L’IA se rapprocherait-elle toujours davantage de l’intelligence humaine ? Considérer comme un marqueur de l’intelligence les performances atteintes dans le cadre d’un jeu donné est un raccourci. Certains mathématiciens préfèrent s’intéresser à la dynamique même des réseaux de neurones artificiels qui constituent les IA, convaincus qu’« il existe des principes mathématiques fondamentaux sous-jacents au comportement intelligent, observé à une échelle plus symbolique ou logique.

En programmant des réseaux de neurones artificiels qui miment le fonctionnement du cerveau, va-t-on créer une machine consciente d'elle-même ?

Pour le philosophe et mathématicien Daniel Andler, les capacités de l'intelligence artificielle se limitent à résoudre mécaniquement des problèmes, sans atteindre à la spontanéité de la conscience. Elle n'en reste pas moins dangereuse. L'interview se poursuit par l'article intitulé "Et ChatGPT gravit le Parnasse".

Les performances indéniables de l'apprentissage profond depuis plus de dix ans s'accompagnent d'une opacité de fonctionnement des algorithmes. Les outils d'IA génératives compliquent encore le sujet.

Dans le jargon des geeks, l’expression "machine learning" fait référence aux outils informatiques capables de se reprogrammer tout seuls. Demain, ces machines intelligentes gouverneront le monde. Pour le moment, elles se font surtout les dents dans le sport.

Le développement des agents conversationnels s'accompagne de méthodes censées leur éviter de générer des contenus choquants ou illégaux. Mais elles sont loin d'être parfaites.

Souvent assimilés à des boîtes noires, les algorithmes d'apprentissage actuels produisent des résultats encore difficiles à expliquer. Des chercheurs proposent de les soumettre aux méthodes destinées à l'étude du cerveau.

C'est entendu, sous réserve d'être bien entraînés et gavés de données, les réseaux de neurones font des étincelles. Comment s'y prennent-ils ? C'est un problème : si l'intelligence artificielle symbolique était lisible, l'intelligence artificielle connexionniste, celle de l'apprentissage profond est opaque. Parfois, la variation d'un seul pixel la fait dérailler. Beaucoup d'essais et d'erreurs sont nécessaires, car la théorie des réseaux neuronaux est très incomplète. Quant à savoir ce qu'ils comprennent...