Intelligence artificielle, ou de la relation trouble entre la Silicon Valley et les universités

Rappelons ici que ce que nous connaissons aujourd’hui sous l’appellation deep learning est le fruit d’un phénomène d’auto-accroissement et d’une technologie qui date de 1958. À cet égard, en juillet de ladite année, le New York Times publiait une nouvelle à propos d’un dispositif expérimental, une thinking machine nommée Perceptron. Un jeune chercheur de l’Université Cornell, Frank Rosenblatt (1921-1971), annonçait alors que cette machine, calquée sur le fonctionnement d’un réseau simple de neurones (paradigme connexionniste), serait un jour en mesure de lire et d’écrire, voire de penser comme un être humain.

En 1969, suite à la parution d’un livre[1] dévastateur publié par deux chercheurs concurrents en intelligence artificielle du MIT — Marvin Minsky (1927-2016) et Seymour Papert (1928-2016) —, il est démontré qu’il est impossible pour un réseau de neurones artificiel de parvenir à réaliser des tâches complexes. Les conséquences de cette publication ne se feront pas attendre et la majorité des fonds de recherche destinés à cette recherche fondamentale fondront comme neige au soleil. Il faut bien voir ici l’ironie du sort, alors que les travaux de Minsky et Papert en intelligence artificielle ne déboucheront jamais sur des applications majeures, alors que ceux de Rosenblatt, repris dans les années 1980 par des chercheurs comme Georges Hinton, Yann LeCun et Yoshua Bengio, feront l’objet de la plus grande attention.

En fait, il faut voir comment la recherche sur les réseaux de neurones artificiels, depuis le début des années 2000, était sous financée, pour mesurer l’ampleur du phénomène qui s’est imposé dès 2006. En fait, c’est le chercheur canadien Georges Hinton de l’Université de Toronto qui, malgré le tarissement du financement dans ce secteur de la recherche, a, en quelque sorte, gardé le fort pendant toutes ces années.

En 2006, avec deux autres collègues, Hinton fait une percée majeure[2] et révolutionne le domaine des réseaux de neurones artificiels (neural networks) qui avaient jusque-là très mauvaise presse dans le monde de la recherche académique. Battant à plates coutures tous les systèmes déjà existants de reconnaissance vocale, de reconnaissance faciale, de catégorisation d’images, de génération vocale et de traduction automatique, l’expression neural networks sera rapidement abandonnée au profit de l’expression deep learning. Rien de mieux que de revamper un terme négativement connoté pour relancer la marque !

En l’espace d’à peine un an, les Google, Microsoft et Amazon de ce monde lâcheront dans la nature leurs chasseurs de têtes et débaucheront de leurs emplois universitaires les rares chercheurs en intelligence artificielle. Concrètement, il faut voir cet engouement comme une nouvelle ruée vers l’or, car l’entreprise qui embauchera les chercheurs les plus innovateurs risque fort de se positionner en tête de lice sur Wall Street. Il faut voir tout ce qui dit et s’écrit dans la presse depuis que Google a lancé son projet de recherche de voiture autonome, pour saisir et cerner dans quelle mesure la découverte de Georges Hinton a permis et conditionné un foisonnement de recherches et d’applications dans tous les domaines où l’apprentissage automatisé pourrait éventuellement être utilisé.

Et c’est là où les choses deviennent intéressantes, car les entreprises de haute technologie et le système universitaire, dans leur déclinaison californienne, ne voient aucun problème à ce qu’un chercheur comme Yann Le Cun puisse avoir un double statut : chercheur à l’Université de New York et chef de division en recherche sur l’intelligence artificielle chez Facebook. Au Québec, Yoshua Bengio, le grand ponte de l’intelligence artificielle, est professeur au Département d’informatique et de recherche opérationnelle de l’Université de Montréal tout en étant « cofondateur de plusieurs entreprises émergentes, dont Element AI (2016), qui a obtenu un investissement de série A record de 135M$ [et de] Mila [dont la mission est de] faire de Montréal un pôle mondial de l’intelligence artificielle en y attirant les laboratoires de recherche en IA de Microsoft, Google, Facebook, DeepMind, Samsung et Thales. »

En fait, ce à quoi nous assistons, c’est à une redéfinition de la recherche universitaire calquée sur le modèle de l’Université Stanford où l’État investit des sommes importantes dans la recherche en intelligence artificielle pour ensuite être récupérée par les géants de la Silicon Valley. L’idée est la suivante : se rapprocher le plus possible des universités les plus performantes dans le domaine de l’intelligence artificielle dont la recherche est subventionnée par l’État (condition de base), s’informer pour savoir qui sont les étudiants les plus brillants à la maîtrise et au doctorat, les engager, et investir quelques miettes de dollars (entre 5 à 10 millions) dans ces centres de recherche afin de polir leur image sociale, et rafler la mise, tout en faisant croire que l’argent investit par l’État dans ce type de recherche « à la fine pointe » profitera à toute la société à la hauteur de ce qui a été investi, si tant est que  la chose soit possible.

En somme, le contribuable est celui par qui la recherche de pointe arrive et par qui les entreprises de haute technologie consolident à coup de milliards de dollars leur emprise technologique et sociale.

© Pierre Fraser (Ph. D.), sociologue, 2019

[1] Minsky, M. Papert, S. (1969), Perceptrons, Cambridge: MIT Press.
[2] Hinton, G. E., Osindero, S., Teh, Y. W. (2006), « A fast learning algorithm for deep belief nets », Neural computation, vol. 18, n° 7, p. 1527-1554.

 

Répondre

Entrez vos coordonnées ci-dessous ou cliquez sur une icône pour vous connecter:

Logo WordPress.com

Vous commentez à l'aide de votre compte WordPress.com. Déconnexion /  Changer )

Photo Google

Vous commentez à l'aide de votre compte Google. Déconnexion /  Changer )

Image Twitter

Vous commentez à l'aide de votre compte Twitter. Déconnexion /  Changer )

Photo Facebook

Vous commentez à l'aide de votre compte Facebook. Déconnexion /  Changer )

Connexion à %s

Ce site utilise Akismet pour réduire les indésirables. En savoir plus sur la façon dont les données de vos commentaires sont traitées.