Quels peuvent être les dérives de l'Intelligence artificielle?

L'intelligence possède énormement de dérivés, et d'utilisation, cette question a pour but de compléter l'exploitation de L'IA mais de façon moins quotidienne que les exemple de l'exploitation:

• Les systèmes experts : un système expert est un logiciel capable de simuler le comportement d'un expert humain effectuant une tâche précise. Il s'agit là d'un domaine où le succès de l'intelligence artificielle est incontestable et cela est sans doute dû au caractère très ciblé de l'activité que l'on demande de simuler. Le logiciel MYCIN (1974) par exemple est capable de fournir un très bon diagnostic dans la mesure où il est spécialisé dans certains types de leucémies.
• Le calcul formel (opposé au calcul numérique) traite des expressions symboliques. Par exemple, calculer la valeur d'une fonction réelle en un point est du calcul numérique alors que calculer la dérivée d'une fonction numérique est du calcul formel. Les logiciels actuellement proposés sur le marché (MATHEMATICA, MAPLE, ...) sont capables d'effectuer tous les calculs formels (et bien d'autres) exigés il y a peu des étudiants des premières années des cycles scientifiques.
• La représentation des connaissances : si l'on veut qu'un logiciel soit capable de manipuler des connaissances, il faut savoir les représenter symboliquement. C'est là un des secteurs les plus importants de la recherche en intelligence artificielle.
• La simulation du raisonnement humain. Les hommes sont capables de raisonner sur des systèmes incomplets, incertains et même contradictoires. On tente de mettre au point des logiques qui formalisent de tels modes de raisonnement (logiques modales, temporelles, floue, non monotones, etc.).
• Le traitement du langage naturel. Qu'il s'agisse de traduire un texte dans une autre langue ou de le résumer, le problème crucial à résoudre est celui de sa compréhension. On pourra dire qu'un logiciel comprend un texte lorsqu'il pourra le représenter sous une forme indépendante de la langue dans laquelle il est écrit : c'est une tâche très difficile mais, bien que l'on soit très loin des enthousiasmes des premiers temps, des progrès significatifs ont d'ores et déjà été réalisés. On commence à trouver des traducteurs automatiques d'autant meilleurs qu'ils traitent d'un domaine spécialisé et des logiciels documentaires non triviaux.
• La résolution de problèmes : représentation, analyse et résolution de problèmes concrets. Les jeux fournissent une bonne illustration de ce domaine : le champion du monde de Backgammon est un programme depuis quelques années déjà et cela sera vraisemblablement aussi le cas pour le jeu d'échecs dans peu de temps. Le jeu de Go résiste beaucoup plus aux efforts des programmeurs de jeux.
• la reconnaissance de la parole : les progrès sont beaucoup plus lents qu'on ne l'imaginait mais constants. On est encore loin de pouvoir produire un logiciel capable de reconnaître les paroles d'un locuteur quelconque et cela essentiellement parce que la compréhension d'un mot, d'une phrase requiert beaucoup d'informations extra-langagières (le contexte, la connaissance du monde dans lequel nous vivons interviennent de manière fondamentale). Un Dictaphone automatique a malgré tout été proposé dans le commerce en 1994 mais il ne fonctionne que si le locuteur sépare chacun des mots et n'effectue aucune liaison.
• La reconnaissance de l'écriture : même la reconnaissance de l'écriture dactylographiée n'est pas un problème facile (bien qu'on commence à trouver sur le marché des logiciels très performants). L'écriture manuscrite pose des problèmes autrement plus ardus : cela n'est pas étonnant dans la mesure où cette tâche peut nous poser à nous aussi des problèmes insolubles. Certains chercheurs essaient de reconstituer le mouvement de la main à partir du texte qu'elle a écrit afin de comprendre ce qui a été écrit : recherches prometteuses ?
• La reconnaissance des visages : longtemps considéré comme un des problèmes les plus difficiles de l'intelligence artificielle, il semble que l'on obtienne des résultats intéressants en utilisant des réseaux neuronaux.
• la robotique. Il y a déjà longtemps que des robots industriels ont fait leur apparition dans les usines. On appelle robot de la première génération, ceux qui sont capables d'exécuter une série de mouvements préenregistrés. Un robot de la deuxième génération est doté de moyens de perception visuel lui permettant de prendre certaines décisions. Un robot de la troisième génération, objet des recherches actuelles, doit acquérir une plus grande autonomie comme se déplacer dans un environnement inconnu. On est encore loin du robot domestique ou ménager !
• l'apprentissage. On a compris très tôt qu'un logiciel devrait avoir des capacités d'apprentissage autonome pour pouvoir être véritablement qualifié d'intelligent. Douglas Lenat travaille actuellement à la constitution d'une gigantesque base de données censées contenir toute la pragmatique, c'est-à-dire toutes les connaissances souvent implicites partagées par les humains d'un même groupe indispensables à la communication. Il est impensable de saisir manuellement toutes ces informations et Lenat souhaite adjoindre un module d'apprentissage à sa base de données lui permettant de travailler seule, c'est-à-dire de collecter des informations nouvelles dans des textes ou par discussion avec des humains et de réorganiser seule l'architecture de ses connaissances : utopie ? A suivre.
• les réseaux neuronaux. Un réseau de neurones formels est un modèle rudimentaire du cerveau humain, chaque cellule neuronale étant décrite comme une fonction à seuil possédant une sortie et dont les entrées sont reliées à d'autres neurones. Il est pourtant possible d'effectuer des tâches non triviales à l'aide de tels réseaux (la reconnaissance des formes et en particulier des visages en étant l'exemple le plus frappant). Ces réseaux partagent plusieurs propriétés importantes avec le cerveau humain : répartition de l'information sur l'ensemble du réseau (où se trouve la mémoire dans le cerveau ?), programmation non explicite (nous ne savons pas non plus ce que nous savons), etc. Le connectionnisme, théorie cognitive dans laquelle les explications sont recherchées au niveau neuronal, peut-elle prendre le pas sur le cognitivisme ?
• les systèmes complexes adaptatifs : on regroupe sous ce vocable les algorithmes génétiques et les modèles de vie artificielle. Il s'agit là, énoncé de manière abusivement succincte, d'étudier comment des populations soumises à des lois simples et naturelles convergent naturellement vers des formes organisées.