L’intelligence artificielle (IA) signifie simplement l’intelligence dans les machines, contrairement à l’intelligence naturelle trouvée chez les humains et d’autres organismes naturels. L’intelligence artificielle a gagné son nom et est devenue un domaine de recherche formel en 1956, et les premiers travaux ont conduit à de nouveaux outils pour résoudre des problèmes mathématiques. Cependant, les chercheurs ont découvert que la création d’une IA est incroyablement difficile et les progrès ont ralenti dans les années 1970. Plus récemment, l’augmentation de la puissance de calcul et la disponibilité d’ensembles de données massifs ont jeté les bases des avancées de l’IA.
En particulier, les scientifiques ont fait des pas de géant dans une application particulière de l’IA, apprentissage automatique. L’apprentissage automatique implique des systèmes qui apprennent automatiquement à partir des données qu’ils analysent et des résultats qu’ils obtiennent pour améliorer leur capacité à travailler avec ces données à l’avenir. Par exemple, l’apprentissage automatique alimente des applications qui estiment la durée d’un trajet, puis fournissent des conseils sur l’itinéraire. Des applications telles que Google Maps utilisent l’apprentissage automatique pour analyser les conditions de circulation changeantes et intégrer les données signalées par les utilisateurs pour réduire les temps de trajet et suggérer des itinéraires économes en carburant. L’apprentissage automatique est le meilleur pour ces types de tâches spécifiques et bien définies qui peuvent être décomposées en étapes logiques.
Des superordinateurs comme l’Aurora du Département de l’énergie de l’Argonne Leadership Computing Facility contribueront à rendre l’intelligence artificielle de plus en plus puissante. Crédit : Image reproduite avec l’aimable autorisation d’Argonne Leadership Computing Facility
Le prochain niveau d’application de l’IA est connu sous le nom d’apprentissage en profondeur. L’apprentissage en profondeur implique des tâches complexes avec de nombreuses variables difficiles à cerner. Il utilise des réseaux de neurones, qui cherchent à construire des ordinateurs fonctionnant comme notre cerveau. L’apprentissage en profondeur exploite de nombreux réseaux de neurones empilés les uns sur les autres pour créer un réseau de neurones vaste et complexe. L’apprentissage en profondeur demande beaucoup de puissance de calcul à la fois pour former le modèle à partir de grandes quantités de données et pour utiliser les modèles formés pour prendre des décisions. Les assistants numériques comme Amazon Alexa, Apple Siri et Google Assistant en sont un exemple. L’apprentissage en profondeur est ce qui permet à ces assistants de vous écouter et de déterminer les informations que vous souhaitez ou la tâche que vous devez effectuer.
Faits sur l’intelligence artificielle
L’une des façons dont nous pouvons comprendre les progrès de l’IA est sa performance dans les jeux.
Bureau des sciences du DOE : Contributions à l’intelligence artificielle
Le programme Advanced Scientific Computing Research (ASCR) du Department of Energy Office of Science (DOE SC) travaille sur l’IA depuis les années 1960. ASCR a développé plusieurs technologies, y compris des systèmes d’entrée/sortie massivement parallèles et des routines d’algèbre linéaire, qui ont conduit aux systèmes d’IA d’aujourd’hui. Plus récemment, le rôle d’ASCR dans le calcul haute performance et le calcul exascale aidera à créer le matériel et les logiciels nécessaires pour alimenter les futures générations d’IA. Le programme ASCR fournit également un soutien à d’autres programmes du DOE SC qui utilisent l’IA pour atteindre leurs objectifs. Par exemple, le programme DOE SC Fusion Energy Science déploie l’IA pour aider à contrôler les réactions de fusion dans le but de faire de la production d’énergie de fusion une réalité commerciale.
