Intelligence artificielle forte, manque-t'on d'outils pour progresser?

[LeMulet]

En fait, c'est là aussi tellement loin de ce qu'on sait et ne sait pas faire en IA que c'est comme de dire qu'une locomotive ne sait pas cuisiner.

Vous avez un exemple de ce genre de super IA à nous proposer ?
Tout ça c'est dans votre imagination, désolé.
-----

[FinalSpark]

Hello,

D'abord c'est super dur de dire quelque chose d'intelligent sur ce sujet... et c'est super facile de dire plein de bêtises
Et aussi, j'ai beaucoup d'estime pour bien des réponses qui ont été faites, on sent que beaucoup prennent du temps et réfléchissent un moment à ce qu'il écrivent!

Mon hypothèse initiale en lançant ce fil était que la puissance des modèles mathématiques vient de la différentiabilité des milieux continus, en pratique que l'on peut mettre en oeuvre des équations différentielles. Par exemple, pour prédire la forme d'un trou noir. D'une certaine manière, les maths sont un outil qui décuple l'intelligence humaine, un peu comme une poulie décuple la force.

A l'opposé, les systèmes biologiques comme des réseaux de neurones sont des milieux intrinsèquement discrets. Il me semblait donc que les maths ne pouvaient pas aider. Ce qui explique que l'on soit limité dans nos progrès en IA. Et de fait, aujourd'hui on ne comprend à peu près rien non seulement des réseaux de neurones biologiques mais même de leurs versions artificielles qui en sont pourtant des versions hyper-simplifiées.

Mais en fait, j'ai trouvé plein d'exceptions depuis à mon hypothèse initiale, par exemple:

1. La rétro-propagation: c'est La méthode qui permet d'ajuster les poids dans un réseau de neurones artificiel multicouches... or cette méthode existe car on a été capable (il y a bien 25 ans...) d'exprimer la dérivée partielle de l'erreur par rapport à chacun des poids. Donc un exemple parfait de mathématiques des fonctions continues mais appliquée au domaine de l'IA, pas cool pour mon hypothèse.

2. Les mathématiques ne se réduisent pas aux milieux continus. Par exemple, la combinatoire, les séries entières, la théorie des graphes... cette dernière théorie étant a priori tout à fait applicable aux réseaux de neurones.

Au final, je constate que l'on continue de progresser en IA en essayant des trucs au hasard... et je reste convaincu que l'on manque d'outils pour progresser, mais j'ignore la raison fondamentale de ce manque.

Et pour la question initiale, ne s'agit-il pas au fond de l'opposition entre systèmes "simples" et systèmes "complexes"?

Oui, tu as peut-être raison en effet... mais ça ne résout pas mon problème: quels outils faut-il développer pour maîtriser des systèmes complexes et inconnus?

En revanche, les système biochimiques et cognitifs (réseaux de neurone, cerveaux) sont hautement complexes et leur fonctionnement est très difficile à prévoir. De plus, ils révèlent la présence de phénomènes émergents qui seraient absents sans cette complexité.

Très intéressant, mais il est utile de noter que la complexité n'est une raison ni suffisante ni nécessaire à l'émergence. Un A380 n'a pas de phénomènes émergents, et l'algo tout simple du jeu de la vie en présente.

Je ne suis pas un expert de l'IA, mais il me semble possible que les progrès en IA finissent par arriver à un seuil qui empêche de progresser davantage. Je ne sais pas si les progrès récents en deep learning (comme alpha go par exemple) sont explicables comme un effet collatéral de la loi de Moore, il y a peut-être autre chose comme les algorithmes d'apprentissage. Mais il est difficile d'affirmer qu'on va battre ce que l'évolution a mis des millions d'années à réaliser, disons pour passer du cerveau du poisson primitif à celui des primates.

C'est justement cela mon propos: il faut trouver un outil pour battre ce que l'évolution a réussi, et la loi de Moore ou les progrès dans les algos semblent un peu limités pour cela.

De plus on ressent de l’acrimonie et même une certaine agressivité dans les échanges . Si on ose dire quelque chose qui peut légèrement déplaire on se fait moucher sans ménagement. Cela dissuade de contribuer aux forums.

+1 mais par contre c'est vrai qu'il est nécessaire de rester bien centré sur le sujet.

Juste une remarque avant de cesser de vous importuner (ce n'était pas mon but, je voulais juste partager mes réflexions concernant la question initiale): je trouve étrange de nier la différence entre un système qui obéit à des lois physiques simples (mécanique, thermodynamique, aérodynamique, électricité), créé exprès pour suivre ces lois simples et être prédictible, et des systèmes naturels complexes, tels les systèmes décrits dans un cours de physiologie.

