Les problemes ou il y a eu le plus de progres ce sont des problemes ou beaucoup de moyen ont ete mis pour comprendre les mecanismes sous jacent et donc permettre de codifie et donc de faire un algo de comment ces taches se realisent.
Euh, l'alternative, c'est quoi? De la R&D sans moyens? Ça me semble évident (quasiment tautologique) de dire que les domaines qui progressent sont les domaines où les investissements sont les plus gros.
processus de creation artistique par exemple
Non, mais là, c'est hors catégorie. Tu parles de trucs que seulement une infime minorité d'êtres humains sont capables de faire, et même où on ne sait pas vraiment si une «œuvre» a une valeur réelle en dehors de celle que lui donne l'observateur.
En gros, tu es en train de demander à ce qu'une IA comprenne pour nous un problème philosophique et/ou neurologique profond.
Et puis, en plus, ça n'est pas tout à fait vrai. En utilisant les résultats d'un apprentissage de type "deep learning" et en inversant le processus, il est possible de reconstruire des images à partir des réseaux de neurones (https://nerdist.com/why-are-googles-neural-networks-making-these-brain-melting-images/), images qui ont au moins un certain attrait et dénotent d'une créativité. Ce sont clairement des œuvres de l'esprit au sens de la propriété intellectuelle, par exemple.
et la ce sont des domaines ou il y a des moyens gigantesques qui sont mis dedans
Mouais, alors il faudrait comparer avec d'autres choses. Les progrès sur la thérapie du cancer par rapport aux moyens, bof bof, hein... La compréhension du fonctionnement des génomes, un peu pareil. L'ambition de développement d'une IA générique, c'est énorme par rapport aux plus gros programmes de recherche et développement ; s'il faut l'équivalent de plusieurs programmes Appolo, ça ne m'étonnerait pas. Je ne vois rien de disproportionné ; beaucoup d'argent est investi, mais il y a derrière des progrès réels.
Personne n'a dit que c'était facile, mais encore une fois, on arrive progressivement à passer des étapes qu'on pensait impossibles ou très difficiles, et qu'on caractérisait sans aucun doute comme des étapes importantes dans l'élaboration de programmes intelligents.
[^] # Re: Bêtise naturelle
Posté par arnaudus . En réponse au journal "Intelligence artificielle", vraiment?. Évalué à 4.
Euh, l'alternative, c'est quoi? De la R&D sans moyens? Ça me semble évident (quasiment tautologique) de dire que les domaines qui progressent sont les domaines où les investissements sont les plus gros.
Non, mais là, c'est hors catégorie. Tu parles de trucs que seulement une infime minorité d'êtres humains sont capables de faire, et même où on ne sait pas vraiment si une «œuvre» a une valeur réelle en dehors de celle que lui donne l'observateur.
En gros, tu es en train de demander à ce qu'une IA comprenne pour nous un problème philosophique et/ou neurologique profond.
Et puis, en plus, ça n'est pas tout à fait vrai. En utilisant les résultats d'un apprentissage de type "deep learning" et en inversant le processus, il est possible de reconstruire des images à partir des réseaux de neurones (https://nerdist.com/why-are-googles-neural-networks-making-these-brain-melting-images/), images qui ont au moins un certain attrait et dénotent d'une créativité. Ce sont clairement des œuvres de l'esprit au sens de la propriété intellectuelle, par exemple.
Mouais, alors il faudrait comparer avec d'autres choses. Les progrès sur la thérapie du cancer par rapport aux moyens, bof bof, hein... La compréhension du fonctionnement des génomes, un peu pareil. L'ambition de développement d'une IA générique, c'est énorme par rapport aux plus gros programmes de recherche et développement ; s'il faut l'équivalent de plusieurs programmes Appolo, ça ne m'étonnerait pas. Je ne vois rien de disproportionné ; beaucoup d'argent est investi, mais il y a derrière des progrès réels.
Personne n'a dit que c'était facile, mais encore une fois, on arrive progressivement à passer des étapes qu'on pensait impossibles ou très difficiles, et qu'on caractérisait sans aucun doute comme des étapes importantes dans l'élaboration de programmes intelligents.