Dossier
Créer une intelligence supérieure: rêve ou délire?

Par Frédéric Hausammann


Pour essayer de répondre à cette question, il faut d’abord nous réinterroger sur les mécanismes de la pensée qui habite notre «machine à penser», le cerveau. Une «machine» qui pourtant résiste bien au désir humain de la reproduire. Chez les professeurs Bourlard et Faltings, à l’IDIAP à Martigny et au Laboratoire d’Intelligence Artificielle à l’EPFL, le principe de «prothèses intelligentes» revient sous diverses formes, au secours des déficiences du corps pour l’un… et de l’esprit pour l’autre. Mais, pour en arriver là, un retour express vers Marvin Minsky et sa Société de l’Esprit s’impose.

«Comment les cerveaux, qui semblent être des organes matériels consistants, peuvent-ils engendrer des produits aussi immatériels que les pensées?» Dans un célèbre ouvrage, Marvin Minsky, un des papes de l’Intelligence Artificielle, rappelle que cette question hante les chercheurs depuis des siècles. Cet ancien professeur en Intelligence Artificielle au MIT propose un parallèle avec le mystère de la vie. Celle-ci apparaissait comme profondément incompréhensible, jusqu’à ce qu’on découvre que les êtres vivants étaient constitués de cellules, elles-mêmes résultat de l’assemblage d’éléments chimiques. La démonstration par John von Neumann que des machines cellulaires pouvaient se reproduire, puis la découverte de l’ADN ont pratiquement intégré les phénomènes de la vie parmi les choses scientifiquement et matériellement compréhensibles.

L’intelligence des petits agents non intelligents
Dans le domaine de l’esprit, il nous manque une théorie suffisamment riche pour expliquer la formation et le fonctionnement de nos pensées, selon Minsky. Son livre, publié en 1986, ambitionne de remplir ce rôle. La société de l’esprit postule que le cerveau humain est constitué d’une multitude de petits processus, qu’il nomme agents. Chaque agent ne peut, à lui seul, effectuer que quelques tâches simples ne demandant pas de réflexion, mais le regroupement de ces agents en sociétés aboutit à la véritable intelligence.
Imaginez que vous recevez une amie pour le goûter. Tout en préparant le thé et les biscuits, vous discutez de choses et d’autres, puisque vous êtes civilisés. Pour cette simple activité, des milliers et des milliers de petits agents spécialisés interviennent, sans même que vous y prêtiez attention. Trouver (la théière), remplir (la bouilloire), juger (le remplissage de la bouilloire), fermer (le robinet), sans oublier bien entendu de disposer les biscuits, sont tous des agents spécialisés. Et ceux-ci font en permanence appel à des sous-agents hyperspécialisés, ainsi qu’à des agents qui contrôlent sans cesse l’achèvement des tâches des autres agents.
C’est cette interaction des agents entre eux qui, selon Minsky, donne à notre cerveau sa dimension… d’esprit. Dans cette optique, penser serait en fait le nom d’un phénomène résultant de rapports entre les choses, qui est plus que la somme des éléments qui le composent. Un phénomène global, comme la vie: «Si on dissèque un corps, on n’y trouve pas trace de vie, écrit-il, de même que si on dissèque un cerveau, on n’y trouve pas trace d’esprit». D’où ce nom de société de l’esprit, la société des agents qui composeraient nos facultés.
Si notre propre intelligence accepte l’idée qu’elle est composée de multitudes d’agents non intelligents effectuant des tâches très limitées, on pourrait dire que nous sommes une sorte de machine à penser (très perfectionnée, il faut bien le souligner).
Et comme toute machine, nous pouvons connaître des dysfonctionnements, et même nous faire réparer. Le neurologue viennois Sigmund Freud a d’ailleurs jeté les bases d’une science appelée à un grand succès, la psychanalyse, qui a pour objet de réparer les pannes de notre cerveau-machine. Dans le même ordre d’idée, l’usage de drogues ou de médicaments comme les antidépresseurs, qui ne sont que des composés chimiques, permet d’agir sur le cours de nos pensées. C’est tout de même étonnant… quand on y pense. Ces médicaments, en somme, seraient comme de l’huile dans les rouages d’un moteur grippé.