J'ai pas bien compris, peux-tu développer?

bonjour,
Les phénomènes naturels dont le vivant, ne sont pas œuvres humaines donc a priori ils sont compliqués ou complexes à comprendre sauf que cela ne signifie pas qu’ils sont eux-mêmes, dans leur intelligibilité propre, complexes ou compliqués.

Oui, bien d'accord. Le problème c'est que je pense qu'il faut pouvoir prédire et contrôler les propriétés émergentes, et que je ne connais pas d'outils pour cela.

[pm42]

1. La rétro-propagation: c'est La méthode qui permet d'ajuster les poids dans un réseau de neurones artificiel multicouches... or cette méthode existe car on a été capable (il y a bien 25 ans...) d'exprimer la dérivée partielle de l'erreur par rapport à chacun des poids. Donc un exemple parfait de mathématiques des fonctions continues mais appliquée au domaine de l'IA, pas cool pour mon hypothèse.

On fait des convolutions, du calcul tensoriel, des produits matriciels et scalaires, de l'embedding, de l'algèbre dans des espaces vectoriels de grande dimension, et j'en oublie.
Bref, l'environnement théorique n'est pas du tout négligeable, on a pas mal d'outils et les progrès sont rapides. Maintenant, il reste une grande quantité de questions et on ne sait pas si on va se prendre un mur ou continuer.
Mais c'est vrai pour beaucoup de domaines de recherche qui avancent rarement de façon linéaire.

Mais tant que les contributions sur l'IA resteront basées sur la lecture de la presse grand-public et du "raisonnement" de gens qui croient être pertinents sans apprendre, les fils sur FS resteront grand nawak qu'on finit par avoir à chaque fois.

C'est d'autant plus dommage que le secteur étant en effervescence, le champs de ce qui est possible change plusieurs fois par an et c'est même un problème pour les chercheurs.

[LeMulet]

Juste une remarque avant de cesser de vous importuner (ce n'était pas mon but, je voulais juste partager mes réflexions concernant la question initiale): je trouve étrange de nier la différence entre un système qui obéit à des lois physiques simples (mécanique, thermodynamique, aérodynamique, électricité), créé exprès pour suivre ces lois simples et être prédictible, et des systèmes naturels complexes, tels les systèmes décrits dans un cours de physiologie. Admettons que je me trompe totalement, c'est très possible. Mais expliquez-le moi, donnez moi une démonstration de mon erreur. Un slogan tel 'garbage in garbage out' n'est pas une explication valable.

Je vous rassure, même si les spécialistes du domaine ne trouvent pas cela étrange (du fait qu'ils maitrisent leur sujet), il sont bien conscients des limitations des systèmes "mécaniques".
La piste la plus sérieuse actuellement envisagée est de faire comme on a déjà fait par le passé (par exemple la rétro-propagation des erreurs lors de l'apprentissage) : Faire appel au système qui fonctionne, le cerveau biologique, et poser une nouvelle passerelle entre les "systèmes mécaniques" (science des ordinateurs) et les "systèmes biologiques" (science du vivant).

Pour ma part et c'est juste un avis, le problème qui se pose et qui devra être résolu pour arriver à une IA un peu plus sophistiquée, c'est le problème de l'identification des "modules" entrant en jeu dans les chaines de traitement.
C'est un problème très compliqué, du fait qu'on n'a pas de nom à leur donner...
Ce sont des modules placés à un niveau hiérarchique très bas, généralistes, fournissant des résultats calculatoires qui ne s'apparentent pas à ce qu'on connait à un niveau plus élevé de la connaissance (ce niveau qui nous permet de désigner les choses).

[JPL]

Beaucoup trop de propos de comptoirs et d'invectives dans cette discussion.

[LeMulet]

C'est clair...

[Tannhauser]

...

et d'ailleurs, serait-il possible que l'on ne puisse jamais trouver de modèles d'abstractions nous permettant de maîtriser le champ b, donc l'IA forte on devra continuer à la chercher pas essais erreurs?

Bonjour
Il vous manque peut être des outils théoriques pour les usages du deep learning mais je ne vois pas le rapport avec l'intelligence.
Il y a des raisons de penser que le deep learning pourrait aboutir à l'intelligence ?

[ansset]

associations qualitatives
Pour ma part et c'est juste un avis, le problème qui se pose et qui devra être résolu pour arriver à une IA un peu plus sophistiquée, c'est le problème de l'identification des "modules" entrant en jeu dans les chaines de traitement.
C'est un problème très compliqué, du fait qu'on n'a pas de nom à leur donner...
Ce sont des modules placés à un niveau hiérarchique très bas, généralistes, fournissant des résultats calculatoires qui ne s'apparentent pas à ce qu'on connait à un niveau plus élevé de la connaissance (ce niveau qui nous permet de désigner les choses).

a défaut de nom précis, tu pourrais peut être mieux préciser ce que tu évoques.
est ce par exemple de l'ordre de la manipulation de "concepts", ce que fait le cerveau et qui entraîne la faculté d' associations qualitatives ( entre autres) ?

