Intelligence artificielle étroite (IAO)

Caractéristiques principales

La caractéristique déterminante de l'ANI est sa spécialisation. Ces systèmes sont généralement développés à l'aide de vastes ensembles de données pertinents pour leur fonction désignée, en tirant souvent parti de techniques d'apprentissage automatique (ML). Les principales caractéristiques sont les suivantes :

• Spécifique à une tâche : Conçu pour un seul but ou un ensemble très limité de tâches étroitement liées, comme jouer aux échecs, identifier des visages(reconnaissance faciale) ou traduire des langues.
• Axé sur les données : Les performances dépendent fortement de la qualité et de la quantité des données de formation utilisées pendant le développement. Les paradigmes de formation courants comprennent l'apprentissage supervisé, l'apprentissage non supervisé et l'apprentissage par renforcement.
• Orienté vers un but : Fonctionne en fonction d'algorithmes et de paramètres définis par les développeurs pour atteindre des objectifs spécifiques et mesurables.
• Absence de conscience : Les systèmes ANI ne possèdent pas de conscience de soi, de sensibilité ou de véritable compréhension ; ils simulent l'intelligence dans leur champ d'application étroit en se basant sur des modèles appris à partir de données. Tu peux explorer la documentation d'Ultralytics pour plus de détails sur la façon dont ces modèles sont formés et déployés.

Distinction par rapport aux autres types d'IA

Pour comprendre l'ANI, il faut la différencier des formes théoriques plus avancées de l'IA :

• Intelligence générale artificielle (AGI) : Souvent appelée IA forte, l'AGI fait référence à des machines hypothétiques dotées de capacités cognitives de type humain, capables de comprendre, d'apprendre et d'appliquer l'intelligence à un large éventail de tâches, à l'instar d'un être humain. Des organisations telles que Google DeepMind et OpenAI recherchent activement des voies vers l'AGI. L'AGI reste largement théorique et constitue une étape importante au-delà des capacités actuelles de l'ANI.
• Superintelligence artificielle (ASI) : Il s'agit d'une étape future hypothétique où l'IA surpasse l'intelligence humaine dans pratiquement tous les domaines ayant une valeur économique. L'ASI représente un niveau d'intelligence dépassant de loin les esprits humains les plus brillants, un concept exploré en détail par des penseurs comme Nick Bostrom.

Bien que l'ANI alimente des applications sophistiquées, il fonctionne strictement en fonction de sa programmation et de ses données d'entraînement, sans véritable compréhension ou capacité à généraliser au-delà de sa tâche spécifiée.

Applications dans le monde réel

L'ANI est omniprésent dans la technologie moderne. En voici deux exemples marquants :

1. Systèmes de vision artificielle (CV): Modèles comme Ultralytics YOLOy compris des versions comme YOLOv8 et YOLO11sont de parfaits exemples d'ANI. Ils excellent dans des tâches visuelles spécifiques telles que la détection d'objets (identification et localisation d'objets avec des boîtes de délimitation), la segmentation d'instances (délimitation d'instances d'objets individuels) et l'estimation de la pose (détection des points clés du corps). Ces capacités sont cruciales dans divers domaines comme les véhicules autonomes pour la navigation (voir l'approche de Waymo), l'amélioration des systèmes de sécurité, l'automatisation du contrôle de la qualité de la fabrication et l'aide à l'analyse d'images médicales. Des plateformes comme Ultralytics HUB facilitent la formation et le déploiement de ces modèles de CV spécialisés. Tu peux trouver des comparaisons entre les modèles YOLO dans notre documentation.
2. Systèmes de traitement du langage naturel (NLP): Les assistants virtuels comme Siri d'Apple et Alexa d'Amazon, les chatbots sophistiqués utilisés dans le service client et les outils de traduction automatique comme Google Translate sont tous alimentés par l'ANI. Ils sont formés sur des ensembles massifs de données textuelles pour comprendre et générer du langage humain pour des applications spécifiques comme répondre à des questions, suivre des commandes ou traduire du texte entre les langues. Bien qu'ils soient très compétents dans ces tâches, ils ne disposent pas d'une connaissance générale du monde ou d'un raisonnement de bon sens en dehors du domaine pour lequel ils ont été formés. Des structures telles que Hugging Face Transformers fournissent des outils pour construire de tels modèles NLP.

Parmi les autres exemples d'IA très répandus, on peut citer les systèmes de recommandation utilisés par des plateformes comme Netflix et Spotify, les filtres anti-spam des courriels et les logiciels utilisés dans la modélisation financière. Le développement et le déploiement de ces systèmes impliquent de plus en plus une prise en compte attentive de l'éthique de l'IA pour garantir l'équité et prévenir les préjugés nuisibles, guidés par des organisations telles que le Partenariat sur l'IA et les principes de l'IA explicable (XAI).