C. QUELLE PLACE POUR L'INTELLIGENCE ARTIFICIELLE AU VOLANT ?
Aucune définition n'est universellement acceptée pour expliciter ce qu'est l'intelligence artificielle. Il est manifeste en revanche que le « deep learning » (habituellement dénommé « apprentissage profond » lorsque l'expression est francisée) a révolutionné ce concept au cours des cinq dernières années, en introduisant deux étapes clairement distinctes dans la programmation des ordinateurs : l'apprentissage initial, puis le perfectionnement (accompagné d'un partage d'expérience par les robots).
Au lieu de confier à un analyste-programmeur le soin d'écrire en langage informatique les tests à réaliser et les actions à entreprendre en fonction des résultats, l'apprentissage profond fournit habituellement à l'ordinateur un ensemble de données (par exemple des photos), avec une indication de l'image à reconnaître (par exemple, panneau « stop »), jusqu'à ce que le traitement automatisé (de l'image dans l'exemple choisi) « reconnaisse » correctement ce dont il s'agit. Les conséquences à tirer sont, elles aussi, indiquées au programme informatique par une série suffisamment longue. Par exemple, des vidéos montrant un véhicule qui poursuit sa route malgré le panneau « stop » sont emmagasinées en mémoire avec une « appréciation » négative, alors que l'arrêt au bon endroit est associé à une conclusion « satisfaisante ».
Ainsi, au lieu d'appliquer une règle du code de la route, indiquée comme telle, le robot doté d'une intelligence artificielle fondée sur l'apprentissage profond imite les exemples fournis. C'est l'ordinateur « qui apprend comme un enfant ».
Le résultat en situation réelle dépend tout d'abord du programme informatique d'apprentissage et du jeu d'exemples initialement fourni, mais aussi du perfectionnement ultérieur fondé sur les situations concrètement rencontrées, avec les résultats des actions entreprises. La combinaison de ces deux phases permet de « former » totalement l'intelligence artificielle 9 ( * ) .
Lorsque l'expérience concrète est
partagée entre robots identiques
- par exemple entre des
véhicules autonomes appartenant à une même
société -, l'étape initiale fortement
dépendante d'une personne humaine identifiée voit sa place
continuellement réduite au profit de la mise à jour permanente
avec partage d'expériences aux causes aléatoires.
Cette seconde étape de l'apprentissage profond doit nécessairement s'accompagner d'un moyen automatisé permettant aux robots d'apprécier eux-mêmes leur conduite, afin de l'améliorer. L'appréciation résulte d'une programmation humaine, mais comment maîtriser l'aléa inhérent à l'immense variété des situations concrètes rencontrées par les robots ? Cette interrogation est capitale pour des voitures automatisées ; elle pourrait l'être avec d'autres applications de l'intelligence artificielle.
La conduite sans chauffeur concentre tous les enjeux techniques de l'intelligence artificielle , ainsi que l'a observé le directeur général d'Apple, pour qui la voiture-robot est « la mère de tous les projets d'intelligence artificielle, et le [projet le] plus complexe » .
|
Le véhicule sans chauffeur, cas particulier de l'internet des objets Souvent désigné par son dénomination anglaise « IoT » (pour internet of things ) l'internet des objets joue déjà un rôle structurant pour l'industrie et la ville (avec 20 % du chiffre d'affaires mondial d'IoT pour chacun de ces pôles), l'énergie intelligente et le véhicule sans chauffeur (13 % du chiffre d'affaires chacun), l'agriculture, les bâtiments, la santé, la logistique et le commerce (environ 4 % à 6 % du chiffre d'affaires pour chacune de ces activités).
Chiffre d'affaires mondial de l'internet des objets (3 e trimestre 2016) Source : IoT Analytics 10 ( * ) |
* 9 Ce schéma, le seul appliqué en apprentissage profond jusqu'à une époque très récente, a été infirmé avec la publication, le 18 octobre 2017, d'un article de la prestigieuse revue scientifique Nature : AlphaGo Zero a battu par 100 à 0 l'ordinateur qui avait, en mars 2016, battu par 4 à 1 le champion mondial de go, M. Lee Sedol. Or, AlphaGo Zero n'a pas été formé via des parties préenregistrées : il a atteint le plus haut niveau mondial en jouant seul contre lui-même pendant trois jours, hors de toute intervention humaine. Apprendre par soi-même semble la prochaine évolution majeure de l'intelligence artificielle. Le véhicule autonome n'y échappera pas. AlphaGo Zero s'y emploie actuellement avec un célèbre jeu électronique de conduite automobile.
* 10 IoT Analytics, Market insights for the internet of things est une entreprise consacrée à l'information sur les marchés de l'internet des objets. Elle revendique la première place des connexions mensuelles motivées par ce thème, le double de ses quatre principaux concurrents réunis.