expe rts, ces log ic ie ls capables de manipule r des règles introduites par les
progra mme urs et ex pl o itées à l'a ide de
mote urs d ' in fé re nce, re produi sant le
ra isonne ment hum ain.
Tangente : Où en est aujourd ' hui
l'intelligence artificielle ?
« Dans u11 premier temps limitée par
la complexité des algorithmes, comparée aux capacités des microprocesseurs, l'IA bénéficie aujourd'hui des
progrès des capacités de mémoire des
ordinateurs et des recherches mathématiques. Elle est à la base de technologies modern es telles que les moteurs
de recherche de type Google, mais
un obstacle subsistait : l 'approche de
la cogn ition est symbo liq ue ; or la
connexion à la réalité est une difficulté
importante que l'on retrouve quand il
s 'agit de programmer des robots réels.
Des tâches élémentaires pour les humains devien nent d'énormes gageures.
On s' est alors retourn és vers une vieille
idée, déjà évoquée par Tu ring : fa ire
apprendre comme un enfa nt. La notion
d'a uto-apprentissage, à laquelle on
revient dep uis une di~aine d'années,
allait donner une seconde vie à l '/A. »
Et les mathématiques dans tout
cela?
« Elles sont fo ndamentales. Certains
outils ne sont pas très exotiques :
l'apprentissage automatique est un
doma ine de recherche à l 'intersection de l 'IA, de l'inférence statistique
et de l'optimisation. Les algorithmes,
briques élémentaires de I 'a rchitecture, proviennent de diverses sources :
pour comprendre le vivant, Turing
avait déjà imaginé les automates cellulaires ; pour simuler le f onctionnement
du cerveau, les réseaux de neurones
per111e1ten t une approche reconstituant
CHANGER LE MONDE
la façon dont il traite l'information.
Pour les systèmes complexes, comme
ceux de la physique statistique, on utilise des équations différentielles couplées, en particulier pour créer des
boucles de rétroaction, qui permettent
au système de s'autoorganiser de la
bonne manière. Tous ces outils sont exploités pour modéliser l'apprentissage
des robots. Et dans notre proj et, la curiosité est simulée à l 'a ide de modèles
encore au stade de la recherche. C 'est
ce qui nous a rapprochés de Misha
Gromov [NDLR : le mathé matic ie n
Mikhaïl G ro mov est e n poste à l' In stitut des hautes études sc ie ntifiques]. Il
a lu un de nos articles sur la curiosité
artificielle, consacré à la modélisation
du plaisir engendré par la croissance
des connaissances : la problématique
des modèles informatiques fa isant la
différence entre les moti vations intrin -
sèques et extrinsèques était également
au cœur de ses travaux sur les ergosystèmes ! »
De la « curiosité artificielle » ? Voilà qui éveille la nôtre ! Pierre-Yves
Oudeyer explique qu'elle est constituée de trois modules.
• Le pre mie r module réa li se un appre ntissage stati stique class ique, qui
cons iste po ur le robot à construire un
modè le prédic tif du résultat de ses
actes, e t à pou voir compare r, po ur
chaque ac ti o n, sa prédicti o n avec la
réa lité.
• Le de uxiè me module, au-dess us, est
un systè me de méta- prédicti o n. Les
prédicti o ns de premie r ni veau sont
soumi ses à une évaluation qui va servir à mesure r l' inté rêt de c haque situati o n ex plorée par le robot. Plus cette
mesure sera é levée, plus la curi os ité
du robot sera é ve illée et l'inc itera à
po ursui vre son apprenti ssage. Si la
Hors-série n°52. Mathématiques & informatique Tcin9ente
progra mme urs et ex pl o itées à l'a ide de
mote urs d ' in fé re nce, re produi sant le
ra isonne ment hum ain.
Tangente : Où en est aujourd ' hui
l'intelligence artificielle ?
« Dans u11 premier temps limitée par
la complexité des algorithmes, comparée aux capacités des microprocesseurs, l'IA bénéficie aujourd'hui des
progrès des capacités de mémoire des
ordinateurs et des recherches mathématiques. Elle est à la base de technologies modern es telles que les moteurs
de recherche de type Google, mais
un obstacle subsistait : l 'approche de
la cogn ition est symbo liq ue ; or la
connexion à la réalité est une difficulté
importante que l'on retrouve quand il
s 'agit de programmer des robots réels.
Des tâches élémentaires pour les humains devien nent d'énormes gageures.
On s' est alors retourn és vers une vieille
idée, déjà évoquée par Tu ring : fa ire
apprendre comme un enfa nt. La notion
d'a uto-apprentissage, à laquelle on
revient dep uis une di~aine d'années,
allait donner une seconde vie à l '/A. »
Et les mathématiques dans tout
cela?
« Elles sont fo ndamentales. Certains
outils ne sont pas très exotiques :
l'apprentissage automatique est un
doma ine de recherche à l 'intersection de l 'IA, de l'inférence statistique
et de l'optimisation. Les algorithmes,
briques élémentaires de I 'a rchitecture, proviennent de diverses sources :
pour comprendre le vivant, Turing
avait déjà imaginé les automates cellulaires ; pour simuler le f onctionnement
du cerveau, les réseaux de neurones
per111e1ten t une approche reconstituant
CHANGER LE MONDE
la façon dont il traite l'information.
Pour les systèmes complexes, comme
ceux de la physique statistique, on utilise des équations différentielles couplées, en particulier pour créer des
boucles de rétroaction, qui permettent
au système de s'autoorganiser de la
bonne manière. Tous ces outils sont exploités pour modéliser l'apprentissage
des robots. Et dans notre proj et, la curiosité est simulée à l 'a ide de modèles
encore au stade de la recherche. C 'est
ce qui nous a rapprochés de Misha
Gromov [NDLR : le mathé matic ie n
Mikhaïl G ro mov est e n poste à l' In stitut des hautes études sc ie ntifiques]. Il
a lu un de nos articles sur la curiosité
artificielle, consacré à la modélisation
du plaisir engendré par la croissance
des connaissances : la problématique
des modèles informatiques fa isant la
différence entre les moti vations intrin -
sèques et extrinsèques était également
au cœur de ses travaux sur les ergosystèmes ! »
De la « curiosité artificielle » ? Voilà qui éveille la nôtre ! Pierre-Yves
Oudeyer explique qu'elle est constituée de trois modules.
• Le pre mie r module réa li se un appre ntissage stati stique class ique, qui
cons iste po ur le robot à construire un
modè le prédic tif du résultat de ses
actes, e t à pou voir compare r, po ur
chaque ac ti o n, sa prédicti o n avec la
réa lité.
• Le de uxiè me module, au-dess us, est
un systè me de méta- prédicti o n. Les
prédicti o ns de premie r ni veau sont
soumi ses à une évaluation qui va servir à mesure r l' inté rêt de c haque situati o n ex plorée par le robot. Plus cette
mesure sera é levée, plus la curi os ité
du robot sera é ve illée et l'inc itera à
po ursui vre son apprenti ssage. Si la
Hors-série n°52. Mathématiques & informatique Tcin9ente