Peut-on parler de cr\u00e9ativit\u00e9 pour les algorithmes d’intelligence artificielle ? Qu’est-ce que cela signifie vraiment ?<\/p>\n\n\n\n
On pr\u00eate beaucoup de comp\u00e9tences \u00e0 l\u2019intelligence artificielle : des capacit\u00e9s de calcul \u00e9normes, de grandes pr\u00e9cisions en termes de reconnaissance d\u2019images ou encore le traitement automatis\u00e9 de t\u00e2ches fastidieuses. Pourtant, l\u2019IA a encore des difficult\u00e9s concernant les domaines avec des capacit\u00e9s fondamentalement humaines comprenant de la communication ou de la cr\u00e9ativit\u00e9. Effectivement, la compr\u00e9hension du contexte, du second degr\u00e9 ou encore le fonctionnement dans des environnements nouveaux, sont autant de capacit\u00e9s qui posent probl\u00e8mes \u00e0 l\u2019IA. <\/p>\n\n\n\n
Cependant, dans plusieurs domaines artistiques, des syst\u00e8mes d\u2019IA commencent \u00e0 \u00eatre d\u00e9velopp\u00e9s dans l\u2019objectif de produire automatiquement un r\u00e9sultat artistique qui pourrait parfois rivaliser avec des \u0153uvres de ma\u00eetres. Mais pouvons-nous r\u00e9ellement parler de cr\u00e9ativit\u00e9 lorsqu\u2019une IA ne fait que d\u2019apprendre sur des donn\u00e9es existantes pour imiter un style d\u2019art ?<\/p>\n\n\n\n
En 2016 a \u00e9t\u00e9 pr\u00e9sent\u00e9e une toile, au style de Rembrandt, r\u00e9alis\u00e9e par une IA. Elle a \u00e9t\u00e9 effectu\u00e9e \u00e0 l\u2019aide d\u2019une imprimante 3D afin de rendre les diff\u00e9rentes couches de peinture plus r\u00e9alistes. La base de donn\u00e9es utilis\u00e9e pour faire l\u2019apprentissage de l\u2019algorithme comprenait 300 \u0153uvres de Rembrandt. Le r\u00e9alisme fut tel que les profanes n\u2019ont su distinguer si l’\u0153uvre \u00e9tait une cr\u00e9ation du peintre Rembrandt en personne ou celle d\u2019un syst\u00e8me d\u2019IA1<\/a><\/sup>.<\/p>\n\n\n\n Mais pour autant le portrait \u00e0 la \u201cmani\u00e8re de\u201d n\u2019est pas le fruit de la cr\u00e9ativit\u00e9 du syst\u00e8me d\u2019IA mais celui des ing\u00e9nieurs informatiques ayant constitu\u00e9 la base d’entra\u00eenement de l’algorithme. En effet, ce sont eux qui ont d\u00e9termin\u00e9 le domaine d\u2019emploi du syst\u00e8me d\u2019IA. On pourrait donc en d\u00e9duire que l\u2019IA n\u2019a ici aucune capacit\u00e9 de cr\u00e9ativit\u00e9. L\u2019utilisation de l\u2019apprentissage supervis\u00e9, dans le but de reproduire ou de r\u00e9pliquer un style d\u2019oeuvre, est courant et c\u2019est notamment le cas dans l\u2019industrie de la musique o\u00f9 une musique des Beatles \u201cDaddy’s Car\u201c a \u00e9t\u00e9 compos\u00e9 par une IA de l\u2019entreprise Flowmachine2<\/a><\/sup>.<\/p>\n\n\n\n De la m\u00eame mani\u00e8re, en 1997, l\u2019ordinateur DeepBlue d’IBM a battu Gary Kasparov aux \u00e9checs gr\u00e2ce \u00e0 sa capacit\u00e9 de calculs (bien sup\u00e9rieure \u00e0 celles d\u2019un humain) s\u2019appuyant sur sa base d’entra\u00eenement compos\u00e9e de milliers de parties des meilleurs joueurs du monde. Bien que cela fut un tournant pour l\u2019industrie de l\u2019IA, peut-on dire que le syst\u00e8me d\u2019IBM fut vraiment cr\u00e9atif ? Encore une fois non, car il s\u2019est servi de la connaissance humaine implant\u00e9e dans sa base de donn\u00e9es pour s\u00e9lectionner ses futurs coups. DeepBlue n\u2019a gagn\u00e9 que par simulation et gr\u00e2ce \u00e0 sa capacit\u00e9 d\u2019anticipation en d\u00e9duisant plusieurs coups \u00e0 l\u2019avance3<\/a><\/sup>.