[LeMulet]

a défaut de nom précis, tu pourrais peut être mieux préciser ce que tu évoques.
est ce par exemple de l'ordre de la manipulation de "concepts", ce que fait le cerveau et qui entraîne la faculté d' associations qualitatives ( entre autres) ?

Comme déjà dit, c'est compliqué, mais je vais essayer de dégrossir la question.

Pour commencer à comprendre la problématique, il faut commencer par comprendre que l’ingénierie qui permet de construire des réseaux de neurone tels qu'employé dans les IA n'est PAS un mimique du fonctionnement des réseaux biologiques.
La construction des réseaux biologiques reste encore assez obscure (du fait qu'on n'a pas les appareillages non invasifs permettant de suivre leur constitution en temps réel, par exemple au cours de l’embryogenèse et au delà).
Par contre, le fonctionnement des réseaux artificiels, une fois constitués (donc suite à l'apprentissage intensif), reflète (sommairement certes) le fonctionnement des réseaux biologiques.
L'ingénieur ne reproduit donc pas le fonctionnement des réseaux biologiques, mais ... son évolution darwinienne au cours des générations d'individus, qui a aboutit (part génétique etc, "obscure" comme déjà précisé) à des organisations particulières des neurones.
Cette situation simple en théorie, se complique également, puisque ces organisations sont aussi dépendantes de la physiologie (l'organisation se fait AUSSI selon les stimulations afférentes dépendantes de la physiologie).

On le voit assez facilement lorsqu'on compare les performances des organismes biologiques avec les performances des machines IA.
Si vous présentez un bâton à un enfant de 7 ans et que vous lui dites qu'il s'agit d'un bâton, il est probable que cette information lui suffira à identifier le prochain bâton que vous lui présenterez : Il a appris à associer le mot "bâton" avec la perception du bâton.
A contrario, si vous présentez un bâton à une IA "apprenante", il n'y a aucune chance que la prochaine image de bâton soit identifiée comme telle et il faudra au préalable contraindre le réseau en lui soumettant des milliers d'images de bâton.
Pire, c'est à vous, suite à la constitution du réseau, d'associer l'output du réseau au mot "bâton" : Il n'a en fait pas appris à associer le mot bâton avec "la perception" (issue de la construction finale du réseau) du bâton, mais a simplement constitué un réseau de neurone capable de reconnaitre une certaine forme.

Pourquoi cette différence ?
Simplement, et c'est aussi une des capacités du chimpanzé ... l'enfant n'a pas besoin d'apprendre ce qu'est un bâton.
Cette capacité est innée chez l'Homme (indépendamment du mot), et les structures cérébrales qui permettent d'identifier un bâton sont génétiquement programmées (sélectionnée au cours de l'évolution).
Je vous laisse imaginer le nombre de ces réseaux (ce que j'appelais module plus haut) préalablement constitués au cours de l'évolution pour arriver à des performances proches de ceux des êtres biologiques, et la difficulté à les "identifier" (ce que j'appelais nommer, c'est à dire leur donner une description de leur fonction, si leur niveau hiérarchique dans la chaine (parallele évidemment..) de traitement est très bas.)
Si les performances des IA sont souvent très au dessus de ceux des êtres biologiques (c'est le but recherché dans l'emploi des machines) pour des tâches très ponctuelles (spécialisées), ce n'est plus le cas lorsqu'on a affaire à des traitements plus complexes.

D'autre part il existe de nombreuses autres différences dans l'emploi des réseaux intervenant dans les IA et dans l'emploi des réseaux biologiques élémentaires (modules) qui constituent les cerveaux biologiques.
Par exemple, un cerveau fonctionne de manière bayésienne, il n'attend pas des inputs pour produire des outputs, il fonctionne dynamiquement sur la base de trains d'influx, les zones du cerveau se synchronisent, etc etc.

[invite73192618]

Si vous présentez un bâton à un enfant de 7 ans et que vous lui dites qu'il s'agit d'un bâton, il est probable que cette information lui suffira à identifier le prochain bâton que vous lui présenterez : Il a appris à associer le mot "bâton" avec la perception du bâton.
A contrario, si vous présentez un bâton à une IA "apprenante", il n'y a aucune chance que la prochaine image de bâton soit identifiée comme telle et il faudra au préalable contraindre le réseau en lui soumettant des milliers d'images de bâton.

https://scholar.google.ca/scholar?q=...=1&oi=scholart

[LeMulet]

https://scholar.google.ca/scholar?q=...=1&oi=scholart

Ce n'est pas que j’ignorai et n'avait pas pensé à ce type de machine au moment où je présentai le problème du bâton (croyez le ou pas )... mais si vous pensez que celles-ci remettent en question mes propos, alors vous ne les avez pas pleinement intégrés.
Ce qui signifierait que vous ne voyez pas le point évoqué plus haut, à savoir que vous ne savez pas distinguer ce qui est de la construction du réseau et de son résultat.

