La guerre des machines a-t-elle débuté en formation ?
Qu’ont en commun Bille Gates, Stephen Hawking ou Elon Musk ? Ils ont tous prédit que la machine pouvait amener la fin de l’espèce humaine… Terminator avait-il donc raison ? Faut-il craindre le soulèvement des machines ? L’intelligence artificielle a fait de tels progrès qu’on ne sait pas ce qui pourrait l’arrêter. Et maintenant, en plus, elle apprend toute seule, c’est ce qu’on appelle les apprentissages automatiques ou le learning machine. Comment faire de la formation à des machines ? S’agit-il d’une concurrence à l’apprentissage humain ?
Face à la malé-diction des machines, le mal dit sur les machines, il est possible faire un premier constat sur leur apprentissage. Le learning machine est incontournable. En effet, dans un environnement trop complexe, il est impossible de programmer toutes les situations que la machine pourrait rencontrer. La seule solution alors est de permettre à la machine d’apprendre, d’apprendre de situations nouvelles et de pouvoir ainsi s’adapter, agir au mieux de son objectif. On peut donc parler de pédagogie des machines, comme un mode d’ordonnancement des grains de formation pour atteindre un objectif pédagogique prédéterminé. Le second constat est que l’apprentissage automatique n’est pas une nouveauté, on parle parfois d’apprentissage statistique, qui apparaît dès les années 80 pour connaître aujourd’hui, depuis 2012, une croissance nouvelle avec le deep learning, qui a fait son entrée au Collège de France. Le traitement de l’information est de plus en plus rapide, en suivant ne cela, la loi de Moore. Ce qui a des conséquences sur l’apprentissage des machines. Un robot doté de capacités motrices peut apprendre à marcher seul, en effectuant des mouvements aléatoires puis en sélectionnant les plus efficaces pour avancer. La force du robot tient en sa capacité à tout essayer… rapidement. En 2016, la FANUC a créé un robot où il suffisait de lui donner un ordre simple, comme déplacer un objet sans qu’il soit programmé pour cela, pour qu’il le réalise en apprenant seul,… avec un résultat proche du travail de l’homme à 90 %… en 8 heures… et ce n’est qu’un début.
Il existe plusieurs formes d’apprentissage machine. L’apprentissage peut être supervisé, avec une classification de référence préexistante, ou non supervisée, le système observe et classe ; par renforcement, essais-erreur ; par imitation… autant de pédagogie qu’il faut organiser. Le deep learning, ou apprentissage profond est une méthodologie qui associe de façon non linéaire différentes composantes pour les optimiser par modules successifs. En 2015 il a permis à la machine de battre le champion d’Europe de jeu de go et en 2016 le champion du monde. Et ce n’est qu’un début, si l’on fait de la prospective avec l’apprentissage non supervisé additionné avec les techniques de prédictibilité, la machine pourra se projeter seule, sans supervision préalable, une véritable autonomie au sens étymologique. Et si l’on rajoute le cloud robotics, qui émerge, les machines pourraient apprendre ensemble, l’intelligence collective où chaque robot contribue à l’objectif de tous… l’apprentissage des machines est là, et il faudra faire avec. Alors, que restera-t-il à l’homme ?
On peut crier à la perte de l’humanité, ou peut tout aussi bien applaudir la tentative de l’humain de modéliser l’apprentissage et de permettre ainsi de se comprend lui-même. La question n’a pas changé depuis le XVIIIème siècle avec La Mettrie : si l’apprentissage de l’homme est une mécanique alors l’apprentissage de la machine finira par devenir humain, mais si l’apprentissage de l’homme n’est pas que mécanique avec une poésie de la formation, ce supplément d’âme, alors l’apprentissage machine n’aura jamais rien d’humain. Marc Atallah résume cela en disant qu’au fond, c’est la peur qu’à l’homme de n’être qu’une machine… l’apprentissage des machines est notre miroir pour nous appeler à ce supplément d’âme. Voilà une question au moins que les machines ne se posent pas…au fond un problème bien humain.
Paris, le 18 avril 2016 publié par Focus RH
Comments
No comment yet.