Nourrir la machine

jeudi, 28.11.2019

Nathalie Feingold*

Nathalie Feingold

En octobre dernier, l’Université de Genève organisait une conférence sur l’intelligence et le haut potentiel. L’occasion ici de faire un parallèle entre intelligence humaine et intelligence artificielle.

A l’heure où tout le monde n’a que le mot «intelligence» à la bouche, il semble que, paradoxalement, la définition même de l’intelligence humaine et son évaluation, font toujours débat. L’échelle de Wechsler, initiée en 1938, est encore largement utilisée pour déterminer le Quotient Intellectuel (QI), mais elle serait sensible à l’interprétation du praticien, selon les spécialistes qui ne s’accordent pas sur le QI qui détermine un «haut potentiel». D’autres pointent aussi le fait qu’elle ignore les émotions, la créativité ou l’humour, qui pourtant caractérisent souvent le génie et font l’essence de l’humanité.

D’ailleurs, ce qui ressort de cette conférence est qu’en fait, il ne s’agit pas d’être intelligent ou pas, d’être «haut potentiel» ou pas. Il s’agit d’avoir un potentiel et de réussir à l’exploiter.  L’environnement joue ici un rôle déterminant. La possibilité, pour un individu, de se confronter à une réalité épanouissante à même de nourrir ses besoins intellectuels, est fondamentale.

Il en est de même pour nos machines. L’Homme a su développer des ordinateurs avec des puissances de calcul considérables. Une opportunité si nous les utilisons de façon vertueuse dans un monde de plus en plus complexe, pour nous aider à collecter, trier, et analyser les savoirs, faire des liens et résoudre nos problèmes… A condition de cultiver un environnement propice au bon développement de cette intelligence artificielle.

Car en effet, calcul n’est pas synonyme d’intelligence: la puissance de calcul n’est qu’un potentiel. Pour qu’elle soit fertile, il faut nourrir la machine, l’abreuver de substance enrichissante, lui raconter l’art, l’histoire, les sciences sociales… Comme l’explique Yann LeCun, pionnier du machine learning (voir par exemple conf. EPFL ou Collège de France), il n’y a pas d’intelligence sans apprentissage: une machine est comme un enfant, il faut mettre à sa disposition des ressources pour qu’elle apprenne.

Les données sont cela, la matière qui nourrit les machines et évidemment, la qualité des données a un rôle clé. Ethiques, non biaisées, accessibles, diversifiées, représentatives, sincères, objectives… sont des critères que nous devrions favoriser lorsque nous sélectionnons les données. Car l’algorithme auto-apprenant calcule, cherche, se trompe, recommence mais ne sait pas distinguer une bonne donnée d’une mauvaise. Lorsqu’on entraîne un algorithme à travers les seules données de Facebook par exemple, l’ordinateur s’en contente, les données sont si volumineuses (environ 2,8 milliards d’utilisateurs Facebook/Instagram/WhatsApp par mois) qu’elles lui suffisent à tirer des conclusions. Mais nous, humains, savons que cela ne représente qu’une certaine facette de l’humanité (environ 7,6 milliards d’humains sur terre), c’est donc à nous de savoir utiliser les résultats à bon escient et avec le recul nécessaire pour ne pas généraliser.

C’est à nous de proposer les données adéquates et de faire jouer notre esprit critique, d’aiguiser nos opinions et de dompter nos propres biais. C’est bien entendu le rôle de l’éducation, de la culture et de l’intelligence humaine. Intelligence humaine au service de l’intelligence artificielle, et vice versa!

* Fondatrice, npba 





 
 
 

AGEFI

Rafraîchir cache: Ctrl+F5 ou Wiki




...