La construction est analogue à la question de l'évolution en biologie (l'inné), mais le résultat est le fonctionnement même du réseau, sans faire appel à un quelconque changement de sa structure (le cerveau artificiel produit à l'instant t que vous pouvez copier et intégrer sous forme de copie dans une autre machine).
Si vous mélangez ces deux notions, vous ne mimez pas le cerveau, vous mimez l'évolution et l'employez dans un contexte où seul le réseau constitué devrait entrer en ligne de compte.

Vous mélangez également les niveaux hiérarchiques en mélangeant le réseau et les modules, par exemple celui qui s'activerait (un seul output) à la présentation d'une forme qui ressemblerait à un bâton vertical, ou horizontal ou, etc (qui devraient, eux, être précisément définis... bien qu'on ne sache pas TOUS les nommer).
Alors évidemment, on aurait très bien pu commencer en terme d'évolution, à produire des modules correspondant à des mots...plutôt qu'à des méta-objets et je suis sûr qu'on peut produire des intelligences diverses et variées selon les modules de base que l'on veut bien employer (de là à ce qu'elles rivalisent avec notre intelligence et avec celle d'autres animaux, dans un contexte où l'environnement est "normal", rien n'est moins sûr, à mon avis).

Bien sûr, si on mélange tout, ça fonctionne aussi un peu et on peut se donner l'impression d'avoir une machine qui fonctionne.

[ansset]

La construction est analogue à la question de l'évolution en biologie (l'inné), mais le résultat est le fonctionnement même du réseau, sans faire appel à un quelconque changement de sa structure (le cerveau artificiel produit à l'instant t que vous pouvez copier et intégrer sous forme de copie dans une autre machine).
Si vous mélangez ces deux notions, vous ne mimez pas le cerveau, vous mimez l'évolution et l'employez dans un contexte où seul le réseau constitué devrait entrer en ligne de compte.

Vous mélangez également les niveaux hiérarchiques en mélangeant le réseau et les modules, par exemple celui qui s'activerait (un seul output) à la présentation d'une forme qui ressemblerait à un bâton vertical, ou horizontal ou, etc (qui devraient, eux, être précisément définis... bien qu'on ne sache pas TOUS les nommer).
Alors évidemment, on aurait très bien pu commencer en terme d'évolution, à produire des modules correspondant à des mots...plutôt qu'à des méta-objets et je suis sûr qu'on peut produire des intelligences diverses et variées selon les modules de base que l'on veut bien employer....

ce n'est tj pas clair pour moi.
d'une part , les notions de "méta-objet" font bien parti de l'évolution des IA.
d'autre part, il y a bien des mécanismes d'évolution ( apprentissage ).
je ne cerne pas très bien ce que vous appeler "confusion(s)".

d'autant que les "modules" évoqués ne me semblent pas être bien explicités.

[LeMulet]

ce n'est tj pas clair pour moi.

C'est normal si vous ne connaissez pas le sujet.

d'une part , les notions de "méta-objet" font bien parti de l'évolution des IA.

Et alors ?

d'autre part, il y a bien des mécanismes d'évolution ( apprentissage ).

Et alors ?

je ne cerne pas très bien ce que vous appeler "confusion(s)".

J'ai été suffisament clair à ce sujet.

d'autant que les "modules" évoqués ne me semblent pas être bien explicités.

Il faut juste se renseigner ne serait-ce qu'un tout petit peu avant de dire qu'on ne comprend pas.
Par exemple sur un site de vulgarisation :

Bref, comme le montrent les résultats d'imagerie cérébrale, on peut dire en guise de conclusion qu’il semble que le traitement de l'information par le cerveau consiste en un dialogue ordonné entre des aires ou des « modules » mais qui sont activés de façon simultanée en des régions parfois distantes du cerveau et qu’il demeure très difficile d'identifier les interactions entre ces modules, et encore plus, leur origine…

http://lecerveau.mcgill.ca/flash/pop...le%202007.html

[ansset]

C'est normal si vous ne connaissez pas le sujet.
.......
J'ai été suffisament clair à ce sujet.
......
Il faut juste se renseigner ne serait-ce qu'un tout petit peu avant de dire qu'on ne comprend pas.
Par exemple sur un site de vulgarisation :

http://lecerveau.mcgill.ca/flash/pop...le%202007.html

quel site , effectivement !!
j'en apprend forcement beaucoup, puisqu'à priori je ne connais rien au fonctionnement cérébral.
cela étant, vis à vis d'un ton aussi aimable et absolument pas prétentieux pour un sou, je préfère laisser un grand maitre du sujet ( qui d'ailleurs a des lectures très pointues ) nous donner à tous les leçons que nous méritons bien de méditer avec grand respect.

