AGI : comprendre l’intelligence générale
Auteur : Rédaction Domeny.ForSale Publié le
En bref : AGI désigne l’intelligence artificielle générale : un système qui serait capable d’apprendre et de résoudre des problèmes très variés, y compris dans des situations nouvelles pour lui, à un niveau comparable à celui d’un humain. Il n’existe toutefois ni définition universellement acceptée ni test permettant de confirmer qu’un système a atteint ce stade. Un chatbot polyvalent n’est pas automatiquement une AGI, et l’intelligence n’implique pas à elle seule la conscience.
Que signifie l’intelligence artificielle générale ?
Le sigle AGI vient de l’anglais artificial general intelligence. Le mot « générale » décrit l’étendue des capacités : il ne s’agit pas d’exceller dans une seule tâche, mais de pouvoir mobiliser des connaissances et des compétences dans de nombreux domaines. Un tel système devrait aussi savoir résoudre des problèmes pour lesquels aucune procédure détaillée ne lui a été préparée à l’avance.
Le transfert de connaissances joue ici un rôle important : il consiste à appliquer dans un autre contexte ce que le système a appris dans un premier contexte. Une personne qui apprend à utiliser un logiciel de comptabilité peut s’appuyer sur son expérience d’un tableur. On attendrait d’une AGI une souplesse similaire, sur un ensemble de tâches bien plus vaste que la seule utilisation de logiciels.
Les définitions divergent sur le niveau de capacités requis. Certaines mettent l’accent sur l’exécution de la plupart des tâches cognitives au niveau humain ; d’autres privilégient la capacité d’apprentissage, l’autonomie ou l’utilité au travail. Une déclaration comme « nous avons atteint l’AGI » apporte donc peu d’éclaircissements si elle ne précise pas les critères retenus et la manière dont ils ont été vérifiés.
En quoi l’AGI diffère-t-elle des modèles AI actuels ?
L’intelligence artificielle spécialisée est conçue ou entraînée pour un type de tâches précis, comme détecter des objets sur des photos ou recommander des produits. Elle peut surpasser l’humain dans son domaine tout en étant incapable d’accomplir une tâche qui en sort. Un programme d’échecs ne possède pas une intelligence générale simplement parce qu’il bat les meilleurs joueurs.
Les grands modèles de langage, des systèmes qui apprennent les régularités du langage à partir de vastes ensembles de données, sont plus polyvalents. Ils peuvent produire du texte, analyser des informations et aider à programmer. Les modèles multimodaux traitent en outre différents types de données, par exemple des images et du son. Cette diversité d’applications rend difficile une distinction simple entre une AI « dédiée à une seule tâche » et l’AGI.
La polyvalence n’équivaut toutefois pas à une capacité fiable à résoudre de nouveaux problèmes. Un modèle peut bien expliquer un sujet complexe, puis commettre une erreur dans une tâche simple ou produire une information fausse. La fluidité de son expression ne suffit donc pas à évaluer son intelligence générale.
Il ne faut pas non plus confondre l’AGI avec un agent AI. Un agent est un système qui enchaîne des actions pour atteindre un objectif, par exemple en utilisant un moteur de recherche et en exécutant du code. L’accès à des outils et la possibilité d’agir sans demander l’accord de l’utilisateur à chaque étape ne prouvent pas, à eux seuls, l’existence d’une intelligence générale.
Comment vérifier si un système se rapproche de l’AGI ?
Aucune épreuve unique ne permet de trancher cette question. Un benchmark, c’est-à-dire un ensemble de tâches servant à comparer des systèmes, ne mesure que certaines compétences. Un bon résultat peut aussi être difficile à interpréter si des tâches similaires figuraient déjà dans les données d’entraînement du modèle.
Quatre questions aident à évaluer les déclarations concernant l’AGI :
- Les tâches sont-elles réellement nouvelles ? Le système devrait savoir traiter autre chose que des schémas connus et leurs variantes mineures.
- De quelle aide a-t-il besoin ? Les indications fournies, la préparation de l’environnement et les corrections apportées par un humain comptent dans l’évaluation.
- Le résultat est-il reproductible ? Une seule démonstration réussie ne révèle ni le taux d’erreur ni les conditions dans lesquelles le système échoue.
- Sait-il exploiter de nouvelles informations ? Ce qui importe est sa capacité à adapter son fonctionnement à des règles modifiées, et pas seulement à reproduire des réponses apprises.
Imaginez un système chargé de planifier l’approvisionnement d’une petite boulangerie. Il doit comprendre une feuille de calcul des ventes qu’il ne connaît pas, tenir compte des dates de péremption, repérer les données manquantes et modifier le plan après une panne de la chambre froide. Produire un calendrier convaincant ne suffit pas : l’évaluation devrait porter sur l’exactitude des calculs, la réaction aux changements de conditions et la capacité à reconnaître quand il faut demander une décision au propriétaire. Même une réussite dans ce scénario démontrerait certaines compétences, sans suffire à confirmer que le système est une AGI.
L’AGI implique-t-elle la conscience ou la superintelligence ?
L’AGI décrit des capacités, tandis que la conscience concerne notamment l’expérience subjective. Un système pourrait satisfaire aux critères fonctionnels de l’AGI sans que cela prouve qu’il ressent quoi que ce soit. L’affirmation d’un modèle disant « je suis conscient » ne constitue pas davantage une preuve.
La superintelligence est une notion distincte : elle désignerait une intelligence nettement supérieure à celle de l’humain dans un large éventail de domaines. Une AGI ne doit donc pas, par définition, être meilleure que l’humain en tout. Elle n’a pas non plus besoin d’un corps de robot, même si certaines conceptions de l’intelligence soulignent le rôle des interactions avec l’environnement physique.
Comment interpréter les annonces sur l’AGI et prendre des décisions ?
Il n’existe pas de consensus sur la date d’apparition de l’AGI. Les prévisions dépendent à la fois de l’appréciation des progrès techniques et de la définition retenue. La prévision d’un chercheur ou d’une entreprise doit être considérée comme une estimation, et non comme une échéance établie.
Lors d’une nouvelle annonce, consultez la documentation des créateurs pour vérifier leur définition de la réussite, leur méthode de test et les limites décrites. Cherchez ensuite une évaluation indépendante : une déclaration officielle confirme la position de l’entreprise, mais ne permet pas, à elle seule, de déterminer si son système a atteint l’AGI.
Si vous choisissez un outil pour votre travail, commencez par une tâche de test adaptée à vos besoins et fixez le niveau d’erreur acceptable. Pour décider d’un déploiement, l’exactitude, le coût et la possibilité de contrôler les résultats seront plus utiles que l’étiquette « AGI ».
À lire aussi
