Un groupe d’universitaires et de chercheurs (dont deux professeurs de l’Université normale de Huazhong, alias Université normale de Chine centrale), a conduit une méta-analyse de 176 articles universitaires chinois sur l’intelligence artificielle (IA) en éducation publiés à partir de 2017 et une critique de la qualité de cette production.
Selon Kwan, le volume croissant de documents chinois sur l’IA a été considéré par certains comme une autre preuve que la Chine est prête à devenir le chef de file mondial de l’IA dont un examen approfondi relativise cet état de fait :
- Le manque de références et la fréquence des références croisées : il existe un “réseau de recherche par références croisées”. Il est important de souligner qu’entre 2016 et 2017, le volume des publications a fortement augmenté mais le nombre de références a diminué de façon significative. Or, le manque relatif de références rend la recherche moins objective et moins scientifique.
- Beaucoup d’articles se lisent plutôt comme des éditos et ne suggèrent pas une compréhension éclairée de la technologie de l’IA : le groupe déplore “une terminologie académique irrégulière” et trouve que “du point de vue de l’ensemble, il y a plus de recherche qualitative et moins de recherche quantitative, plus de recherche normative et moins de recherche empirique”.
- Le manque d’ampleur des études de cas indique la force de l’influence que ces cas ont sur la mémoire collective : “La plupart des exemples ou des citations se limitent à quelques cas “vedettes”, tels que AlphaGo, la conduite autonome, IBM Watson, la reconnaissance faciale des chats GoogleBrain, et les concours de reconnaissance d’images ImageNet”.
Les deux auteurs principaux, Liu Kai et Hu Xiangen, sont des partisans notables du NARS (Non-Axiomatic Logic Reasoning System) un modèle d’intelligence artificielle générale par Wang Pei. La conception des SNRA repose sur la conviction que l’essence de l’intelligence est le principe de l’adaptation à l’environnement tout en travaillant avec des connaissances et des ressources insuffisantes. Par conséquent, un système intelligent doit s’appuyer sur une capacité de traitement finie, travailler en temps réel, s’ouvrir à des tâches inattendues et apprendre de l’expérience.
La suite ici (Liu Kai, Hu Xiangen, Ma Yuwei, Na Di, Zhang Yuhua)