Des programmes obèses, des résultats maigres
Reproduire cette machine étonnante a de tout temps excité l’imagination des humains. Mais c’est dans les années 1940-1950 que le rêve est devenu tangible. A cette époque, parallèlement à la naissance de l’informatique, les scientifiques jettent les bases d’une nouvelle discipline, l’Intelligence Artificielle. Selon le professeur Hervé Bourlard, directeur de l’Institut Dalle-Molle d’Intelligence Artificielle perceptive (IDIAP) à Martigny, les premières démarches d’Intelligence Artificielle consistaient à introduire dans des machines des règles. «On croyait qu’on pouvait modéliser le raisonnement humain en intégrant des règles logiques», explique-t-il. Les espoirs et les promesses sont immenses, comme les crédits de recherche. Nombre de linguistes, de logiciens, de psychologues et d’informaticiens rassemblent ce qu’ils trouvent des règles du langage et du raisonnement symbolique pour les intégrer dans d’ambitieux programmes informatiques. Mais comme la réalité est riche, les logiciels qui prétendent la faire rentrer dans un nombre fini de règles deviennent obèses, sans pour autant tenir les promesses des débuts: «J’ai vu des programmes qui contenaient des millions de lignes de code, se rappelle le professeur Bourlard, et qui ne marchaient pas.»
Bien que l’approche symboliste ait toujours un certain nombre de défenseurs très sérieux, elle est nettement moins en vogue qu’elle l’a été dans les années 1970-1980. Depuis une petite dizaine d’années, une autre école a le vent en poupe: l’approche statistique, qui laisse à la machine une plus grande… «liberté» d’analyse. Par exemple, pour faire comprendre à une machine ce qui différencie un A manuscrit d’un B, on lui soumet une gigantesque base de données contenant des milliers de A et de B différents. En analysant la forme de tous les A et de tous les B dont elle dispose, elle va en tirer des règles fondées sur les statistiques. Exemple: dans la plupart des A manuscrits, la barre transversale déborde les barres obliques. La quantité que recouvre l’appréciation est typiquement de nature statistique ; elle n’est pas une valeur déterminée. En se fondant sur cette méthode, les machines peuvent par exemple déterminer la probabilité que le son «jour» suive le son «bon» dans la langue française, à l’aide de grandes bases de données de phrases enregistrées. La méthode statistique permet ainsi de prévoir la probabilité qu’un événement particulier suive un autre événement particulier, ce qui accroît notablement les possibilités de reconnaissance de l’ensemble de ces événements.

