Comprendre le passé, le présent et l'avenir de l'intelligence artificielle dans un seul article

Qu'est-ce que l'intelligence artificielle (IA) exactement ?

Artificial Intelligence, l'abréviation anglaise est AI. Il s'agit d'une nouvelle science technique qui étudie et développe des théories, des méthodes, des technologies et des systèmes d'application pour simuler, étendre et développer l'intelligence humaine.

L'imitation des processus intellectuels humains par des machines, en particulier des systèmes informatiques, est appelée intelligence artificielle. Les systèmes experts, le traitement du langage naturel, la reconnaissance vocale et la vision industrielle sont plusieurs applications typiques de l'intelligence artificielle.

Comment fonctionne l'intelligence artificielle ?

Alors que l’enthousiasme autour de l’IA continue de croître, les entreprises se démènent pour montrer comment leurs produits et services intègrent l’IA. Ce qu’ils appellent intelligence artificielle n’est généralement qu’un composant de l’intelligence artificielle, comme l’apprentissage automatique. L’IA nécessite du matériel et des logiciels spécialisés pour écrire et entraîner des algorithmes d’apprentissage automatique. Il n’existe actuellement aucun langage de programmation synonyme d’IA, mais quelques-uns se démarquent, notamment Python, R et Java.

Les systèmes d'IA consomment généralement de grandes quantités de données d'entraînement étiquetées, évaluent les données pour détecter les corrélations et les modèles, puis utilisent ces modèles pour prédire les états futurs. En apprenant de millions d’instances, un chatbot disposant d’exemples de chat textuel peut apprendre à tenir des conversations réalistes avec des humains. En revanche, les programmes de reconnaissance d’images peuvent apprendre à reconnaître et à décrire des éléments sur des photos.

Apprentissage, raisonnement et autocorrection sont les trois fonctions cognitives sur lesquelles se concentre la programmation de l'intelligence artificielle.

Processus d'apprentissage – Cette composante de la programmation de l'IA implique la collecte de données et l'élaboration de règles pour transformer les données en informations utilisables. Ces règles sont appelées algorithmes et les algorithmes enseignent aux appareils informatiques comment effectuer des tâches spécifiques étape par étape.

Processus d'inférence – Ce domaine de la programmation de l'IA consiste à choisir la meilleure méthode pour obtenir un résultat donné.

Programme d'auto-correction – Cette fonctionnalité de la programmation de l'IA est conçue pour affiner en permanence les algorithmes et garantir qu'ils fournissent les résultats les plus précis.

Comprendre les différents types de classification de l'intelligence artificielle

Étant donné que la recherche sur l'intelligence artificielle vise à amener les ordinateurs à imiter les fonctions humaines, la mesure dans laquelle un système d'intelligence artificielle peut reproduire les compétences humaines est utilisée comme critère de classification de l'intelligence artificielle. Par conséquent, l’intelligence artificielle peut être classée dans l’une des nombreuses catégories en fonction de la façon dont la machine se compare aux humains en termes de diversité et de performances.

Dans de tels systèmes, l'intelligence artificielle qui est capable d'exécuter des fonctions plus humaines et possède un niveau de capacités comparable est considérée comme plus avancée. En revanche, l’IA avec des fonctionnalités et des performances limitées est considérée comme plus simple et moins évoluée.

Sur la base de ce critère, l'intelligence artificielle est généralement divisée en deux catégories. Une classification est basée sur la similitude de l'IA et des robots compatibles avec l'esprit humain, ainsi que sur leur capacité à « penser » et même à « sentir » comme des humains. Selon ce système de classification, il existe quatre catégories d'IA ou de systèmes basés sur l'IA : les machines réactives, les machines à mémoire limitée, la théorie de l'esprit et l'IA consciente d'elle-même. Les

Machines réactivesn'ont pas de mémoire et sont spécifiques à des tâches. Comme Deep Blue, le logiciel d'échecs d'IBM qui a vaincu Garry Kasparov dans les années 1990. Deep Blue peut identifier des pièces sur l'échiquier et faire des prédictions, mais en raison de son manque de mémoire, il ne peut pas utiliser les expériences passées pour influencer les expériences futures.

