Si l’intelligence artificielle permet de mieux comprendre les systèmes biologiques,  l’inverse est vrai puisque les systèmes biologiques servent de modèle à l’IA. La présentation (1) de Yann Le Cun, chief AI scientist, Meta, et professeur à NYU, est à cet égard très éclairante, même si elle laisse quelque peu perplexe sur les perpectives d’avenir, tant les apprentissages machine autorisent le développement de l’intelligence artificielle …

Le constat, aujourd’hui, est que l’intelligence artificielle fonctionne comme le cerveau d’un enfant « peut-être parce que le cerveau humain ne peut pas concevoir une machine aussi complexe que lui même … » suggère Y. Le Cun.  De même qu’en biologie l’apprentissage est inséparable de l’apprentissage (peut-être à l’exception des pieuvres…), « aujourd’hui l’approche dominante pour l’intelligence artificielle est basée sur l’apprentissage machine. L’idée de construire une machine capable d’apprentissage, plutôt que de concevoir une machine intelligente dès le départ, revient à Turing en 1950 ». Le problème est que, au bout de cette démarche, l’horizon n’est pas clair : « tôt ou tard quand les machines capables de l’apprentissage deviendront de plus en plus complexes, leur compréhension totale nous échappera, de même que la compréhension de notre propre cerveau pour l’instant nous échappe dans une grande mesure » (12.37 dans la video ci-dessous). C’est un lauréat du prix Turing et VP de Meta (Facebook) qui le dit…

(1) Colloque “Mythes et machines. Robotique et intelligence artificielle : penser la technologie aujourd’hui.”Académie des sciences et Académie des sciences morales et politiques, le 24 novembre 2021.