Machines intelligentes: comment elles apprennent, évoluent et créent des souvenirs

Machines intelligentes: comment elles apprennent, évoluent et créent des souvenirs. Les machines prennent lentement le relais. Chaque jour, des algorithmes compliqués servent des publicités ciblées; dicter les résultats de recherche sur Google et servir à protéger nos données sensibles contre d’autres algorithmes essayant de les voler.

Cela surprendrait probablement la plupart des gens d’apprendre à quel point les programmes informatiques avancés aident et influencent notre vie quotidienne. Leur efficacité et leur semi-autonomie croissantes rendent les milliards de calculs quotidiens qu’ils effectuent pratiquement invisibles autour de nous.

Une forme de travail de machine particulièrement considérée comme acquise est les changements de calcul mis en place pour protéger nos informations de paiement et éviter la fraude. Les systèmes d’intelligence artificielle sont enfermés dans une course aux armements avec des programmes malveillants. Ils doivent continuer à s’adapter (c’est-à-dire «apprendre») pour garder une longueur d’avance sur leurs «rivaux». Non seulement cela, mais l’IA doit savoir se reconfigurer au rythme des exigences PCI DSS et GDPR – des exigences de sécurité complexes à la fois en Amérique du Nord et en Europe.

Dans le monde, transnational l’âge, nos systèmes d’IA jonglent constamment avec les données – et dépassent et dépassent de plus en plus les humains.

Mais qu’est-ce que l’intelligence artificielle? Et comment les circuits intégrés et les courants électriques gèrent-ils quoi que ce soit – sans parler d’apprendre à gérer de nouvelles tâches? Pour comprendre, nous devrons aborder brièvement un sujet qui n’est toujours pas résolu après près d’un siècle de débat.

Définir l’intelligence

Il est étonnamment difficile de définir l’intelligence, et il n’y a pas de définition incontestée. Certains chercheurs en IA pensent que l’intelligence implique une capacité de logique, de compréhension, de planification, de conscience de soi, de créativité et d’apprentissage, pour n’en nommer que quelques-uns. Mais les opposants diraient que ce sont des points de vue centrés sur l’humain.

Au lieu de cela, il pourrait être plus facile de donner à l’intelligence une définition large et malléable: plutôt que l’intelligence est «la capacité d’atteindre des objectifs complexes». Cela signifie qu’il peut exister des formes d’intelligence larges et étroites. Une calculatrice, par exemple, est étroitement intelligente en ce sens il peut résoudre l’arithmétique beaucoup plus rapidement que les humains. Mais il ne peut pas faire grand-chose d’autre et, par conséquent, un bébé pourrait être considéré comme largement plus intelligent qu’une calculatrice.

Mais en fin de compte, l’intelligence est censée être tout au sujet de l’information et du calcul. Cela n’a rien à voir avec la chair et le sang, et avec cette définition, il n’est pas difficile de reconnaître que les machines qui nous entourent, comme nos systèmes de relais de protection de cartes, ont un certain degré d’intelligence.

Créer une intelligence artificielle à partir de rien

Si l’intelligence n’est qu’une information et un calcul – alors je vous entends demander – qu’est-ce que l’information et le calcul?

S’il y a quelque chose que nous avons appris en cours de physique, c’est que tout dans l’univers est composé de très petites particules. Les particules n’ont pas d’intelligence par elles-mêmes. Alors, comment un tas de particules muettes se déplaçant selon les lois de la physique peut-il présenter un comportement que nous appellerions «intelligent»?

Afin de comprendre cette question, nous aurons d’explorer de plus près le concept de «l’information» et du stockage de la mémoire.

La nature de l’espace de stockage des informations et de la mémoire

Regardez une carte du monde et que voyez-vous? Vous voyez des particules disposées dans des motifs et des formes particulières. Les particules sous la forme des îles britanniques, par exemple, avec plus de particules sous la forme de lettres épelant «Grande-Bretagne» indiquent à votre cerveau que vous regardez un représentant de la Grande-Bretagne sur une carte.

En d’autres termes, les particules – disposées d’une manière particulière – vous ont présenté des informations sur le monde.

Une carte est un simple périphérique de mémoire ainsi qu’un périphérique d’information. Comme toutes les bonnes unités de stockage en mémoire, une carte peut encoder des informations dans un état de longue durée.

