer un calcul minutieux grâce à l’utilisation d’une arithmétique, est alors née simultanéement l’idée même d’intelligence artificielle moderne tel que nous l’entendons aujorud’hui partout sur les social media ici et là!

Ce n’est donc pas de l’intelligence, mais bien du logiciel, un programme arithmétique, pour ceux qui comprennent et pour ceux qui ne comprennent pas, on dit un programme algorithmique (Un algorithme est une suite finie et non ambiguë d’instructions et d’opérations permettant de résoudre une classe de problèmes. Le domaine qui étudie les algorithmes est appelé l’algorithmique).

Bref, pour en finir définitivement avec ce sujet l’intelligence est bien le propre de l’Homme et de Dieu. L’IA est et sera toujorus un « outil », un « objet » au service de l’Homme.

Il exite cependant un doute et une expérience prophétique dans la relation de l’Homme à ses Outils, et cela depuis la nuit des temps.

PROMPT : Commande textuelle pour « donner une instruction » à l’IA afin d’obtenir une image ou un texte.

PROMPT ENGINEERING : Technique d’amélioration des commandes que nous donnons à l’IA pour obtenir des résultats de meilleure qualité.

LLM (LARGE LANGUAGE MODEL) : Domaine de l’informatique qui comprend des systèmes capables d’accomplir des tâches qui nécessitent normalement une intelligence humaine (compréhension du langage, reconnaissance de formes et d’images, prise de décisions ou encore résolution de problèmes).

INTELLIGENCE ARTIFICIELLE GÉNÉRATIVE : Systèmes et algorithmes d’intelligence artificielle capables de créer du contenu. L’IA générative utilise des algorithmes tels que les réseaux antagonistes génératifs (GAN), ou plus récemment les Transformers (pour comprendre et générer du texte), ou encore les modèles de diffusion (pour la génération d’images) afin de créer de nouvelles données, qui sont indiscernables des données réelles. Elle peut créer de nouvelles images, de la musique, du code informatique, et même des vidéos. Grâce à sa parfaite compréhension du langage naturel, elle peut être un assistant pour de nombreuses tâches : analyse, traduction, détection d’entités nommées, raisonnement (à ne pas confondre avec le raisonnement humain)…

INTELLIGENCE ARTIFICIELLE PRÉDICTIVE : Utilise des algorithmes et des modèles de machine learning pour prévoir des résultats futurs ou inconnus en se basant sur des données historiques et existantes. Elle peut prédire les tendances du marché, le comportement des clients, ou la probabilité de panne d’une machine dans une usine.

Modèle d’apprentissage automatique formé sur de grandes quantités de données et qui utilise l’apprentissage supervisé pour générer du texte de manière cohérente et significative, dans un contexte donné.

LANGAGE NATUREL : Langage que nous utilisons tous les jours pour parler aux autres, et que les IA peuvent comprendre. Il s’oppose au langage informatique.

GAN (GENERATIVE ADVERSARIAL NETWORK) : Le réseau antagoniste génératif est un type de modèle d’apprentissage profond où deux réseaux neuronaux, le générateur et le discriminateur, sont mis en concurrence. Le générateur tente de créer des données fausses, indiscernables des vraies, tandis que le discriminateur tente de distinguer les vraies données des fausses. À travers cette compétition, les deux modèles s’améliorent, aboutissant à la production de données fausses très réalistes par le générateur.

MODÈLES DE DIFFUSION : Ils sont généralement utilisés pour générer de nouvelles données à partir de données existantes. Ils fonctionnent en simulant un processus de diffusion inverse. On commence par du bruit aléatoire, puis on le façonne progressivement jusqu’à obtenir une donnée qui ressemble à celle que l’on veut générer. Ils sont souvent utilisés pour la génération d’images ou d’autres types de données visuelles, bien qu’ils puissent théoriquement être utilisés pour tout type de données.

MODÈLES TRANSFORMERS : Ces modèles sont principalement utilisés pour le traitement du langage naturel. Ils sont basés sur l’architecture « Transformer », qui utilise des mécanismes d’attention pour comprendre le contexte et la signification des mots dans un texte. Les modèles transformers ont été révolutionnaires dans de nombreux domaines de l’IA, notamment la traduction automatique, la génération de texte (par exemple ChatGPT), et bien d’autres.

PROMPT : Commande textuelle pour « donner une instruction » à l’IA afin d’obtenir une image ou un texte.

PROMPT ENGINEERING : Technique d’amélioration des commandes que nous donnons à l’IA pour obtenir des résultats de meilleure qualité.

SPEECH TO TEXT (STT) : Technologie qui convertit l’audio parlé en texte écrit.

TEXT TO SPEECH (TTS) : Inverse du « speech-to-text ». Technologie de synthèse vocale qui convertit le texte écrit en parole.

APPRENTISSAGE PAR RENFORCEMENT (REINFORCEMENT LEARNING) : Apprentissage de l’IA en essayant différentes choses et en se basant sur les conséquences de ses actions pour s’améliorer.

APPRENTISSAGE MULTIMODAL : Apprentissage de l’IA à partir de plusieurs types de données en même temps, comme des images et du texte. Elle peut faire des liens entre ces mêmes données.

BIAIS : Inclinaison (non intentionnelle) d’un modèle d’apprentissage automatique, souvent causée par des données d’entraînement non représentatives ou préjudiciables.

NLP (NATURAL LANGUAGE PROCESSING) : Traitement automatique du Langage naturel. Technologie qui permet aux robots de comprendre et de produire du langage humain.

AI FATIGUE : Sentiment de saturation face à l’engouement et aux
discussions récentes autour de l’IA.

TEXT TO TEXT (TTT) : Transforme un texte source en un autre texte.

TEXT TO IMAGE (TTI) : Désigne des algorithmes capables de générer une image à partir d’un texte (idem avec des vidéos, du son, de la musique…).

APPRENTISSAGE AUTOMATIQUE(MACHINE LEARNING) : Sous-domaine de l’intelligence artificielle composé d’algorithmes mathématiques qui permettent de déterminer des informations pertinentes à partir de données observations.

APPRENTISSAGE PROFOND (DEEP LEARNING) :Méthode d’apprentissage automatique qui utilise les réseaux de neurones pour permettre à l’IA d’apprendre de grandes quantités de données et d’effectuer des tâches très complexes.