[ansset]

quand à ce vieux concept de "modules", à défaut de ne pas être clairement circonscrit (*), il ne fait pas "autorité".
https://www.edge.org/response-detail/25419
https://www.ncbi.nlm.nih.gov/pubmed/808252

(*) plusieurs "approches".

[ansset]

Quand aux créateurs de ce blog (*), ce sont des inconnus... ( journalistes, traducteurs ..? )
Ah si, je vois que l'un a une maitrise de neuroscience.
donc c'est un expert évidemment.

(*) qui n'est plus financé depuis des années...

[Deedee81]

Bonjour,

Le ton est passablement désagréable.

LeMulet, il faudrait tout de même que tu apprennes à respecter les autres intervenants. A une remarque comme "ce n'est toujours pas clair pour moi", ou bien on ne répond pas ou bien on donne des explications plus précises en espérant que ce soit plus clair ou on s'excuse en disant qu'on n'y arrive pas. Mais on ne répond pas "c'est normal" qui est particulièrement insultant. D'ailleurs une remarque comme "j'ai été suffisamment clair" est terriblement prétentieuse. C'est toujours aux autres de juger de la clarté (c'est eux qui lisent et doivent essayer de comprendre ce que tu écrits, pour toi c'est forcément clair, tu sais déjà ce que tu as voulu écrire) et lorsqu'on n'arrive pas à se faire comprendre on doit se remettre en cause. Tu es un peu trop coutumier de ce type de comportement méprisant à mon goût. Et le niveau de qualification dans l'un ou l'autre domaine de chaque participant n'a pas à être jugé, on s'adapte, c'est tout. Ce n'est pas une salle d'université ici.

Cela s'appelle tout simplement "savoir discuter en société".

Si cela ne s'améliore pas, il va falloir procéder à un nettoyage du fil. Merci de faire attention.

[LeMulet]

quand à ce vieux concept de "modules", à défaut de ne pas être clairement circonscrit (*), il ne fait pas "autorité".
https://www.edge.org/response-detail/25419
https://www.ncbi.nlm.nih.gov/pubmed/808252

(*) plusieurs "approches".

Le contraire non plus.

Mark Schnitzer, dont l'équipe a créé le miniscope, a expliqué qu'« avec cette configuration, [ils ont] identifié un ensemble de neurones dans l'amygdale qui code de manière sélective des signaux liés aux aspects émotionnels d'une expérience douloureuse. » Ces neurones se trouvaient dans la région basolatérale de l'amygdale. Par exemple, si la souris touchait de l'eau chaude, elle l'évitait et le microscope enregistrait l'activité de ces neurones.

https://www.futura-sciences.com/sant...greable-74305/

[invite73192618]

quand à ce vieux concept de "modules", à défaut de ne pas être clairement circonscrit (*), il ne fait pas "autorité".
https://www.edge.org/response-detail/25419

Très intéressant merci. Une façon de comprendre son propos (à moins que je ne le sur-interprète) est qu'elle n'attaque pas tant le concept de module que le paradigme du cognitivisme. Dans le fond, P Churchland nous dit: "Au jeu des thrones Fodor a joué et Fodor a perdu. Longue vie à la prochaine théorie de l'esprit."

Mark Schnitzer, dont l'équipe a créé le miniscope, a expliqué qu'« avec cette configuration, [ils ont] identifié un ensemble de neurones dans l'amygdale qui code de manière sélective des signaux liés aux aspects émotionnels d'une expérience douloureuse. » Ces neurones se trouvaient dans la région basolatérale de l'amygdale. Par exemple, si la souris touchait de l'eau chaude, elle l'évitait et le microscope enregistrait l'activité de ces neurones.

Je ne tiens pas à froisser l'ego de qui que ce soit, mais il semble d'intérêt général de signaler que c'est exactement le genre d'evidence que P Churchland a en tête quand elle dit que le concept de module n'explique pas bien les données.

[invite73192618]

PS: plus haut j'ai fait l'erreur de mettre un simple lien sans contexte, ce qui pouvait être interprété comme une attaque. Voici donc ce que j'aurais écrit si j'avais eu le temps de saucer l'histoire:

i vous présentez un bâton à un enfant de 7 ans et que vous lui dites qu'il s'agit d'un bâton, il est probable que cette information lui suffira à identifier le prochain bâton que vous lui présenterez : Il a appris à associer le mot "bâton" avec la perception du bâton.
A contrario, si vous présentez un bâton à une IA "apprenante", il n'y a aucune chance que la prochaine image de bâton soit identifiée comme telle et il faudra au préalable contraindre le réseau en lui soumettant des milliers d'images de bâton.

