Module 1 - Aux origines : l’intelligence artificielle symbolique

Avant les réseaux de neurones et avant ChatGPT, l’IA a d’abord cherché à fabriquer une machine qui pense en manipulant des symboles et des règles, comme le ferait un logicien ou un joueur d’échecs méthodique. On appelle aujourd’hui cette approche l’IA symbolique, ou GOFAI (pour Good Old-Fashioned AI, la « bonne vieille IA »). Pendant près de quarante ans, elle a dominé le domaine et obtenu des succès importants, puis elle a rencontré des limites qui l’ont fait paraître démodée.

Ce module présente cette histoire en six chapitres. Chacun associe un moment historique à une idée technique. Le but n’est pas de vous rendre capable de programmer ces systèmes, mais de comprendre l’idée sur laquelle ils reposent et les difficultés qu’ils ont rencontrées. En comprenant pourquoi cette première IA a atteint ses limites, on comprend mieux pourquoi la suite (les modules 2, 3 et 4) est si différente.

Dans l’ensemble du domaine de l’intelligence artificielle, l’IA symbolique correspond à l’IA « classique », qui se distingue de l’apprentissage automatique que le cours étudiera ensuite.

Une idée traverse tout le module. Dès les années 1950, deux grandes hypothèses rivales sur la nature de l’intelligence apparaissent presque en même temps. L’une considère l’esprit comme de la logique (manipuler des symboles, appliquer des règles). L’autre le considère comme un cerveau (un réseau qui apprend de ses expériences). Le Module 1 présente cette opposition, et le Module 3 montrera comment elle a évolué.

Le parcours du module

Le module suit l’ordre chronologique. Chaque chapitre présente une idée, puis la limite qui mène au chapitre suivant.

1. Turing et la question fondatrice (1950) : une machine peut-elle penser, le jeu de l’imitation, et la pensée vue comme un calcul.
2. Deux paris rivaux (1956-1958) : la naissance de l’IA à Dartmouth, l’esprit comme logique et l’esprit comme cerveau.
3. L’âge d’or symbolique : chercher et raisonner : résoudre un problème en explorant un espace d’états, l’explosion combinatoire, Deep Blue et ELIZA.
4. Représenter le monde : donner un savoir à la machine, SHRDLU et son micro-monde, le problème du sens commun.
5. Capturer l’expertise : les systèmes experts : les règles si… alors…, le moteur d’inférence, MYCIN, et le goulot d’étranglement de la connaissance.
6. Les hivers et la bascule : les deux périodes de recul de l’IA, ce qui reste du GOFAI aujourd’hui, et le passage à l’apprentissage.

Le travail noté 1 clôt le module.

Objectifs

À la fin de ce module, vous devriez être en mesure de :

• Expliquer ce qu’est l’IA symbolique et en quoi elle se distingue de l’apprentissage automatique étudié dans les modules 2 à 4;
• Situer les grandes étapes et les figures marquantes de l’histoire de l’IA, du test de Turing (1950) aux systèmes experts et aux « hivers » de l’IA;
• Décrire les idées algorithmiques centrales du GOFAI (recherche dans un espace d’états, règles, représentation des connaissances) à un niveau intuitif;
• Distinguer les deux hypothèses rivales sur la nature de l’intelligence, l’approche symbolique et l’approche connexionniste, et situer chacune dans l’histoire du domaine;
• Comprendre pourquoi cette approche a fini par atteindre ses limites (problème du sens commun, goulot d’étranglement de la connaissance), ce qui a ouvert la voie à l’apprentissage automatique;
• Reconnaître ce qui reste de l’IA symbolique dans l’informatique d’aujourd’hui (recherche de chemins, moteurs de règles, représentation des connaissances).

Durée

Deux semaines, travail noté compris, soit environ 18 heures.

Évaluation

Le travail noté 1, qui compte pour 15 % de l’évaluation finale, vous fait jouer le rôle d’un système expert. À partir d’une base de règles si… alors…, vous suivez le raisonnement de la machine sur des cas concrets, vous trouvez un cas qu’elle ne sait pas traiter, puis vous ajoutez une règle pour combler ce manque. Ce travail vous permet de constater par vous-même les forces et la fragilité de l’IA symbolique.