Intelligence artificielle (IA) se présente sous de nombreuses formes, des systèmes de reconnaissance de formes aux IA générative. Cependant, il existe un autre type d’IA qui peut répondre presque instantanément à des données réelles : l’IA incarnée.
Mais qu’est-ce que cette technologie exactement et comment fonctionne-t-elle ?
L’IA incorporée combine généralement des capteurs avec l’apprentissage automatique pour répondre aux données du monde réel. Les exemples incluent les drones autonomes, les voitures autonomes et l’automatisation des usines. Les robots aspirateurs et tondeuses à gazon utilisent une forme simplifiée d’IA incarnée.
Ces systèmes autonomes utilisent l’IA pour apprendre à surmonter les obstacles du monde physique. La plupart des IA incarnées utilisent une carte codée de manière algorithmique qui, à bien des égards, s’apparente à la carte mentale du réseau labyrinthique de routes et de points de repère de Londres utilisé par les chauffeurs de taxi de la ville. En fait, recherche sur la façon dont les chauffeurs de taxi de Londres déterminent un itinéraire a été utilisé pour éclairer le développement de tels systèmes incorporés.
Certains de ces systèmes intègrent également le type d’intelligence de groupe incarnée que l’on trouve dans les essaims d’insectes, les troupeaux d’oiseaux ou les troupeaux d’animaux. Ces groupes synchronisent inconsciemment leurs mouvements. Imiter ce comportement est une stratégie utile pour développer un réseau de drones ou de véhicules d’entrepôt qui sont contrôlé par une IA incarnée.
Histoire de l’IA incarnée
Le développement de l’IA incarnée a commencé dans les années 1950, avec tortue cybernétiquequi a été créé par William Gray Walter du Burden Neurological Institute au Royaume-Uni. Mais il faudrait des décennies pour que l’IA incarnée prenne tout son sens. Alors que l’IA cognitive et générative apprend grands modèles de langagel’IA incarnée apprend de ses expériences dans le monde physique, tout comme les humains réagissent à ce qu’ils voient et entendent.
Cependant, les entrées sensorielles de l’IA incarnée sont très différentes de celles des sens humains. L’IA incorporée peut détecter les rayons X, la lumière ultraviolette et infrarouge, les champs magnétiques ou les données GPS. Les algorithmes de vision par ordinateur peuvent ensuite utiliser ces données sensorielles pour identifier les objets et y répondre.
Construire un modèle mondial
L’élément central d’une IA incarnée est son modèle mondialconçu pour son environnement d’exploitation. Ce modèle mondial est similaire à notre propre compréhension de l’environnement.
Le modèle mondial s’appuie sur différentes approches d’apprentissage. Un exemple est apprentissage par renforcementqui utilise une approche basée sur des politiques pour déterminer un itinéraire – par exemple, avec des règles telles que « toujours faire X lorsque vous rencontrez Y ».
Une autre solution est l’inférence active, qui s’inspire du fonctionnement du cerveau humain. Ces modèles intègrent en permanence les données de l’environnement et mettent à jour le modèle mondial sur la base de ce flux en temps réel – de la même manière que nous réagissons en fonction de ce que nous voyons et entendons. En revanche, certains autres modèles d’IA n’évoluent pas en temps réel.
L’inférence active commence par un niveau de base de compréhension de l’environnement, mais elle peut évoluer rapidement. En tant que tel, tout véhicule autonome reposant sur l’inférence active nécessite une formation approfondie pour être déployé en toute sécurité sur les routes.
L’IA incorporée pourrait également aider les chatbots à offrir une meilleure expérience client en lisant l’état émotionnel d’un client et en adaptant ses réponses en conséquence.
Bien que les systèmes d’IA incorporée en soient encore à leurs débuts, la recherche évolue rapidement. Les améliorations de l’IA générative éclaireront naturellement le développement de l’IA incarnée. L’IA incorporée bénéficiera également d’améliorations de la précision et de la disponibilité des capteurs qu’elle utilise pour déterminer son environnement.
