Intelligence artificielle étroite (IAE)

L'intelligence artificielle faible (IAF), souvent appelée Weak AI, représente l'état actuel de l'intelligence artificielle. Elle désigne les systèmes d'IA conçus et entraînés pour effectuer une tâche spécifique et limitée, ou un éventail limité de tâches. Contrairement à l'intelligence humaine dépeinte dans la science-fiction, l'IAF fonctionne dans un contexte prédéfini et ne peut pas effectuer de fonctions au-delà de son objectif désigné. Chaque application d'IA utilisée aujourd'hui, des simples assistants virtuels aux outils de diagnostic complexes, est une forme d'IAF. Ces systèmes tirent parti de l'apprentissage automatique (ML) et de l'apprentissage profond (DL) pour exceller dans leurs fonctions spécialisées, dépassant souvent les performances humaines en termes de vitesse et de précision pour cette tâche spécifique.

Caractéristiques principales de l'ANI

La caractéristique déterminante de l'IA faible est sa spécialisation. Une IA entraînée pour jouer aux échecs ne peut pas conduire une voiture, et un chatbot conçu pour le service client ne peut pas composer de musique. Cette spécialisation est le résultat d'un entraînement sur un ensemble de données spécifique et pertinent pour sa fonction. Par exemple, un modèle d'analyse d'images médicales est entraîné exclusivement sur des scans médicaux. Bien qu'il devienne incroyablement compétent pour identifier les anomalies dans ces images, il n'a aucune compréhension d'autres concepts. Les systèmes d'IA faible sont orientés vers un but et fonctionnent selon les contraintes et la programmation fournies par leurs créateurs humains. Ils ne possèdent pas de conscience, de conscience de soi ou de compréhension véritable, qui sont des traits hypothétiques de concepts d'IA plus avancés.

Applications concrètes

L'intelligence artificielle faible est le moteur de la grande majorité des services et produits basés sur l'IA avec lesquels nous interagissons quotidiennement. Ses applications couvrent presque tous les secteurs.

• Assistants virtuels : Les assistants vocaux comme Siri d'Apple et Alexa d'Amazon utilisent le traitement du langage naturel (TLN) pour comprendre et répondre aux commandes des utilisateurs. Ils sont un exemple classique d'ANI, compétents dans des tâches comme la définition de minuteries et la réponse à des questions, mais incapables de raisonnement général.
• Moteurs de Recommandation : Des plateformes comme Netflix et Spotify utilisent l'ANI pour analyser votre historique de visionnage ou d'écoute et suggérer de nouveaux contenus. Leurs algorithmes sont hautement spécialisés dans la modélisation prédictive des préférences des utilisateurs.
• Systèmes autonomes : Les systèmes de perception des véhicules autonomes reposent sur l'IA faible (ANI). Des modèles comme Ultralytics YOLO11 effectuent une détection d'objets en temps réel pour identifier les piétons, les autres véhicules et les panneaux de signalisation, une tâche essentielle mais très spécifique dans le contexte plus large de la conduite. Cette technologie est également essentielle pour l'IA dans la logistique et l'automatisation des entrepôts.
• Filtrage des spams : Les services de messagerie utilisent des classificateurs basés sur l'ANI pour détecter et déplacer automatiquement les courriels non sollicités vers un dossier de spam. Ces systèmes sont entraînés pour reconnaître les modèles et les mots-clés associés au spam, mais n'effectuent aucune autre fonction de gestion des courriels. Il s'agit d'une application puissante de l'IA dans la sécurité des données.

L'IA faible (ANI) dans la vision par ordinateur

L'IA faible (ANI) est la pierre angulaire de la vision par ordinateur (CV) moderne. Les modèles de vision IA sont des exemples typiques d'ANI, entraînés pour interpréter et comprendre les informations visuelles pour des tâches spécifiques avec une grande précision. Par exemple, les modèles Ultralytics YOLO peuvent être entraînés pour :

1. Classification d'images : Attribuer une étiquette à une image entière, par exemple, identifier une espèce d'oiseau à partir d'une photo.
2. Détection d'objets: Localisation et identification de plusieurs objets dans une image, comme la détection de pièces défectueuses sur une chaîne de production dans la fabrication intelligente.
3. Segmentation d'images : Délimiter la forme exacte des objets au niveau du pixel, ce qui est essentiel pour des applications telles que l'imagerie médicale.
4. Estimation de pose : Identifier les points clés du corps d'un humain ou d'un objet pour comprendre sa posture, largement utilisé dans les applications de fitness et la robotique.

Ces puissantes capacités sont gérées et déployées via des plateformes comme Ultralytics HUB, qui simplifie le processus d'entraînement et de déploiement de ces modèles ANI spécialisés.

ANI vs. Autres types d'IA

Il est important de distinguer l'ANI des formes théoriques d'intelligence artificielle.

• Intelligence artificielle générale (IAG) : Également connue sous le nom d'IA forte, l'IAG désigne une machine hypothétique capable de comprendre, d'apprendre et d'appliquer son intelligence pour résoudre n'importe quel problème qu'un humain peut résoudre. L'IAG posséderait des capacités cognitives, une conscience et une conscience de soi. Bien qu'il s'agisse d'un objectif majeur de la recherche en IA, l'IAG n'existe pas encore.
• Intelligence artificielle supérieure (IAS) : Il s'agit d'une autre étape hypothétique de l'IA où une intelligence surpasserait les esprits humains les plus brillants dans pratiquement tous les domaines, y compris la créativité scientifique, la sagesse générale et les compétences sociales. Le concept de singularité technologique est étroitement lié à l'émergence de l'IAS.

Essentiellement, chaque système d'IA actuellement en fonctionnement est une forme d'ANI. Bien que le domaine progresse rapidement, le passage d'une intelligence étroite et spécifique à une tâche à une conscience générale semblable à celle de l'homme reste un défi important et lointain.