Oui, j'aime beaucoup cette idée (au point d'y mettre quelques centaines d'heures ces derniers 6 mois). On avait discuté (très peu) d'une idée cousine (ou d'une formulation cousine de cette même idée) ici. Par contre il est bien évident que ta dernière phrase ne parle pas de l'IA en général mais uniquement de la sous-variante "apprentissage profonde supervisé" sans aspect génératif ni de reinforcement learning ni de zero-shot learning ni de wordvec ni...
https://scholar.google.ca/scholar?q=...=1&oi=scholart

[Bounoume]

Si je peux donner 1 avis naïf et ponctuel:

Citation Envoyé par LeMulet Voir le message
Si vous présentez un bâton à un enfant de 7 ans et que vous lui dites qu'il s'agit d'un bâton, il est probable que cette information lui suffira à identifier le prochain bâton que vous lui présenterez : Il a appris à associer le mot "bâton" avec la perception du bâton.
A contrario, si vous présentez un bâton à une IA "apprenante", il n'y a aucune chance que la prochaine image de bâton soit identifiée comme telle et il faudra au préalable contraindre le réseau en lui soumettant des milliers d'images de bâton.https://scholar.google.ca/scholar?q=...=1&oi=scholart

L'enfant associe le "mot" - l'identifiant 'bâton' - à un ensemble de propriétés déjà connues, enregistrées soit en tant que propriétés implicites non verbalisables, comme des images, sensations .... soit en tant que propriétés explicites exprimables comme "c'est en bois",
Le réseau, naïf, doit extraire 'quelque chose' de caractéristique commun à une multitude d'exemples étiquetés "bâton" par le superviseur......

L'enfant a été éduqué à reconnaître le bâton sur une image, à partir d'images exemples ET de propriétés exprimées PREALABLEMENT dans un langage déclaratif (mais activées ici aussi par d'autres processus de reconnaissance sur image....) et avec un système d'inférences logiques....
Actuellement l'intelligence du réseau de neurones doit en une seule passe examiner les exemples: il en faut alors bien davantage plus pour trouver 'sa' régularité valable dans presque tous les cas possibles.

la situation est différente. Le réseau n'a pas l'usage de la pensée structurée par le langage......

[LeMulet]

L'enfant associe le "mot" - l'identifiant 'bâton' - à un ensemble de propriétés déjà connues, enregistrées soit en tant que propriétés implicites non verbalisables, comme des images, sensations .... soit en tant que propriétés explicites exprimables comme "c'est en bois",
Le réseau, naïf, doit extraire 'quelque chose' de caractéristique commun à une multitude d'exemples étiquetés "bâton" par le superviseur......

Tout à fait.
Il connait déjà l'objet, non nécessairement en tant qu'objet tel que le superviseur voudrait qu'il le particularise ("un bâton"), mais comme un méta-objet non particularisé (ce n'est pas encore un bâton, et d'ailleurs on ne va pas donner un mot à chaque objet qui se distingue par une de ses propriété, sinon on n'en fini plus...).

C'est aussi de cette manière que certains chiens sont capables de reconnaitre plus de 1000 jouets ou situations différentes et qu'ils savent aussi que pour ces jouets ou ces situations, on donne un nom.

Les IA aussi peuvent très facilement reconnaitre les associations de "propriétés" (ou vecteurs ou que sais-je encore), par contre il faut leur définir au préalable les bonnes propriétés qui seront à prendre en compte.

Chez le vivant, un nombre important de "détecteurs de propriétés" sont déjà "câbles" génétiquement (ce qui n'implique pas un déterminisme, mais passons...), mais comme déjà dit, ces "modules" ne se situent pas nécessairement à un niveau hiérarchique (qui produit des agrégations pour fournir des résultats à des niveaux hiérarchiques plus élevés) très élevé.

On peut donc, en choisissant "à la main", les propriétés évaluables faisant partie d'un tout cohérent permettre à une IA de reconnaitre des "motifs" dans l'apparente incohérence du monde, mais on risque comme déjà indiqué, de ne pas faire appel aux bonnes propriétés (nous ne sommes que des humains après tout).

Maintenant, on peut aussi laisser une IA seule avec tous les influx possibles pour attendre qu'il détecte les bons (ceux qui interviennent dans la cohérence d'un système logique pour former une propriété particulière), mais ça risque de prendre du temps... puisqu'il faut regrouper les propriétés du niveau hiérarchique le plus bas (et allez savoir si c'est le bon niveau) en méta-propriété (dont certaines ont un nom que nous employons, nous autres humains, certes).

