Au début des années 2000, la recherche en intelligence artificielle change de paradigme et opte pour l'apprentissage automatique (machine learning).
Jusqu'alors, pour enseigner quelque chose à la machine, il fallait encoder manuellement chaque règle à suivre –un projet titanesque qui manquait d'efficacité.
Ce nouveau processus permet à la machine d'acquérir seule l'information et de s'améliorer grâce aux données qu'elle collecte. C'est notamment grâce au machine learning qu'Amazon ou Spotify sont en mesure de vous proposer des recommandations musicales ou d'achats en fonction de vos écoutes et emplettes précédentes.
Copier le cerveau humain
De cette éducation automatique va bientôt découler, une dizaine d'années plus tard, la formation de l'apprentissage profond (deep learning). Celui-ci repose sur la création d'un réseau de neurones artificiels, directement inspiré du cerveau humain.
Là où avec l'apprentissage automatique, la machine avait encore besoin d'être guidée, le deep learning la dote de plusieurs couches d'algorithmes, pouvant chacune interpréter et déterminer la donnée analysée.
Apprendre de ses erreurs
D'après le MIT, la dernière grande révolution a débuté en octobre 2015 lorsqu'AlphaGo, un programme capable de jouer au jeu de go, bat le champion européen Fan Hui (chinois de naissance, il sera naturalisé français en 2013).
Cette victoire aurait été permise grâce à la technique de l'apprentissage par renforcement (reinforcement learning). Proche de celle utilisée pour dresser les animaux, elle repose sur un système de punitions/récompenses permettant à la machine d'apprendre de ses erreurs. En d'autres termes, l'intelligence artificielle apprend à apprendre.
Un avenir encore flou
Si chaque décennie semble avoir développé et mis en avant une méthodologie particulière, à quelle intelligence artificielle peut-on s'attendre dans le futur?
«Ce qu'il faut comprendre, c'est que personne ne sait comment résoudre ce problème», résume non sans humour Pedro Domingos, professeur en informatique à l'université de Washington et auteur d'un livre sur les algorithmes.
Le deep learning pourrait bien céder sa place, mais quant à savoir si on lui préférera une ancienne méthode éprouvée ou si l'on inventera un tout nouveau paradigme, la journaliste et anthropologue Karen Ho prévient: le mystère reste entier.
