Éthique et responsabilité de l’IA : développement moderne de l’intelligence artificielle

Name: Éthique et responsabilité de l’IA : développement moderne de l’intelligence artificielle
Author: Briana Brownell

En savoir plus sur le développement de l'intelligence artificielle moderne, y compris les risques potentiels et les conséquences éthiques de l'IA

Preview the first lesson free — get full access to all 7 lessons.

Demander une démo Se connecter

Cours : à la demande

(musique inquiétante) Qu'est-ce que l'intelligence artificielle ? Personne ne semble pouvoir être d'accord. C'est parce qu'il y a un désaccord sur ce que l'intelligence signifie vraiment. Il existe donc en fait plusieurs définitions différentes de l'IA. Nous discuterons des quatre paradigmes distincts de l'IA décrit par Stuart Russell et Peter Norvig dans leur manuel influent "L'intelligence artificielle, une approche moderne". De nombreux désaccords sur ce qui est et ce qui n'est pas l'IA se résume à un désaccord sur quel paradigme nous envisageons. Ces définitions tombent le long d'un quadrant à deux dimensions. La première dimension est d'environ si nous voulons que notre IA soit logique ou intelligent d'une manière abstraite, optimale ou rationnelle, ou si nous voulons qu'il soit intelligent d'une manière humaine. Ceux-ci pourraient être légèrement différents ou très différent selon le scénario. Nous savons que les humains n'agissent pas toujours rationnellement. Donc, pour construire une intelligence artificielle, voulons-nous que l'IA agisse rationnellement, mais pas nécessairement humain, ou voulons-nous qu'il agisse humainement mais pas forcément rationnellement ? La deuxième dimension de notre définition de l'IA est le processus par rapport au résultat. Voulons-nous que le processus de pensée interne soit humain, comme notre cerveau, ou être rationnel ? Ou plutôt, sommes-nous vraiment inquiets du résultat et si l'IA agit de manière logique ou humaine ? Rapprocher ces deux dimensions nous donne quatre paradigmes. Le premier, penser humainement est le mieux décrit que la modélisation cognitive. Ce paradigme vise à tenter de reproduire processus cognitifs humains à l'aide d'ordinateurs. Par exemple, cartographier et simuler des processus cognitifs aussi fidèlement que possible en utilisant ce que nous savons sur l'architecture du cerveau humain. Le second, agissant humainement, est le plus associé au test de tournée, qui tente de déterminer si une machine est capable de penser comme un humain. Ce second modèle cherche à définir l'IA comme un système qui agit de manière humaine quelle que soit sa construction interne. A son extrême, il demande, « Un ordinateur peut-il agir de telle manière qu'il est indiscernable d'un humain ?" Dans le cas de l'épreuve itinérante nous nous concentrons sur la communication entre une IA et un humain. Cette IA peut-elle avoir une conversation avec un humain de telle manière que l'humain ne réalise pas ils parlent à une IA ? Le troisième, pensant rationnellement, remplace la structure interne de la cognition humaine avec un raisonnement abstrait. Ces systèmes de raisonnement peuvent différer de la façon dont les humains pensent et contiennent de nombreux problèmes d'optimisation abstraits qui sont généralement résolus mathématiquement. Ceci est souvent appelé le paradigme des lois de la pensée parce qu'il fournit une manière abstraite de modéliser les processus de pensée, comme la perception et le raisonnement. Enfin, agir rationnellement s'intéresse au développement d'agents rationnels. Il existe de nombreux algorithmes différents qui pourraient être utilisés prendre des décisions intelligentes de manière rationnelle en utilisant différentes méthodes d'optimisation. Ces agents intelligents peuvent ne pas agir ou prendre des décisions d'une manière humaine. La plupart des entreprises utilisent le paradigme des agents rationnels parce qu'il prend la définition la plus large de l'intelligence. Il n'attend pas le fonctionnement interne ni la sortie externe pour être humaine, mais permet plutôt au concepteur de choisir le type d'optimisation et la structure interne pour créer quelque chose d'intelligent. C'est aussi la plus distincte de la modélisation cognitive, le plus loin de penser et raisonner comme le font les humains. Bien que ce modèle soit le plus courant, ce n'est pas le seul qui a sa place dans l'IA moderne. Réseaux de neurones artificiels, initialement issu de l'approche de modélisation cognitive, ont retrouvé leur popularité au cours de la dernière décennie. Il y a beaucoup de travail qui se fait dans ce domaine, surtout pour faire des systèmes de raisonnement qui ressemblent plus à des humains et d'intégrer des systèmes d'IA qui peut accomplir de nombreuses tâches différentes tout comme notre cerveau le peut. C'est, en substance, la différence entre IA étroite ou faible, par opposition à IA générale ou forte. La plupart des systèmes d'IA actuels sont des systèmes d'IA étroits qui effectuent une gamme restreinte de tâches, parfois une seule. Un exemple serait de classer les images dans un ensemble de catégories ou transcrire un discours en texte à partir d'une interview audio. IA générale, parfois appelée intelligence générale artificielle ou AGI, est un système d'IA plus large qui peut effectuer de nombreux types de tâches intelligentes, un peu comme les humains sont capables de le faire. L'éthique et la responsabilité autour de l'IA étroite diffèrent de ceux autour d'AGI. Alors que de plus en plus d'IA apparaissent à divers endroits, les technologues sont de plus en plus intéressés dans la création d'une IA éthique et comprendre la responsabilité en termes de systèmes d'IA.