Les états à longue durée de vie sont importants car ils nous permettent de récupérer des informations à maintes reprises. Certaines choses dans le monde physique font de terribles périphériques de stockage de mémoire. Par exemple, imaginez que vous écrivez votre nom dans le sable sur la plage. Le sable contient désormais des «informations» sur qui a écrit dans le sable. Mais si vous revenez à la plage quelques jours plus tard, il est probable que votre nom ne soit plus là. En revanche, si vous avez gravé votre nom sur une bague en or, les informations seront toujours là des années plus tard.

La raison pour laquelle le sable est mauvais pour stocker des informations – et pourquoi une gravure en or est bonne – est que le remodelage de l’or nécessite une énergie importante. Alors que le vent et l’eau déplaceront sans effort les granules de sable.

Ainsi, nous pouvons définir les informations comme des modèles qui ont du sens pour nous, et le stockage de la mémoire comme la capacité de quelque chose à conserver ces informations en un seul morceau, pour les récupérer à une date ultérieure.

Dans les ordinateurs, l’unité de stockage de mémoire la plus simple a deux états stables et de longue durée que nous appelons un «bit» (abréviation de «chiffre binaire»). C’est soit un 0 soit un 1. Et les informations qu’il révèle à l’observateur dépendent de l’état dans lequel il se trouve. Ces systèmes à deux états sont faciles à fabriquer et sont incorporés dans tous les ordinateurs modernes, bien que dans une variété de différentes façons.

L’art de l’informatique

C’est ainsi qu’un objet physique peut se souvenir de son observation. Mais comment peut-il calculer?

Un calcul est essentiellement une transformation d’un état mémoire en un autre. Il prend des informations et les transforme, mettant en œuvre ce que les mathématiciens appellent une fonction.

Les calculatrices le font tout le temps. Vous entrez certaines informations, telles que 1 + 1, et appuyez sur le signe égal, et une fonction est implémentée pour donner la réponse de 2. Mais la plupart des fonctions sont beaucoup plus compliquées que cela. Par exemple, les machines qui surveillent les conditions météorologiques utilisent des fonctions très complexes pour prédire les risques de pluie demain.

Pour qu’un état mémoire transforme l’information, il doit présenter une dynamique complexe, de sorte que son état futur dépend de manière programmable de l’état actuel. Ainsi, lorsque nous alimentons l’état de mémoire de nouvelles informations, sa structure doit répondre et changer et se réorganiser dans le nouvel état informationnel. Ce processus en obéissant aux lois de physique, mais de telle manière que les lois de la physique transforment l’état de la mémoire en résultat que nous voulons. (Un peu comme la façon dont le détournement d’une rivière n’a rien à voir avec les lois de la nature qui ont fait que la rivière existe en premier lieu, mais atteint un résultat final souhaitable des détourneurs.) Une fois que cela se produit, nous avons une fonction.

La fonction la plus simple: stockage de mémoire et transformation d’informations

Une porte Nand est le type de fonction le plus simple. Il est conçu pour prendre deux bits d’informations (deux états de mémoire binaire) et produire un bit. Il émet 0 si les deux entrées sont à 1 et dans tous les autres cas, les sorties 1.

Par exemple, si nous connectons deux interrupteurs en série avec une batterie et un électroaimant à la fin, alors l’électroaimant ne sera activé que si le premier interrupteur et le deuxième interrupteur sont fermés («on»). Mais si un troisième interrupteur devait être placé sous l’électro-aimant, de sorte que l’aimant l’ouvrira à chaque fois qu’il sera allumé, alors nous aurons une porte Nand – une situation où le troisième interrupteur n’est ouvert que si les deux premiers sont fermés.

Nous avons là une dynamique complexe, où un état de la mémoire (et par extension des informations), suit les lois de la physique dans un autre état. Aujourd’hui, nous avons de nombreux types de portes Nand plus complexes et efficaces, mais le principe est le même. Par conséquent, les particules sans vie apparemment «stupides» semblent présenter des comportements qui changent et se développent d’un état d’existence à l’autre.

Le saut final: du stockage de la mémoire à la transformation de l’information, à l’apprentissage.

La capacité d’apprendre est sans doute l’aspect le plus fascinant de l’intelligence générale. Maintenant que nous avons exploré comment un amas de matière apparemment stupide peut se souvenir et calculer des informations, il est temps de demander: Mais comment peut-il apprendre?

Avec les fonctions décrites ci-dessus, ce sont les ingénieurs humains qui ont arrangé les états physiques de telle manière que les lois de la physique sont «trompées» en transformant les informations. Pour que la matière apprenne, elle doit se réorganiser pour mieux réussir les fonctions souhaitées – simplement en obéissant aux lois de la physique.

