Durée: 12 mois
Nombre de leçons: 15
Rubrique: Ingénieur IA
L'intelligence artificielle (IA) se divise principalement en deux grandes catégories : IA faible et IA forte. Ces catégories définissent les objectifs et les capacités des systèmes d'intelligence artificielle.
IA faible, également appelée IA étroite, est conçue pour exceller dans une tâche spécifique. Par exemple, Siri d'Apple ou Amazon Alexa sont des exemples d'IA faibles car elles sont programmées pour effectuer des actions précises comme répondre à des questions ou contrôler des appareils. Ces systèmes n'ont pas de conscience ni d'autonomie et ils ne peuvent pas fonctionner en dehors des tâches pour lesquelles ils ont été conçus.
En contraste, IA forte fait référence à une intelligence artificielle qui dispose de capacités cognitives générales, similaire à celle des humains. Ces systèmes seraient capables de raisonner, planifier, apprendre, communiquer en langage naturel et intégrer diverses compétences cognitives pour résoudre une variété de problèmes. À ce jour, l'IA forte reste largement théorique et n'a pas encore été réalisée.
Ensuite, il est important de différencier entre IA symbolique et IA subsymbolique.
IA symbolique repose sur la manipulation de symboles et de règles explicites. Elle utilise des techniques telles que les systèmes d'experts, les algorithmes de recherche, et les formalismes logiques pour résoudre des problèmes. C'est une approche qui nécessite une forte intervention humaine pour établir les règles et les symboles pertinents. Elle est particulièrement utile pour des tâches bien définies comme les jeux d'échecs ou la planification de tâches.
En revanche, IA subsymbolique inclut des techniques comme les réseaux de neurones et l'apprentissage machine qui n'utilisent pas de symboles explicites. Cette approche permet à l'IA d'apprendre à partir de grandes quantités de données et de découvrir des patterns complexes, souvent invisibles à l'œil humain. Les méthodes telles que l'apprentissage profond (deep learning) appartient à cette catégorie.
En résumé, comprendre les différents types d'IA et leurs souscatégories est essentiel pour identifier les applications et les défis associés à chaque approche.