Intermédiaire Fournisseur : Briana Brownell 7 leçons · 24m en Arabe, Allemand, Anglais, Espagnol, Français, Portugais, Chinese

Description du cours

Ces leçons sur le développement de l'intelligence artificielle moderne couvriront l'histoire et le contexte de l'intelligence artificielle et les aspects et concepts fondamentaux de l'intelligence artificielle, y compris la façon dont l'IA fonctionne en tant que système décisionnel. Nous explorerons également comment l'IA est utilisée dans la vie quotidienne, l'apprentissage automatique en tant que système automatisé qui apprend de l'information et les considérations uniques sur les mégadonnées utilisées dans les systèmes d'IA.

L'humanité est fascinée par la création de l'intelligence artificielle depuis l'Antiquité, et l'intelligence artificielle moderne est devenue un domaine d'intérêt intense en termes de recherche et développement. Avec la croissance de la technologie et les progrès réalisés en informatique, les ordinateurs sont passés de simples calculatrices à des machines sophistiquées. Nous examinerons les systèmes d'IA à partir de quatre paradigmes: la modélisation cognitive, les lois de la pensée, le test de Turing et les agents rationnels. Nous verrons comment les différences entre ces paradigmes influencent sur la façon dont nous construisons et analysons le système d'IA et, en fin de compte, comment cela affecte l'éthique et la responsabilité.

Avec l'augmentation des interactions avec les systèmes d'IA, il y a de plus en plus de problèmes liés à l'éthique et à la responsabilité. Vous en apprendrez davantage sur les questions éthiques et juridiques qui entourent l'IA et le rôle de l'IA dans la société.

Ce que vous allez apprendre

Décrire l'histoire et le contexte de l'intelligence artificielle
Faire la distinction entre les quatre paradigmes de l'IA : la modélisation cognitive, les lois de la pensée, le test de Turing et les agents rationnels
Reconnaître le rôle de l'IA dans les systèmes critiques et les implications de l'IA pour ces systèmes
Expliquer comment l'IA fonctionne en tant que système de décision et comment l'apprentissage automatique (machine learning) apprend à partir de l'information
Examiner les considérations uniques liées à l'utilisation du big data dans les systèmes d'IA
Identifier les questions éthiques et juridiques entourant l'IA et le rôle de l'IA dans la société

Points clés à retenir

L'IA peut être comprise à travers quatre paradigmes : la modélisation cognitive, les lois de la pensée, le test de Turing et les agents rationnels. Les différences entre ces paradigmes ont un impact sur la façon dont les systèmes d'IA sont construits et analysés.
Le choix du paradigme de l'IA a un impact direct sur les questions d'éthique et de responsabilité.
Le machine learning est un système automatisé qui apprend à partir de l'information, et le big data soulève des considérations uniques lorsqu'il est utilisé dans les systèmes d'IA.
Les interactions croissantes avec les systèmes d'IA soulèvent de plus en plus de questions d'éthique et de responsabilité.
Le cours aborde les questions éthiques et juridiques entourant l'IA et le rôle de l'IA dans la société.

Foire aux questions

Quels sujets ce cours couvre-t-il ?

Il couvre l'histoire et le contexte de l'intelligence artificielle, les concepts fondamentaux de l'IA, y compris la façon dont l'IA fonctionne comme système de décision, l'apprentissage automatique (machine learning), les mégadonnées (big data), l'IA dans la vie quotidienne, l'IA dans les systèmes critiques, ainsi que les risques et les problèmes éthiques et juridiques entourant l'IA.

Quels sont les quatre paradigmes de l'IA abordés dans ce cours ?

Le cours aborde les systèmes d'IA selon quatre paradigmes : la modélisation cognitive, les lois de la pensée, le test de Turing et les agents rationnels, et examine comment leurs différences impactent la manière dont les systèmes d'IA sont conçus, analysés et tenus responsables.

Quelles compétences vais-je acquérir grâce à ce cours ?

Le cours couvre des compétences telles que l'inférence IA/ML, les applications de l'intelligence artificielle, les systèmes d'intelligence artificielle, le développement de l'intelligence artificielle et l'intelligence computationnelle.

Ce cours aborde-t-il l'éthique de l'IA ?

Oui. Il explore les questions éthiques et légales entourant l'IA, le rôle de l'IA dans la société, et comment les différences entre les paradigmes de l'IA influencent l'éthique et la responsabilité.

Quelles leçons sont incluses ?

Les leçons sont : Qu'est-ce que l'intelligence artificielle ? ; Les systèmes de décision en tant qu'IA ; L'apprentissage automatique (Machine Learning) ; Le Big Data ; L'IA au quotidien ; L'IA dans les systèmes critiques ; et Les risques et conséquences de l'intelligence artificielle.