Imaginez que vous placez une balle en caoutchouc sur un matelas en mousse à mémoire et que vous la souleviez à nouveau. Ce qui se passerait? Probablement une petite impression en surface, et rien de plus. Mais continuez à le faire, et finalement, une indentation apparaît. La balle se niche dans l’indentation. Le point de cette analogie simple est que, si vous faites quelque chose assez souvent, vous pouvez créer une mémoire – des informations sur l’endroit où la balle est souvent placée. La mousse à mémoire « se souvient » de la balle – des informations sont créées sur l’endroit où se trouve la balle – marquées par l’indentation.

Les machines apprennent d’une manière qui n’est pas sans rappeler comment les synapses de notre cerveau apprennent. En fait, le domaine connu sous le nom d’apprentissage automatique utilise ce que l’on appelle les réseaux de neurones artificiels afin de provoquer un état d’apprentissage.

Si vous placez à plusieurs reprises des bits dans certains états d’un réseau, le réseau apprendra progressivement ces états et y reviendra d’un état proche. Par exemple, si vous avez vu chacun des membres de votre famille plusieurs fois, puis des souvenirs de ce à quoi ils ressemblent peuvent être déclenchés par tout ce qui leur est lié.

Les réseaux de neurones artificiels agissent comme des fonctions à action directe, ce qui signifie que les données ne sont entrées que pour circuler dans une seule direction. Si nous considérons un réseau de neurones comme un grand nombre de nœuds connectés par des fils, alors les nœuds peuvent effectuer des calculs mathématiques à certains pas de temps en faisant la moyenne de toutes les entrées qu’ils reçoivent des nœuds voisins.

Faites cela assez longtemps et vous continuez d’exposer les nœuds aux informations que chacun transporte. Ceci est très similaire à ce que l’on appelle l’apprentissage hébbien et est similaire à la façon dont les synapses dans le cerveau «tirent ensemble et se relient», formant des souvenirs et des souvenirs associés dans le cerveau. Juste en suivant les lois de la physique, après avoir conçu une fonction initiale d’action directe, les réseaux de neurones artificiels peuvent «apprendre» des choses étonnamment complexes. Les nœuds qui obtiennent une entrée forte les uns des autres convergent et laissent tomber l’entrée de moins pertinente nœuds. Accomplissant ainsi une fonction d’activation, ou entrant dans un nouvel état – un processus appris.

Intelligence et SEO

L’intelligence est la capacité d’atteindre des objectifs complexes. À l’heure actuelle, les progrès de la technologie des machines permettent aux machines d’apprendre et de créer leurs propres fonctions et mémoires, et de s’adapter à de nouveaux défis. Tout ce qui est nécessaire pour ce type d’intelligence artificielle est une étincelle d’origine humaine, puis pour que la progression naturelle des lois de la physique prenne le dessus.

Nous y voilà donc, un moyen pour une matière apparemment stupide, non consciente et non vivante d’agir de façon effrayante un peu comme notre propre cerveau.

À l’heure actuelle, la plupart des systèmes d’IA sont «étroitement» intelligents. Mais on estime que, à un certain moment vers le milieu du siècle, la véritable «large» intelligence artificielle se concrétisera. (Si cela est possible, cela reste à débattre.)

Une chose est sûre: les machines continueront à apprendre, devenant plus rapides; mieux et plus efficace. De cela, nous pouvons nous attendre à une hausse déplacement de nombreux emplois et automatisation croissante, mais aussi développement de professions plus sociales. Le monde social est le dernier bastion de l’humanité qui n’a pas encore été envisagé par la grande révolution des algorithmes.

SEO INSIDE est une agence SEO à Lille.

--

SEO Inside est une agence web et SEO - en savoir plus sur nous:

Agence web / Audit SEO / Conseil SEO / Création de site internet / Refonte de site internet optimisé pour le SEO / Référencement naturel / Référencement local /Netlinking / Formation SEO / E-Réputation et avis

Voici nos implantations :
Lille / Dunkerque / Amiens – ce sont nos 3 bureaux historiques.

Puis voici nos zones géographiques d’intervention :
Paris / Abbeville / Rouen / Compiègne / Reims / Metz / Caen / Evreux / Nancy / Colmar / Rennes / Le Mans / Orléans / Dijon / Besançon / Angers / Nantes / La Rochelle / Poitiers / Limoges /Clermont-Ferrand / Lyon / Annecy / Grenoble / Valence / Bordeaux / Montauban / Toulouse / Biarritz / Montpellier / Marseille / Cannes / Nice / Avignon / Monaco

SEO INSIDE est une agence web spécialiste en référencement naturel qui se veut proche de vous. Contactez-nous pour discuter de vos projets.