Pour que l'IA soit plus performante, il faudrait l'entraîner à penser comme un humain

Les intelligences artificielles (IA) actuelles, comme les modèles de langage, excellent dans des tâches précises comme répondre à des questions ou générer du texte. Cependant, elles restent limitées dans leur capacité à comprendre des situations complexes ou à s’adapter à des contextes imprévus. Leur fonctionnement repose sur des algorithmes qui analysent d’énormes quantités de données pour identifier des motifs (patterns), mais elles ne disposent pas de la capacité humaine à raisonner de manière flexible ou à intégrer des nuances contextuelles. Par exemple, une IA peut rédiger un article technique, mais elle aura du mal à expliquer pourquoi une décision est moralement acceptable dans une situation donnée. Ces limites s’expliquent par leur entraînement, qui se concentre sur des données structurées et des réponses prédéfinies, sans reproduire la manière dont le cerveau humain traite l’information de façon intuitive et créative.

Pour améliorer les performances des IA, des chercheurs proposent de les entraîner à imiter certains mécanismes de la pensée humaine. Cela inclut la capacité à généraliser des connaissances, à faire des inférences logiques ou à gérer l’incertitude. Par exemple, un humain peut déduire qu’il pleut en voyant des nuages noirs, même s’il n’a jamais appris cette association de manière explicite. Les IA actuelles, en revanche, ont besoin de millions d’exemples pour arriver à une conclusion similaire. L’idée est donc de leur apprendre à développer une forme de raisonnement abductif (tirer des conclusions plausibles à partir d’informations incomplètes) ou à intégrer des biais cognitifs utiles, comme la capacité à prioriser certaines informations en fonction du contexte. Cette approche pourrait rendre les IA plus robustes face à des situations inédites ou ambiguës.

Intégrer une pensée humaine dans les IA représente un défi majeur pour plusieurs raisons. D’abord, la pensée humaine repose sur des processus biologiques et psychologiques encore mal compris, comme la mémoire épisodique (le souvenir d’expériences personnelles) ou l’intuition. Ensuite, les IA actuelles fonctionnent sur des architectures mathématiques (comme les réseaux de neurones artificiels), qui ne sont pas conçues pour reproduire la complexité du cerveau. Enfin, entraîner une IA à penser comme un humain nécessiterait des données massives et variées, incluant non seulement des faits, mais aussi des émotions, des valeurs et des expériences subjectives. Par exemple, une IA devrait comprendre qu’un sourire peut exprimer la joie ou la gêne, selon le contexte, ce qui est difficile à coder de manière algorithmique.

Des expériences récentes illustrent cette approche. Par exemple, des chercheurs ont entraîné une IA à résoudre des énigmes en lui fournissant non seulement des solutions, mais aussi des explications sur le raisonnement humain derrière ces solutions. Une autre étude a montré qu’une IA pouvait mieux prédire les comportements humains dans des jeux de société après avoir été exposée à des scénarios impliquant des interactions sociales. Ces tests suggèrent que les IA pourraient devenir plus performantes dans des domaines comme la médecine, où la prise de décision doit intégrer des facteurs humains (comme l’empathie ou les préférences du patient), ou dans la gestion de crises, où la réactivité et l’adaptation sont cruciales. Cependant, ces avancées restent expérimentales et nécessitent encore des années de recherche.