Concevoir une intelligence artificielle (IA) capable des tâches générales, plutôt qu’une tâche unitaire, est un objectif de longue date dans le monde de l’apprentissage machine. Mais transformer des algorithmes spécialisés en quelque chose de plus polyvalent reste un problème incroyablement difficile, en partie parce que les traits humains comme la curiosité, l’imagination et la mémoire n’existent pas ou n’en sont qu’aux prémices dans le monde de l’IA.
Dans un article récemment publié dans la revue Neuron, Hassabis et trois co-auteurs affirment que les chercheurs ne peuvent espérer repousser les limites de l’IA qu’en comprenant mieux l’intelligence humaine. D’abord, mieux comprendre le fonctionnement du cerveau permettra l’émergence de nouvelles structures et algorithmes au service de l’intelligence électronique. Dans un second temps, la conception et le test d’IA de pointe pourraient en retour permettre de mieux définir ce qu’est vraiment l’intelligence.
L’article s’intéresse à l’histoire des neurosciences et de l’IA pour mieux comprendre les interactions entre les deux. Il soutient que l’apprentissage profond (qui utilise des couches de neurones artificiels) et l’apprentissage par renforcement (où les systèmes apprennent par retour d’expérience en multipliant les essais) doivent beaucoup aux neurosciences. Mais l’article souligne également que les progrès plus récents ne se sont pas appuyés sur la biologie aussi efficacement, et qu’une intelligence générale nécessitera des caractéristiques plus humaines, comme la compréhension intuitive du monde réel et des moyens d’apprentissage plus efficaces. Selon Hassabis et ses collègues, la solution consiste à multiplier les échanges d’idées en continu entre les chercheurs en IA et ceux en neurosciences pour créer un cercle vertueux qui accélère l’avancement des deux domaines.