Des ponts entre l’homme et la machine
Contrairement à l’exemple ci-dessus, les règles obtenues d’une base de données par une machine statistique ne sont pas intelligibles par l’esprit humain. Elles obéissent aux règles des statistiques et des mathématiques avant tout, mais permettent la reconnaissance d’événements non programmés. Dans l’approche symboliste au contraire, ce sont des règles compréhensibles par les humains qui sont introduites dans les machines. Par contre, celles-ci se trouvent démunies face à un événement imprévu, comme un A jamais catalogué par exemple.
Or, dans le domaine de l’Intelligence Artificielle perceptive, la spécialité de l’IDIAP, l’important est de reconnaître les événements perçus, afin de les classer. C’est pourquoi la méthode statistique y est privilégiée depuis longtemps, avec un succès désormais reconnu par le monde scientifique suisse. La fondation est l’institution hôte du pôle national de recherche consacré aux interfaces sensorielles (visuelles, acoustiques, etc.) entre l’homme et la machine. Un pont long à construire. Pour le Dr Samy Bengio, chef de groupe à l’institut valaisan, l’Intelligence Artificielle, c’est «ce qui est facile pour un humain mais très difficile pour une machine». Faire reconnaître à une machine les lettres, les mots, les phrases lues ou entendues puis le sens de celles-ci, ou lui faire reconnaître les expressions du visage sont notamment les objectifs que poursuit l’IDIAP. D’autres travaillent sur les mêmes thèmes, mais l’IDIAP est une des rares institutions au monde à pratiquer une approche multimodale. «Il est plus facile de comprendre une personne si on entend ce qu’elle dit tout en regardant son visage et ses gestes», explique le Dr Bengio. En projet, la «smart meeting room», une salle de réunion avec micros et caméras pointés vers les participants, devra être capable de rédiger des procès-verbaux puis de retrouver dans ceux-ci et dans les fichiers audiovisuels tous les moments où il a été question d’un certain sujet.
Mais pour pouvoir traiter les différents langages mêlés – corporels, faciaux et verbaux – captés par ces interfaces multimodales, il faut disposer d’outils sémantiques. C’est ici que les linguistes, symbolistes et logiciens connaissent un regain d’intérêt après une phase de recul. «Les ingénieurs ont besoin des experts en raisonnement humain, mais ces deux groupes ont de la peine à se rencontrer», constate le professeur Bourlard. Les méthodes sont très différentes, mais se rejoignent progressivement pour permettre à terme la mise au point de ce que le directeur de l’IDIAP appelle «des prothèses intelligentes». Nous n’y somme pas encore, mais un jour nos déficiences physiques pourraient être compensées par de telles prothèses. Imaginons qu’une personne qui a perdu l’usage de la parole puisse s’exprimer à l’aide d’un appareil sachant décoder ses mimiques…

Vers une intelligence supérieure?
Si l’idée de prothèses intelligentes palliant nos déficiences physiques est étonnante, que penser de prothèses dépassant nos limites mentales? Il est vrai que la machine à calculer puis les ordinateurs nous ont habitués à un traitement infiniment plus efficace des informations quantifiables. Mais des outils comme Google font plus que du calcul: ils trient de l’information. Les machines seront peut-être un jour capable de traiter l’information, d’en tirer des déductions, des conclusions, bref de pratiquer «la pensée à haut niveau, telle qu’elle peut s’exprimer dans le langage», selon le professeur Boi Faltings. Le directeur du Laboratoire d’Intelligence Artificielle de l’EPFL s’intéresse surtout au raisonnement sur une base logique, dans le but de pouvoir «mettre ensemble des connaissances». Derrière cette démarche se trouve l’idée des multiagents, sortes de superprogrammes capables de mélanger différents experts. Un agent, ici, est par exemple une machine capable de traiter des informations météorologiques. Un multiagent pourrait, en liant grâce à internet des informations biologiques, maritimes, météorologiques, tectoniques, chimiques, etc., «dépasser les limites de calcul du cerveau humain» et proposer un modèle complet du climat terrestre, ce que personne n’a réussi à produire aujourd’hui. Encore plus en vogue aujourd’hui, les résultats de recherche de dizaines de biologistes, chimistes et biologistes moléculaires pourraient être compilés pour mettre au jour tous les secrets de la cellule, peut-être de la vie ! «Si on arrive à faire participer les ordinateurs rassemblant tout ce qui a été collecté ailleurs, imagine le professeur Faltings, on pourrait peut-être résoudre des questions qu’on ne comprend pas aujourd’hui. C’est le prochain pas de l’évolution.»
On retrouve, comme aux premiers pas de l’Intelligence Artificielle, un rêve. L’idée de créer une intelligence supérieure. Nous n’y sommes pas encore, et les promesses des débuts, qui voyaient la chose faite en quelques années, ont cédé la place à des prévisions tablant sur des générations. Mais il n’est pas interdit de rêver, bien au contraire. «Et si quelque visiteur de Mars, demande Marvin Minsky, était venu il y a un milliard d’années et avait jugé du sort de la vie terrestre d’après l’observation des masses de cellules qui n’avaient même pas appris à ramper?» Avant de ramper, retombons sur les propositions de Minsky et demandons-nous: si une multitude d’agents non intelligents réunis crée l’intelligence, que créera une multitude réunie d’agents intelligents? A vous d’imaginer…

Retour au sommaire