|
Édition du: 03/02/2025 |
|
INDEX |
LOGIQUE et IA |
|||
Faites un double-clic pour un retour en haut de page
|
IA – Modèles en2025 Deux grands
domaines d'IA IA faible: Intelligence Artificielle
Générative ou Artificial General Intelligence (AGI) IA forte: Super Intelligence
Artificielle ou Artificial Super Intelligence (ASI) |
||
|
|
Sommaire de cette page >>> Les deux types d'IA théoriques: faible et
forte >>> Modèles d'Intelligences
Artificielles en 2025 >>> IA Socratique (Super AI) >>> Les quatre types d'IA en développement |
Débutants Glossaire |
|
IA faible L’IA faible, également appelée IA étroite (narrow
AI), se concentre sur des tâches spécifiques et limitées. Elle n’aspire pas à
imiter ou reproduire l’intelligence humaine dans son ensemble. Les systèmes d’IA faible s’appuient sur des
algorithmes et des modèles d’apprentissage supervisé ou non supervisé pour
exécuter des tâches précises, comme la reconnaissance d’images, l’analyse de
données ou le traitement du langage naturel. Elle ne possède pas de conscience ni de
compréhension globale. L’IA générative est un excellent exemple de ce
que l’IA faible peut accomplir. Elle utilise des algorithmes avancés,
notamment les réseaux de neurones, pour produire des résultats qui imitent la
créativité humaine. Parmi les exemples les plus connus, on trouve:
L’IA faible pilote des outils comme :
|
IA forte L’IA forte (strong AI) désigne une forme d’intelligence
artificielle théorique, capable de reproduire toutes les capacités cognitives
humaines. Contrairement à l’IA faible, spécialisée et
limitée à des tâches spécifiques, une IA forte pourrait comprendre,
apprendre, et résoudre des problèmes dans des contextes variés. Elle agirait
de manière autonome et flexible, sans dépendre de programmations. Une IA forte pourrait développer des
caractéristiques jusqu’à présent réservées aux humains :
|
|
Suite en: IA
faible vs IA forte, quelles sont les différences – iA School
Tentative de représentation à partir
des annonces de la presse en début 2025
Voir Brève
59-1179 / Modèles à raisonnements
|
Le terme socratique renvoie à l’approche de Socrate
consistant à découvrir ou affiner des connaissances à travers un dialogue
ponctué de questions et d’interactions langagières répétées, mais sans aller
recueillir des observations dans le monde réel. |
Selon
l’auteur (Tom Schaul – Google DeepMind), ce système idéal permettrait
d’atteindre des connaissances nouvelles et, pour le moment, inaccessibles, et
d’envisager de résoudre de grands problèmes théoriques jusque-là irrésolus.
Il cite par exemple la démonstration de l’hypothèse
de Riemann, en mathématiques, ou, pourquoi pas, l’unification des
théories de la mécanique quantique et de la relativité générale, en
physique. |
|
IA à compréhension verbale Les modèles d'IA générative, en particulier ceux
avancés, fonctionnent exceptionnellement bien dans la compréhension et la
génération du langage humain. Ces IA son entrainées à partir de vaste quantités
de données. Ils peuvent souvent égaler ou dépasser les
performances humaines dans des tâches telles que la génération et la
compréhension de texte. Elles sont capables de réponde à des questions,
résumer des textes, et même créer des textes. |
IA à mémoire de travail Ces modèles excellent en plus dans les tâches qui
nécessitent le stockage, la récupération et la manipulation d'informations. Outre la manipulation rapide de grandes quantités
d'informations, ces IA conservent le contexte des propos même sur de longues
et multiples interventions Certains modèles ont démontré des performances
égales ou supérieures à celle de la population humaine. |
|
|
IA à raisonnement perceptuel Il s’agit d’un domaine dans lequel, actuellement,
les modèles d’IA générative ont tendance à rencontrer des difficultés. Ces IA savent interpréter et tenir un
raisonnement à partir de données visuelles, musicales, artistiques. Leur capacité est encore nettement en dessous des
performances humaines. |
IA à réaction émotive et sociale Ce sont des IA capables de développer des
réponses empathiques et engager des conversations qui semblent naturelles. Cependant, leur compréhension des émotions repose
sur des modèles présents dans les bases de données plutôt que sur de
véritables expériences émotionnelles. De ce fait, leur intelligence sociale et
émotionnelle est encore en développement et n’est pas équivalente à
l’intelligence humaine. |
|
Note: D'autres classifications existent –
Standard non stabilisé
Haut de page (ou
double-clic)
|
Retour |
||
|
Suite |
||
|
Voir |
|
|
|
Site |
|
|
|
Cette page |
||