Cet article explore les raisons pour lesquelles l'IA n'a pas encore égalé, et encore moins surpassé, les capacités humaines dans ces domaines, tout en s'appuyant sur des faits concrets pour mettre en lumière cette comparaison humain/machine.
Les mathématiques de haut niveau : une barrière pour l'IA
Les mathématiques, particulièrement à des niveaux avancés, présentent encore des défis importants aux systèmes d'IA. Alors que les ordinateurs excellents dans les calculs simples et répétitifs, ils peinent dès qu'il s'agit de résolution de problèmes qui exigent de la créativité ou un raisonnement abstrait.
Pourquoi l'IA a du mal avec les mathématiques complexes ?
-
Manque de raisonnement abstrait : L'IA fonctionne essentiellement en se basant sur des données passées pour faire des prédictions ou des calculs futurs. Or, les mathématiques avancées ont souvent nécessité de comprendre des concepts abstraits et de les manipuler de manière créative, ce que les algorithmes actuels peinent à accomplir.
-
Les limites de l'apprentissage automatique : Bien que l'IA puisse apprendre à résoudre des équations mathématiques par répétition, elle ne possède pas encore la capacité d'inventer de nouvelles méthodes ou d'adopter des approches inédites comme le font les mathématiciens humains. De plus, les machines ne comprennent pas véritablement les concepts mathématiques qu'elles manipulent, elles ne font que traiter les symboles selon des règles préétablies.
Exemple concret : IA contre humain dans la résolution de problèmes mathématiques
En 2021, OpenAI a créé GPT-3, un modèle de langage naturel sophistiqué, capable de répondre à des questions complexes. Pourtant, lorsqu'il s'agit de résoudre des problèmes mathématiques avancés, GPT-3 a montré des lacunes. Par exemple, bien qu'il puisse résoudre des équations simples, il commet fréquemment des erreurs de logique et de raisonnement lorsqu'il s'agit de mathématiques abstraites ou de problèmes nécessitant une compréhension profonde.
D'un autre côté, des mathématiciens humains sont capables de combiner logique, intuition et créativité pour résoudre les problèmes qui échappent à des systèmes automatisés. Une étude de 2021 a montré que, dans des compétitions de résolution de problèmes mathématiques complexes, les humains surpassaient exclusivement l'IA.
Le raisonnement de bon sens : une limite pour l'IA
Le raisonnement de bon sens implique la capacité de comprendre des situations ordinaires du quotidien, d'en déduire des conclusions logiques et d'anticiper des résultats probables. Il s'agit d'une compétence que les humains acquièrent naturellement au fil du temps et de leurs expériences, mais qui reste un véritable casse-tête pour l'IA.
Pourquoi l'IA peine dans ce domaine ?
-
Manque d'expérience contextuelle : Les humains accumulent des expériences dans des situations variées qui les fournissent à développer un raisonnement de bon sens. L'IA, bien qu'entraînée sur des millions de données, manque souvent du contexte nécessaire pour comprendre le « bon sens » d'une situation.
-
Problèmes de généralisation : Les modèles d'IA appris souvent à partir de données spécifiques et ont du mal à généraliser ces apprentissages à des situations nouvelles ou légèrement différentes. Par exemple, une IA peut savoir que l'eau éteint un feu si elle a vu cela dans ses données d'entraînement, mais elle peut ne pas comprendre que l'eau ne doit pas être utilisée pour éteindre un feu électrique.
Exemple concret : L'IA et la compréhension du bon sens
En 2019, l'équipe d'Allen Institute a mis en place un benchmark appelé CommonsenseQA , destiné à mesurer la capacité d'une IA à comprendre le bon sens. Les résultats ont montré que les systèmes d'IA, bien qu'avancés, échouaient souvent sur des questions simples, là où un enfant de 10 ans pouvait réussir sans effort. Par exemple, lorsqu'une IA devait répondre à une question simple comme : « Que portons-nous quand il fait froid ? », elle pouvait confondre entre des réponses aussi évidentes qu'un manteau et des objets sans rapport.
La planification complexe : un défi non résolu par l'IA
La planification à long terme implique non seulement la prise de décisions dans l'instant, mais aussi la capacité de prévoir les résultats futurs et d'ajuster ses actions en conséquence. Cela nécessite non seulement des calculs, mais aussi une compréhension fine des conséquences possibles d'une action donnée. Les humains sont capables de réaliser des plans détaillés, prenant en compte une multitude de facteurs, alors que l'IA lutte encore dans ce domaine.
Pourquoi la planification est-elle si difficile pour l'IA ?
-
Complexité des scénarios réels : Dans le monde réel, les scénarios sont souvent imprévisibles et sujets à des changements constants. Les algorithmes d'IA, aussi avancés soient-ils, ont encore des difficultés à anticiper ces variables et à ajuster leurs plans en conséquence.
-
Incapacité à gérer l'incertitude : Alors que les humains peuvent s'adapter face à l'incertitude et ajuster leur planification, l'IA repose sur des probabilités métaboliques. Si ces probabilités sont trop faibles ou si trop de facteurs inconnus sont impliqués, les systèmes d'IA peuvent être paralysés ou échouer.
Exemple concret : L'IA et la planification dans les jeux
Dans les jeux de stratégie complexes comme StarCraft II , une IA peut exceller dans la gestion d'actions immédiates mais montrer ses limites dans les plans à long terme. Bien que des systèmes comme AlphaStar aient dépassé certains des meilleurs joueurs du monde, ils manquent encore de la flexibilité et de l'intuition humaine pour modifier des stratégies sur la base de situations imprévues. Dans les compétitions humaines, les joueurs s'adaptent de manière plus dynamique aux évolutions du jeu.
Les espoirs et les limites à venir
Bien que l'IA ait fait des avancées majeures dans certains domaines, elle reste encore loin d'égaler l'humain dans des tâches nécessitant une intuition, une créativité ou une flexibilité face à l'incertitude. Le raisonnement abstrait et de bon sens, les mathématiques complexes et la planification à long terme sont des compétences encore largement humaines.
Conclusion
L'IA a franchi des barrières impressionnantes dans des tâches répétitives et spécifiques, mais elle reste encore en retrait face à l'humain dans des domaines comme les mathématiques avancées, le raisonnement de bon sens et la planification complexe. Les comparaisons entre l'humain et l'IA montrent que, bien que les machines puissent exceller dans des environnements contrôlés, la flexibilité et l'intuition humaines restent inégalées dans des scénarios complexes et non structurés.
Pour mieux comprendre l'IA et ses limites, nous vous invitons à lire nos autres articles qui abordent en profondeur les sujets fascinants autour de la technologie et des données. Explorez ce monde en constante évolution et découvrez les défis à venir.