L'évolution en tous cas a fait le boulot chez nous.

Mais on a déjà des modules super-importants que nous allons pouvoir employer dans une IA plus vaste , celui qui permet de dire si un personnage de Games of Throne va mourir, un autre qui détecte si le pneu est crevé, un autre qui permet d'idenifier une personne qui tape sur un clavier et tant d'autres...
Ca va le faire.

[invite73192618]

Actuellement l'intelligence du réseau de neurones doit en une seule passe examiner les exemples

Hmmm... faut quand même le dire vite, et faire attention de ne pas se renseigner cinq minutes sur google scholar.

High-order neural networks: Information storage without errors
L Personnaz, I Guyon, G Dreyfus - EPL (Europhysics Letters), 1987 - iopscience.iop.org
… During the past few years, a considerable research effort has been devoted to the study of neural
networks, leading to a thorough understanding of the … In this context, information storage can be
achieved in two ways: either by one- shot, nonlocal learning, or by slow …

[LeMulet]

En tous cas ce genre de réponse fournit une réponse à la question initialement posée.

Intelligence artificielle forte, manque-t'on d'outils pour progresser ?

On parle bien d'intelligence artificielle forte ?
Les outils pour progresser sont donc à mon avis des outils (reportage animaliers, balades dans la nature pour observer les modèles à atteindre, des cours de biologie, un peu de modestie pour remettre les pieds sur terre...) permettant aux spécialistes de l'IA de se rendre compte de la complexité d'une intelligence biologique, qui se situe à des années lumière de la complexité de l'intelligence artificielle.

Par exemple.
Lorsqu'on dit qu'on présente à un enfant ou même à un singe, un bâton, c'est bien d'un bâton dont il est question, pas d'une image.
Il peut même être tenu en main, voir encadré dans une vitrine, ou pourquoi pas tournoyer dans les airs pendant un lancer.
Il peut même avoir été placé dans une boite fermée, et si on demande à l'enfant d'aller donner le bâton à une tierce personne, il sait donner la boite qui contient le bâton plutôt que répondre "mais il n'y a pas de bâton ici" (comme le dirait très certainement la "super-IA").
Ca reste un bâton, et les individus normalement constitués ne sont pas spécialement gênés par les variantes de présentation de ce bâton.

Alors ici, cette petite "fable du bâton" (qui n'a pas été donnée pour se faire battre ), n'est qu'un tout petit exemple, simplet même, qui en dit long sur le chemin à parcourir pour arriver à une IA forte.

Maintenant, si on pense qu'un système de One Shot Learning est une très grande avancée, qui nous rapproche sensiblement du but de l'IA forte, c'est à mon avis très surestimé (du moins par rapport à ce qu'on sait d'une intelligence biologique).

Comme déjà dit, si on croit ici avoir reproduit les systèmes biologiques on se trompe je pense sur le niveau de complexité des "modules" en jeu.
Rien que le système visuel, généralement en 3D, qui est d'une effarante complexité et variabilité (ca dépend des intelligences... et c'est adapté à la morphologie, physiologie etc), n'est qu'une toute petite partie des prérequis à une intelligence forte.

[invite73192618]

On parle bien d'intelligence artificielle forte ?

"On" répond à la phrase qui est cité par on. Un indice pour s'y retrouver: la phrase qui est citée par on est située juste au-dessus de la réponse à la phrase qui est citée par on. Ainsi, dans l'exemple ci-dessous, B répond à A.

Actuellement l'intelligence du réseau de neurones doit en une seule passe examiner les exemples

Hmmm... faut quand même le dire vite, et faire attention de ne pas se renseigner cinq minutes sur google scholar.

Bref, fin du fil pour moi.

[invite61a30066]

Donner son avis sur des sujets où on n'a pas fait l'effort de lire le minimum de la vulgarisation, c'est comme de parler philo : ce n'est pas contribuer.


C'est du raisonnement par analogie : vous projetez votre connaissance d'un sujet sur un autre que vous ignorez.
Cela ne marche quasiment jamais.
On a ça tout le temps en physique par ex : les gens projettent leur vision newtonienne du monde sur la Relativité, arrivent à des contradictions et s'en étonnent.

Dans votre cas, ce que vous dites a un rapport tellement lointain et abstrait avec l'IA que ce n'est même pas 100M faux, juste non pertinent ou beaucoup trop simpliste.

Pm42, ta manière de débattre consiste à discréditer systématiquement tes interlocuteurs en prétendant qu'ils sont incompétents, sous entendu que toi seul le serais. C'est un peu facile comme argument non ?

