Le projet: L’intelligence Artificielle Générale

Le projet: L’Intelligence Artificielle Générale

Le problème: Les limites

Nous démarrons un projet pour résoudre un ou plusieurs problèmes. Pour concevoir une réponse à un besoin. Nous avons fais, faisons et allons faire face à des défis climatiques, des maladies, des crises économiques et des instabilités politiques. Nous avons besoin d’un développement durable et d’une capacité accrue dans la recherche et la stratégie économique. De nombreuses limites ont été repoussées grâce à une abondance d’énergie et de ressources. Nous n’aurions pas la société que nous avons actuellement sans fer, pétrole, uranium etc. La dernière décennie semblait sans limites.
La présente semble limitée.
Nous voyons des limites à la croissance, des limites sur les ressources, sur leur exploitation, et des limites climatiques. Nous devons dépasser ces limites grâce à notre intelligence. Nous avons besoin d’approches spécifiques, pour chaque limite, mais également d’approches globales, pour repousser toutes les limites.
Nous savons que davantage d’intelligence nous a toujours aidé à faire ce que nous souhaitions faire, pour le meilleur ou pour le pire.

Une solution

  • La base

L’Intelligence Artificielle Générale (ou Intelligence Artificielle forte) est un algorithme aux capacités intellectuelles égales à celles d’un humain. Si notre développement est borné par des limites physiques, nous devons augmenter nos capacités intellectuelles. En temps qu’êtres humains, nous sommes limités par la durée de nos études, notre vieillissement, notre fatigue, la limite physique de nos cerveaux etc. Le monde est limité, mais les humains le sont aussi. Les logiciels ont des limites physiques, mais ces limites évoluent et se corrigent plus rapidement que les nôtres. Les composants s’améliorent, nous pouvons optimiser les algorithmes, multiplier la puissance de calcul par le nombre de composants etc.

  • Capacités

Nous savons qu’une intelligence égale à celle d’un humain est possible, car nous existons. Nous ne savons cependant pas si un algorithme peut atteindre ce niveau. Concevoir cet algorithme aurait déjà des applications, selon le coût du matériel pour le faire tourner. Mais ce qui importe vraiment, ce sont les possibilités que cela pourrait ouvrir.

  • Possibilités

Ok, on réussit à faire une IA forte, et ensuite? Une IA forte est au moins aussi intelligente qu’un être humain. Les êtres humains sont efficaces pour résoudre des problèmes, mais avoir un être humain supplémentaire ne changera pas grand chose. A partir de là, nous entrons dans l’incertitude.
Les logiciels sont duplicables librement, donc nous ne nécessitons que d’unités de calcul physiques.
Si cette IA forte a notre niveau sur une unité de calcul, peut être qu’elle tournera deux fois plus vite sur deux unités?

  • Peut-être qu’elle tournera 100 fois plus vite sur 100 unités?
  • Peut-être qu’elle tournera 10.000 fois plus vite sur 100 unités avec un code optimisé pour être 100 fois plus rapide?
  • Peut-être qu’elle tournera 1.000.000 de fois plus vite si, davantage, les composants multipliaient leur performance par 100?

Un jour pour que nous apprenons un savoir, 2739 années pour une IA forte. Si cela est un moyen de résoudre des problèmes, quelle folie de ne pas essayer.

  • Les limites

Nous ne savons pas si quoique ce soit peut dépasser l’être humain le plus intelligent, car cela n’a jamais été fait.

  • Peut-être que les unités de calculs coûteront des milliards d’euros, si elles sont faisables.
  • Peut-être que le logiciel ne sera pas ou peu parallélisable.
  • Peut-être que pour être au niveau d’un humain de 20 ans, il faut obligatoirement 20 années d’entrainement et d’existence.
  • Peut-être qu’il y a des limites à l’intelligence.
  • Peut-être que nous devrons attendre des architectures de calcul neuromorphiques.
  • Peut-être que notre société fera face à des défis immenses plus tôt que prévu.

Il y a des limites techniques, mais elles sont liées à des limites en science cognitives. Incertitudes, doutes et risques financiers sont partout sur la route vers l’IA forte.

Les moyens

L’IA forte n’est pas quelque chose de nouveau. C’est une vieille chimère. Deepmind a été fondé en 2010. OpenAI en 2015. Et ce ne sont que les plus célèbres car supportées par d’énormes structures. Mais avant elles, Turing théorisait déjà l’IA en 1950, et il succède à une longue route de petits pas en direction de cet objectif. Est-ce que quelque chose a changé? Comment le ferions-nous maintenant, si personne ne l’a jamais fait?

Nous n’avons pas de preuve de faisabilité, nous n’avons que nos compétences, des phrases, des mots et de la volonté.