Mémoire limitée – Parce que ces systèmes d'IA ont de la mémoire, ils peuvent utiliser des expériences antérieures pour guider leurs jugements futurs. C’est ainsi que sont créés certains mécanismes de prise de décision concernant les voitures autonomes.

Théorie de l'esprit est un mot utilisé en psychologie. Appliqué à l’intelligence artificielle, cela signifie que les machines possèdent l’intelligence sociale nécessaire pour comprendre les émotions. Ce type d’intelligence artificielle peut prédire le comportement humain et déduire les intentions humaines, ce qui constitue une capacité essentielle pour que les systèmes d’intelligence artificielle puissent devenir membres à part entière des équipes humaines.

Conscience de soi – Ce type de système d'IA a un sens de soi, ce qui leur donne une conscience. Les machines conscientes d’elles-mêmes connaissent leur situation actuelle. Actuellement, cette forme d’intelligence artificielle n’existe pas.

Cependant, un système de classification alternatif plus couramment utilisé en termes techniques consiste à classer les technologies comme suit : intelligence artificielle étroite (ANI), intelligence générale artificielle (AGI) et super intelligence artificielle (ASI).

Intelligence artificielle au sens étroit (ANI)

Cette forme d'IA englobe toutes les IA existantes, y compris l'IA la plus complexe et la plus performante jamais construite. L’intelligence artificielle étroite signifie qu’un système d’intelligence artificielle ne peut accomplir qu’une seule tâche de manière indépendante tout en faisant preuve de compétences similaires à celles des humains. Ces machines ne peuvent accomplir que ce pour quoi elles ont été conçues, ce qui leur confère une gamme limitée ou étroite de capacités. Selon la classification ci-dessus, ces systèmes impliquent tous les types d’intelligence artificielle réactive et à mémoire limitée. ANI inclut même une intelligence artificielle de pointe, qui utilise l’apprentissage automatique et l’apprentissage profond pour s’entraîner.

Intelligence générale artificielle (AGI)

La capacité d'un agent d'intelligence artificielle à apprendre, percevoir, comprendre et fonctionner exactement comme un être humain est connue sous le nom d'intelligence artificielle générale. En imitant nos capacités multifonctionnelles, les systèmes d’IA auront les mêmes capacités que les humains. Ces systèmes seront capables de créer de manière indépendante un grand nombre de capacités et d'établir des connexions et des généralisations entre les domaines, réduisant ainsi considérablement le temps de formation.

Super Intelligence Artificielle (ASI)

La naissance de la Super Intelligence Artificielle (ASI) marquera sans aucun doute l'apogée de la recherche sur l'intelligence artificielle, car l'ASI deviendra la forme d'intelligence la plus compétitive de la planète. En plus d'imiter l'intelligence humaine, les ASI seront meilleurs dans tout ce qu'ils effectuent grâce à une mémoire considérablement accrue, un traitement et une analyse plus rapides des données et de plus grandes capacités de prise de décision. Les progrès de l’AGI et de l’ASI mèneront à un scénario appelé Singularité. Même s’il est tentant de disposer d’outils aussi puissants, ces appareils peuvent mettre en danger notre existence, ou du moins notre mode de vie.

Quelle est la différence entre le machine learning et le deep learning ?

Machine Learning est un sous-ensemble ou une application de l'intelligence artificielle (IA) qui permet aux systèmes d'apprendre et de se développer à partir de l'expérience sans avoir à être codés à ce niveau. L'apprentissage automatique utilise les données pour apprendre et obtenir les bons résultats. L'apprentissage automatique consiste à créer un logiciel informatique qui lit les données et les utilise pour apprendre de lui-même.

Deep learning est un sous-ensemble de l'apprentissage automatique, comprenant les réseaux de neurones artificiels et les réseaux de neurones récurrents. Il utilise des algorithmes et leurs méthodes pour résoudre tout problème complexe. Les algorithmes sont construits de la même manière que l’apprentissage automatique. Cependant, il existe de nombreuses autres couches d’algorithmes. Le réseau de l’algorithme est appelé réseau de neurones artificiels. En termes plus simples, il simule le mode de fonctionnement du cerveau humain car tous les réseaux neuronaux du cerveau sont connectés. C'est le concept du deep learning.