[ansset]

Par exemple.
Lorsqu'on dit qu'on présente à un enfant ou même à un singe, un bâton, c'est bien d'un bâton dont il est question, pas d'une image.
Il peut même être tenu en main, voir encadré dans une vitrine, ou pourquoi pas tournoyer dans les airs pendant un lancer.
Il peut même .......
Ca reste un bâton, et les individus normalement constitués ne sont pas spécialement gênés par les variantes de présentation de ce bâton.

je trouve cet exemple assez bien vu.
il rejoint ce que j'évoquais sur la manipulation des "concepts".
tu aurais même pu citer le fait de reconnaitre un bâton au simple toucher ( pour un aveugle ).
et en allant plus loin, il y a même un ensemble de mécanismes d'associations de concepts.
ainsi G Clooney par exemple EST aussi un concept, pas uniquement une personne reconnaissable.
il est "connecté" à d'autres, comme ses partenaires, ses films, ses engagements,.....

En revanche:

Comme déjà dit, si on croit ici avoir reproduit les systèmes biologiques on se trompe je pense sur le niveau de complexité des "modules" en jeu.

est le point qui m'a fait tilter.
cette idée de "modules" est assez ancienne et ne semble plus vraiment expliquer ce que tu sembles évoquer.
( à la lumière des neurosciences actuelles )
bref, ce n'est ( il me semble ) qu'une éventuelle sous partie d'un mécanisme bien plus complexe, plus global et évolutif.

[ansset]

ps : j'ai formulé cet aparté :

j'en apprend forcement beaucoup, puisqu'à priori je ne connais rien au fonctionnement cérébral.

qui était à prendre évidemment sous forme d'une boutade.
malheureusement, je connais mal les avancées actuelles en terme d'IA (*), mais en revanche mes lectures sur les neurosciences sont loin d'être "creuses".

(*) en ce sens , je lis Jiav avec attention.

[Bounoume]

Effectivement..... +1 Ansset !

déjà, dans l' intelligence animale témoigne déjà de facultés non implémentées dans l'IA actuelle.... (par inclination, je fréquente, manipule et apprécie de grosses bêtes [chevaux] , et d'autres, + grégaires....)
Entre autres des acquisitions comportementales, des remises en cause et des antagonismes entre comportements....
Emergent des liens entre unités que je qualifierais de 'mentales' (dont , ce qui est admis, des véritables 'concepts' relatifs à leur appréhension de leur environnement).
Emergent aussi (très tôt même) des véritables programmes d'inférence logique concernant l'enchevêtrement perceptions-comportements.

Chez l'humain, il y a la couche 'supérieure': la formalisation dans l'espace sémantique, cad le langage comme support à la fois des 'données' statiques, et 'programme' de traitement de ces données.

Ce que je connais de l'IA récente, c'est un mécanisme statique de classification descriptive, et de filtrage des données (ex word2Vec, thought vectors, et bien entendu 'les' réseaux de neurones formels....) .
L'apprentissage existe, il est très performant, mais, me semble-t-il, va déboucher sur des sorties excluant la description de procédures. Même si le résultat est un mouvement très complexe (cf les super spectacles des bots Boston Dynamics), il n'en ressort pas un programme de calcul des commandes, mais directement les consignes à appliquer....

Pas mieux que mon cheval quand il apprend à sauter un obstacle particulier quoique ..... leurs humanoïdes de Boston sont sacrément doués !

La partie "cartésienne" de l'IA existe pourtant (les systèmes experts, et en fait tous les algorithmes de traitement de données), mais:
-l'intelligence du programme est..... le simple reflet de l' intelligence du programmeur (ou de sa fumisterie.....)
-aucune adaptation spontanée des procédures...
-ne sait pas deviner seul une classification, ne classifie ou ne prévoit que ce qui a été programmé par Papa Programmeur....
-ne sait pas 'deviner' [sauf astuces ciblées du programme] le chemin à suivre parmi les propositions connues pour arriver à construire un raisonnement débouchant sur le réponse à une question. cf DeepBlue qui explorait tous les cas possibles....

Pourtant c'est ce qui permet justement les énoncés, raisonnements et inférences logiques qui sont la matière de la connaissance humaine.


Il n'y a pas de pont entre ces deux domaines;

On voudrait qu'émerge, de la simulation 'biologique' -ou connexionniste- la partie Verbale de l'Intelligence.
Cela risque d'être long.....

Ce me semble l'obstacle actuel à toute création d'IA forte.....

[invite73192618]

L'apprentissage existe, il est très performant, mais, me semble-t-il, va déboucher sur des sorties excluant la description de procédures. Même si le résultat est un mouvement très complexe (cf les super spectacles des bots Boston Dynamics), il n'en ressort pas un programme de calcul des commandes

http://askbayou.com/