La durée de développement

Puisque les moyens n’ont jamais été aussi développés, si c’est présentement faisable, ce sera rapide. Certaines entreprises travaillent le sujet depuis plus de 10 ans, sans succès. Elles ont réussit des exploits qui paraissaient impossibles. Mais les avancées théoriques et pratiques pour jouer à des jeux vidéos ne sont pas suffisantes. L’apprentissage par renforcement est un beau gadget mais nous avons besoin d’une intelligence concrète, pour notre monde réel, maintenant.
Si l’IA forte est faisable maintenant, elle sera développées dans les 5 ans. Sinon, c’est qu’il manquait de gros morceaux de théories.

Le taux de succès

Tous les projets peuvent échouer.
Si nous apprenions que c’était impossible de le faire via de l’apprentissage profond, ce serait un succès de l’avoir compris.
Si nous avançons la recherche, comme d’autres l’ont fait, ce sera un succès.
Mais la pureté de la recherche n’est pas toujours une fin en soi. Pour atteindre l’IA forte, nous pourrons fournir des usages concrets aux algorithmes classiques d’apprentissage profond. Puisque nous souhaitons faire l’IA forte via de l’apprentissage profond, nous ne pourrions ni ne voudrions le faire sans fournir des techniques d’intelligence artificielle pour tous les besoins d’entreprises et de personnes. De ce point de vue, nous réussirons avec certitude, 100% de chance de succès.
Evidemment, puisque cela n’a jamais été fait, mais déjà tenté, le taux de succès empirique est à 0%.
On est à peu près entre les deux.

Revenir sur le Blog
Tous nos articles sont disponibles sur Medium

Actualités

  • Card image
    Forecast compilation: Trump vs Biden

    After an election, it’s often hard to recall who said what. Who was wrong or right, who predicted the right outcome and who used the right data or the right predictive model. In this article I’ll ...

    Mon, 02 Nov 2020 19:06:03 GMT

    Lire

    Mon, 02 Nov 2020 19:06:03 GMT

    Lire
  • Card image
    Simulons des pandémies

    Propagation d’un virus dans une population Cet article a pour but de transmettre un retour d’expérience sur la simulation de pandémies. Objectif? Comprendre les limites et l’intérêt de ces a...

    Thu, 22 Oct 2020 11:56:53 GMT

    Lire

    Thu, 22 Oct 2020 11:56:53 GMT

    Lire
  • Card image
    Neural Network in C++ From Scratch and Backprop-Free Optimizers

    In this article I’ll present a beginner-oriented framework implementing neural networks in C++. The main goal of this code is to understand the root of neural networks for beginners, it also allows ...

    Tue, 13 Oct 2020 23:03:00 GMT

    Lire

    Tue, 13 Oct 2020 23:03:00 GMT

    Lire
  • Card image
    A more parameter-efficient SOTA bottleneck! (2020/07)

    Linear Bottleneck with Efficient Channel Attention instead of Squeeze Excitation CNN are great blablabla… Let’s get to the point. SOTA for image classification on Imagenet is EfficientNet with 88....

    Sat, 25 Jul 2020 19:40:43 GMT

    Lire

    Sat, 25 Jul 2020 19:40:43 GMT

    Lire
  • Card image
    Visuels de l’apprentissage des réseaux de neurones

    Modification des représentations internes d’un réseau de neurones en cours d’entrainement 1. Le formalisme de l’apprentissage automatique L’apprentissage automatique est la science regroupan...

    Wed, 03 Jun 2020 19:07:53 GMT

    Lire

    Wed, 03 Jun 2020 19:07:53 GMT

    Lire
  • Card image
    Construire un serveur de Deep Learning en 2020

    [UPDATE 2020/10/03: Prise en compte des nouveaux GPUs de Nvidia] L’intelligence artificielle, à travers l’apprentissage profond, est une discipline bien établie. Les algorithmes utilisés progr...

    Sat, 16 May 2020 12:43:19 GMT

    Lire

    Sat, 16 May 2020 12:43:19 GMT

    Lire
  • Card image
    Première Application: AI Magic Mirror !

    Notre première application est disponible ici: https://www.hyugen.com/project/ap_face Il s’agit d’une application de mesure de beauté sur webcam ou fichier. La métrique de beauté est principal...

    Sat, 09 May 2020 23:23:01 GMT

    Lire

    Sat, 09 May 2020 23:23:01 GMT

    Lire
  • Card image
    Le projet: L’intelligence Artificielle Générale

    Le problème: Les limites Nous démarrons un projet pour résoudre un ou plusieurs problèmes. Pour concevoir une réponse à un besoin. Nous avons fais, faisons et allons faire face à des défis cl...

    Sat, 09 May 2020 16:11:36 GMT

    Lire

    Sat, 09 May 2020 16:11:36 GMT

    Lire
  • Card image
    Lancement du site web !

    Aujourd’hui nous lançons le site web autour de la (future) société Hyugen qui aura pour but la conception et l’utilisation d’une intelligence artificielle générale. Le site web servira à p...

    Sat, 09 May 2020 15:44:08 GMT

    Lire

    Sat, 09 May 2020 15:44:08 GMT

    Lire