<\/p>\n\n\n\n Pour r\u00e9ellement sortir des sentiers battus il faut faire intervenir un nouveau type d\u2019apprentissage, celui par renforcement, qui peut s\u2019apparenter aux m\u00e9thodologies de type essai\/erreur. Les tentatives successives de l\u2019algorithme sont ici plus ou moins r\u00e9compens\u00e9es. Le but est de laisser un algorithme apprendre par lui-m\u00eame, en lui fournissant seulement un environnement r\u00e9alisant les r\u00e8gles d\u2019un jeu et une mani\u00e8re de mesurer sa performance. Ainsi cela peut \u00eatre de voir si l\u2019algorithme a gagn\u00e9 ou perdu, combien de points il a accumul\u00e9, etc. Celui-ci sera alors en capacit\u00e9 de jouer des milliers de parties en renfor\u00e7ant \u00e0 chaque fois les encha\u00eenements de coups gagnants et en diminuant ceux qui ne le conduisent pas \u00e0 la victoire. <\/p>\n\n\n\n Contrairement aux autres techniques d\u2019apprentissages supervis\u00e9s qui l\u2019orientent dans son entra\u00eenement, dans ce cas l\u2019algorithme n\u2019est pas contraint dans son exploration de l\u2019espace de jeu. Il aura ainsi plus de possibilit\u00e9s de mettre au point des strat\u00e9gies nouvelles. Les concepteurs gardent n\u00e9anmoins encore la main sur la mani\u00e8re dont ce renforcement est structur\u00e9. Les choix du syst\u00e8me de r\u00e9compenses\/punitions et les encha\u00eenements des phases d’entra\u00eenement progressives restent g\u00e9n\u00e9ralement \u00e0 la main des concepteurs. <\/p>\n\n\n\n C\u2019est sur ce concept que les chercheurs de DeepMind ont d\u00e9velopp\u00e9 AlphaGo Zero, un algorithme pouvant d\u00e9velopper des strat\u00e9gies sur plusieurs jeux tels que les \u00e9checs ou le jeu de Go. Ainsi, ce syst\u00e8me d\u2019IA a pu s’entra\u00eener contre lui-m\u00eame \u00e0 travers 21 millions de parties de Jeu de Go en seulement deux semaines4<\/a><\/sup>. \u00c0 la suite de son entra\u00eenement, AlphaGo Zero a \u00e9t\u00e9 confront\u00e9 \u00e0 Alpha Go (son pr\u00e9d\u00e9cesseur fonctionnant gr\u00e2ce \u00e0 un apprentissage supervis\u00e9). Sur les 100 parties r\u00e9alis\u00e9es entre ces deux algorithmes, toutes ont \u00e9t\u00e9 remport\u00e9es par AlphaGo Zero. <\/p>\n\n\n\n Il semblerait donc que l\u2019algorithme soit capable de trouver seul dans l\u2019espace des coups possibles de nouvelles strat\u00e9gies jamais envisag\u00e9es par l\u2019Homme auparavant. Sur le jeu des \u00e9checs les sp\u00e9cialistes ont \u00e9t\u00e9 impressionn\u00e9s de voir que l\u2019algorithme a red\u00e9couvert par lui-m\u00eame toutes les ouvertures traditionnelles des \u00e9checs alors m\u00eame qu\u2019il a fallu des si\u00e8cles aux Hommes pour accumuler cette connaissance. <\/p>\n\n\n\n Aujourd\u2019hui, AlphaGo Zero continue de s\u2019am\u00e9liorer en d\u00e9veloppant de nouvelles strat\u00e9gies en s’entra\u00eenant contre elle-m\u00eame. Il ne faut pas n\u00e9anmoins perdre du vue que l\u2019avantage fondamental de tout algorithme est que dans ce contexte il peut r\u00e9aliser des parties en quelques fractions de seconde, alors qu\u2019un humain y passerait des heures. Sa capacit\u00e9 massive de traitement le rend plus performant \u00e0 explorer des nouvelles strat\u00e9gies et n\u2019en garder que les meilleures.<\/p>\n\n\n\n Nous pouvons enfin parler du programme Deep Dream Google con\u00e7u pour g\u00e9n\u00e9rer des images \u00e0 partir d\u2019un r\u00e9seau de neurones convolutif. Le programme utilise des structures de r\u00e9seaux de neurones permettant de rendre explicite ce que le r\u00e9seau de neurones a cru percevoir. En for\u00e7ant \u00e0 faire appara\u00eetre les caract\u00e9ristiques que le r\u00e9seau a per\u00e7u, le syst\u00e8me produit ces images dont l\u2019apparence est un peu hallucinog\u00e8ne5<\/a><\/sup>. Cette technique s\u2019apparente \u00e0 la par\u00e9idolie qui d\u00e9signe la tendance qu\u2019a le cerveau humain \u00e0 fournir une interpr\u00e9tation significative d’un stimulus ambigu, g\u00e9n\u00e9ralement visuel, de sorte qu’une personne voit un objet, un motif ou une signification l\u00e0 o\u00f9 il n’y en a pas. C\u2019est le cas par exemple quand une personne reconna\u00eet des formes dans les nuages.