C'est au congrès de Dartmouth en 1956 que l'expression
intelligence artificielle a été proposée pour désigner le domaine
de recherche qui s'ouvrait alors. Le succès de cette appellation
provient sans doute de ce qu'elle énonce avec une remarquable économie
d'expression une problématique fondamentale : la possibilité de
concevoir une machine intelligente. Cela ne signifie pas pour
autant que tous les chercheurs de ce domaine s'accordent sur ce que
l'on entend par cela. Que signifie en effet construire une machine
intelligente ? On peut envisager essentiellement deux types de
réponses :
une machine sera considérée comme intelligente si elle
reproduit le comportement d'un être humain dans un domaine spécifique
ou non
une machine sera considérée comme intelligente si elle
modélise le fonctionnement d'un être humain.
Pour comprendre en quoi ces deux approches diffèrent, prenons
l'exemple du jeu d'échecs.
Savoir jouer aux échecs est sans aucun doute une de ces capacités
humaines qui requiert de l'intelligence. On ne connaît aucun système
de règles dont l'observation suffirait à l'un des deux camps pour
gagner (ou tout au moins, pour annuler) contre toute défense : ce jeu
n'y aurait probablement pas survécu. Réaliser un programme jouant aux
échecs peut donc constituer un sujet de recherche en intelligence
artificielle. Mais selon que l'on adhère à la première approche de
l'Intelligence Artificielle ou à la seconde, on ne réalisera pas la
même machine :
dans le premier cas, on essaiera avant tout d'obtenir un
programme efficace. Peu importe alors que la machine fasse des
calculs inaccessibles à l'homme, comme explorer quelques centaines
de millions (ou milliards) de positions à la seconde.
dans le second, on essaiera d'abord de comprendre
comment l'homme joue aux échecs. Pour cela, on interviewera des
maîtres, on essaiera de dégager les règles plus ou moins consciemment
suivies par les joueurs : tenter d'occuper le centre, de dominer une
couleur de cases, etc. Le programme réalisé validera (ou non) les
hypothèses qui auront été faites. En France, l'école de Jacques Pitrat
privilégie cette approche.
Les informaticiens adhèrent souvent à la première interprétation de
l'intelligence artificielle. On peut également noter les rapports
entre cette approche et celle de l'école béhavioriste ou
comportementaliste en psychologie pour laquelle seul le
comportement est un sujet d'études scientifique. On désigne parfois
par ingénierie des connaissances cette branche de
l'informatique dont l'objet est de concevoir des machines reproduisant
(et dépassant) les capacités humaines (et surtout celles qui semblent
échapper à toute méthode, à tout algorithme).
Les sciences cognitives par contre (ou plus exactement le
cognitivisme qui en représente le courant principal des années 1960 à
nos jours) se sont constituées en posant comme hypothèse de base la
pertinence de l'analogie entre les couples esprit|cerveau et
logiciel|matériel. Daniel Andler, dans sa préface à
L'introduction aux sciences cognitives [2],
montre très clairement en quoi le paradigme du cognitivisme repose
sur cette analogie.
Daniel Andler décrit ce paradigme en trois propositions :
Le complexe esprit-cerveau est susceptible d'une double
description : matérielle ou physique et
informationnelle ou fonctionnelle. Ces deux niveaux sont
largement indépendants : de même qu'un programme peut être exécuté
sur des machines possédant des architectures différentes, deux
individus peuvent présenter les mêmes fonctionnalités sans pour
autant que leurs architectures neuronales soient identiques. Le
fonctionnalisme est alors la notion centrale qui permet
d'envisager un monisme (il est inutile de postuler l'existence
d'un esprit irréductible à la matière) non réductionniste (les
fonctionnalités ne sont pas identiques à leurs implémentations
matérielles).
Au niveau informationnel, le système cognitif de l'homme est
caractérisé par ses états internes ou mentaux et par les
processus qui conduisent d'un état au suivant. Ces états sont
représentationnels (dotés d'un contenu renvoyant à des entités
externes) c'est-à-dire sémantiquement évaluables.
Les états ou représentations internes sont des formules d'un
langage interne (le mentalais : mot créé par J. Fodor
[6]) proche des langages formels de la logique. Les
processus sont effectifs c'est-à-dire calculables (voir plus
loin).
Il semble qu'actuellement cette dichotomie entre ces deux approches de
l'I.A. devienne de moins en moins pertinente et cela pour deux raisons
:
la force brute de l'ordinateur ne suffit jamais à résoudre les
problèmes les plus compliqués. Il est nécessaire d'y adjoindre des
heuristiques, des méthodes de représentations des connaissances qui
proviennent le plus souvent d'une analyse de la manière dont nous
fonctionnons.
le courant cognitiviste semble un peu marquer le pas. Les
programmes de recherche très ambitieux qu'il s'était fixé dans les
années 1950-60 n'ont pas donné les résultats escomptés. D'autres
paradigmes commencent à voir le jour. Le connectionnisme (réseaux
neuronaux) et les algorithmes adaptatifs (algorithmes génétiques)
intéressent de plus en plus la communauté des sciences cognitives
comme alternative à l'intelligence artificielle classique.
