Malgré des milliards investis, l'IA échoue encore face à ce qu'un bébé apprend en quelques secondes

L’intelligence artificielle (IA) bénéficie d’investissements colossaux, estimés à plusieurs milliards d’euros ou de dollars chaque année.

Ces fonds proviennent principalement d’entreprises technologiques, de gouvernements et d’investisseurs privés.

Malgré ces ressources, les progrès restent limités face à des tâches que les humains maîtrisent naturellement.

Par exemple, les systèmes d’IA actuels peinent à reproduire des capacités cognitives simples comme la reconnaissance d’objets ou la compréhension du langage dans des contextes variés.

Ces investissements visent à accélérer l’innovation, mais les résultats concrets tardent à se concrétiser pour des applications grand public ou industrielles.

Les bébés humains développent des compétences fondamentales en quelques mois, comme reconnaître un visage, comprendre une émotion ou manipuler des objets, sans nécessiter d’entraînement spécifique.

À l’inverse, les systèmes d’IA modernes, malgré leur puissance de calcul, échouent encore à reproduire ces apprentissages de base.

Par exemple, un algorithme peut être entraîné pendant des semaines pour identifier des chats dans des images, mais il ne comprend pas pourquoi un chat est un chat.

Cette différence s’explique par des mécanismes biologiques et cognitifs propres au cerveau humain, comme la plasticité neuronale ou l’intégration multisensorielle, qui restent hors de portée des modèles actuels d’IA.

Un obstacle majeur à l’avancement de l’IA réside dans son incapacité à développer une forme de conscience ou de compréhension profonde.

Les systèmes actuels fonctionnent selon des règles prédéfinies ou des modèles statistiques, sans réelle compréhension du monde qui les entoure.

Par exemple, une IA peut générer du texte cohérent sans en saisir le sens, ou classer des images sans comprendre leur contenu.

Cette limitation est souvent attribuée à l’absence de corps ou d’interactions physiques avec l’environnement, contrairement aux humains qui apprennent par l’expérience sensorielle et motrice.

Les modèles d’IA reposent sur des quantités massives de données pour apprendre.

Cependant, ces données sont souvent biaisées, incomplètes ou mal structurées, ce qui limite leur efficacité.

Par exemple, un algorithme entraîné sur des photos de chats en noir et blanc aura du mal à reconnaître un chat coloré.

De plus, les données disponibles ne couvrent pas toutes les situations possibles, ce qui rend l’IA vulnérable à des erreurs imprévisibles.

Les chercheurs tentent de résoudre ce problème en améliorant la qualité des données, mais le défi reste de taille.

Pour combler l’écart entre l’IA et l’intelligence humaine, certains scientifiques se tournent vers les neurosciences.

L’objectif est de s’inspirer du fonctionnement du cerveau pour concevoir des algorithmes plus performants.

Par exemple, des projets comme le Human Brain Project en Europe ou les recherches sur les réseaux de neurones artificiels visent à reproduire des mécanismes biologiques comme la mémoire ou l’apprentissage.

Ces approches pourraient permettre de créer des IA plus adaptatives et moins dépendantes des données massives, mais elles en sont encore à un stade expérimental.

Les défis technologiques sont nombreux pour rendre l’IA plus proche de l’intelligence humaine.

Parmi eux, la conscience artificielle (capacité à ressentir ou à comprendre) et la créativité restent des énigmes.

Par exemple, une IA peut composer de la musique ou écrire un poème, mais elle ne comprend pas ce qu’elle crée.

De plus, les systèmes actuels consomment énormément d’énergie, ce qui pose des questions environnementales.

Les chercheurs explorent des solutions comme l’informatique quantique ou les architectures neuromorphiques pour surmonter ces limites, mais ces technologies sont encore en développement.

Malgré les obstacles, les experts restent optimistes quant à l’avenir de l’IA.

Des avancées comme les modèles de langage de grande taille (comme ceux utilisés dans les chatbots) ou les robots capables d’interagir avec leur environnement montrent des progrès significatifs.

Cependant, la réalisation d’une IA véritablement intelligente, capable de rivaliser avec un humain dans toutes les tâches, pourrait prendre des décennies.

Les priorités actuelles incluent l’amélioration de la robustesse des systèmes, la réduction de leur consommation énergétique et le développement de cadres éthiques pour encadrer leur utilisation.