<\/p>\n\n\n\n La compr\u00e9hension humaine reste difficile \u00e0 appr\u00e9hender pour l\u2019IA. Cependant, la cr\u00e9ativit\u00e9 consid\u00e9r\u00e9e comme une comp\u00e9tence typiquement humaine, semble pouvoir \u00eatre reproduite en partie par la machine. D\u2019autres domaines de l\u2019IA pourront apporter des \u00e9volutions aux algorithmes pour leur permettre d\u2019acqu\u00e9rir d\u2019autres comp\u00e9tences humaines : comme le NLP (Natural Language Processing) ou l\u2019intelligence \u00e9motionnelle. Par ailleurs, leurs d\u00e9veloppements pourront encore faire \u00e9voluer le semblant de cr\u00e9ativit\u00e9 de l\u2019IA, \u00e0 l\u2019image des avanc\u00e9es permises par l\u2019apprentissage par renforcement.<\/p>\n\n\n\n Peut-on parler de cr\u00e9ativit\u00e9 pour les algorithmes d’intelligence artificielle ? Qu’est-ce que cela signifie vraiment ? On pr\u00eate beaucoup de comp\u00e9tences \u00e0 l\u2019intelligence artificielle : des capacit\u00e9s de calcul \u00e9normes, de grandes pr\u00e9cisions en termes de reconnaissance d\u2019images ou encore le traitement automatis\u00e9 de t\u00e2ches fastidieuses. Pourtant, l\u2019IA a encore des difficult\u00e9s concernant les domaines […]<\/p>\n","protected":false},"author":8,"featured_media":7058,"comment_status":"closed","ping_status":"closed","sticky":false,"template":"","format":"standard","meta":{"_acf_changed":false,"_seopress_robots_primary_cat":"none","_seopress_titles_title":"","_seopress_titles_desc":"","_seopress_robots_index":"","footnotes":"[{\"content\":\"L\u2019IA est capable de dessiner, de peindre, de copier\u2026aussi d\u2019inventer. Est-elle un artiste comme les autres ? - ActuIA<\/a>\",\"id\":\"661ad62c-8df5-4d09-b697-ff8082cf7c5a\"},{\"content\":\"Daddy's Car, une chanson r\u00e9alis\u00e9e par une IA dans le style des Beatles \u2014 Si\u00e8cle Digital<\/a>\",\"id\":\"82ad0438-3b44-42ab-b699-d2a69e07dc48\"},{\"content\":\"Simple Alpha Zero<\/a>\",\"id\":\"d20b99fb-5d33-4c6a-9d77-df62d8c4de79\"},{\"content\":\"AlphaZero : l'IA de Google DeepMind devient imbattable aux \u00e9checs<\/a>\",\"id\":\"4da35cb9-455e-439a-ad21-7484c518c22e\"},{\"content\":\"Deep Dream Generator<\/a>\",\"id\":\"ff138227-5460-4b11-83d7-2729fcd9b5f6\"}]"},"categories":[142],"tags":[186],"class_list":["post-7054","post","type-post","status-publish","format-standard","has-post-thumbnail","hentry","category-ia-et-societe","tag-semantique"],"acf":[],"_links":{"self":[{"href":"https:\/\/numalis.com\/fr\/wp-json\/wp\/v2\/posts\/7054","targetHints":{"allow":["GET"]}}],"collection":[{"href":"https:\/\/numalis.com\/fr\/wp-json\/wp\/v2\/posts"}],"about":[{"href":"https:\/\/numalis.com\/fr\/wp-json\/wp\/v2\/types\/post"}],"author":[{"embeddable":true,"href":"https:\/\/numalis.com\/fr\/wp-json\/wp\/v2\/users\/8"}],"replies":[{"embeddable":true,"href":"https:\/\/numalis.com\/fr\/wp-json\/wp\/v2\/comments?post=7054"}],"version-history":[{"count":0,"href":"https:\/\/numalis.com\/fr\/wp-json\/wp\/v2\/posts\/7054\/revisions"}],"wp:featuredmedia":[{"embeddable":true,"href":"https:\/\/numalis.com\/fr\/wp-json\/wp\/v2\/media\/7058"}],"wp:attachment":[{"href":"https:\/\/numalis.com\/fr\/wp-json\/wp\/v2\/media?parent=7054"}],"wp:term":[{"taxonomy":"category","embeddable":true,"href":"https:\/\/numalis.com\/fr\/wp-json\/wp\/v2\/categories?post=7054"},{"taxonomy":"post_tag","embeddable":true,"href":"https:\/\/numalis.com\/fr\/wp-json\/wp\/v2\/tags?post=7054"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}L\u2019innovation par l\u2019IA<\/h2>\n\n\n\n
Sources<\/h2>\n\n\n