La relation entre la puissance et le volume de données de l'apprentissage statistique simple, de l'apprentissage automatique traditionnel et des réseaux de neurones avec diverses couches cachées

Le tableau ci-dessous compare l'apprentissage automatique au deep learning :

	Apprentissage automatique	Apprentissage profond
1	Le Machine Learning est un sur-ensemble du Deep Learning	Le Deep Learning est un sous-ensemble du Machine Learning
2	Il existe des données de Machine Learning et du Deep Learning données Grosse différence car il utilise des données structurées.	Le format de données du deep learning est très différent car il utilise des réseaux de neurones (ANN).
3	L'apprentissage automatique est la prochaine étape dans le développement de l'intelligence artificielle	L'apprentissage profond est la prochaine étape dans le développement de l'apprentissage automatique. Essentiellement, cela fait référence à la profondeur de l'apprentissage automatique
4	Des milliers de points de données sont utilisés dans l'apprentissage automatique	Des millions de points de données constituent le big data
5	Sortie : valeur numérique, telle que la classification fractionnaire.	Tout ce qui va des chiffres aux fonctionnalités de forme libre comme le texte et les sons libres est acceptable.
6	Divers algorithmes automatisés sont utilisés pour convertir les entrées en fonctions de modèle et prédire les actions futures.	Pour analyser les caractéristiques et les relations des données, un réseau neuronal est utilisé qui envoie les données via des couches de traitement.
7	Les analystes de données découvrent des algorithmes pour évaluer certaines variables dans un ensemble de données.	Une fois mis en œuvre, les algorithmes se décrivent essentiellement dans l'analyse des données.
8	L'apprentissage automatique est souvent utilisé pour garder une longueur d'avance sur la concurrence et acquérir de nouvelles compétences.	L'apprentissage profond est utilisé pour résoudre des problèmes difficiles d'apprentissage automatique.

https://www.researchgate.net/figure/Relationship-between-the-capabilities-and-amount-of-data-of-simple-statistical-learning_fig1_340134117.

Taille du marché mondial de l'intelligence artificielle

Le marché mondial de l'intelligence artificielle (IA) valait 87,04 milliards de dollars américains en 2021 et devrait atteindre 1 597,1 milliards de dollars américains d'ici 2030, avec un taux de croissance annuel composé de 38,1 % de 2022 à 2030. . La pandémie mondiale de COVID-19 est extraordinaire et alarmante, avec une demande pour cette technologie plus élevée que prévu dans tous les secteurs par rapport aux niveaux pré-pandémiques. On estime que le marché mondial connaîtra une croissance de 150 % en 2022 par rapport à 2019.

​​https://www.php.cn/link/7439aebdba054f0d586d486ef2aff185​​

Facteurs de croissance

L'innovation technologique a toujours été une partie importante de la plupart des industries. Ces dernières années, la popularité croissante de la technologie numérique et d’Internet a grandement favorisé le développement de l’industrie mondiale de l’intelligence artificielle. Les énormes dépenses en R&D des géants de la technologie stimulent constamment le progrès technologique dans diverses industries. La demande croissante de technologie d’IA dans de multiples secteurs d’utilisation finale tels que l’automobile, la santé, la banque et la finance, l’industrie manufacturière, l’alimentation et les boissons, la logistique et la vente au détail est susceptible de stimuler le marché mondial de l’IA dans les années à venir.

La popularité croissante de nombreux dispositifs médicaux et les capacités de conduite autonome des nouveaux véhicules électriques stimulent de manière significative la croissance du marché mondial de l’intelligence artificielle. La tendance mondiale à la numérisation a un impact favorable sur la croissance du marché. Les plus grands géants mondiaux de l'informatique, notamment Google, Microsoft, IBM, Amazon et Apple, intensifient leurs efforts pour promouvoir et développer différentes applications d'intelligence artificielle. Les efforts déployés par les géants de la technologie pour améliorer l’accès à l’intelligence artificielle devraient stimuler la croissance du marché mondial de l’intelligence artificielle au cours de la période de prévision.

Au cours des cinq dernières années, la médecine et les soins de santé ont attiré le plus grand montant d'investissement privé dans l'IA au monde (28,9 milliards de dollars).

Ce qui précède est le contenu détaillé de. pour plus d'informations, suivez d'autres articles connexes sur le site Web de PHP en chinois!