Les grandes étapes de l'intelligence artificielle
Tout comme l'électricité a révolutionné la vie au 19e siècle, l'intelligence artificielle a le potentiel de changer radicalement notre société et notre économie. Comment en sommes-nous arrivés là, et quels ont été les principaux événements marquants ?
Auteur : Stefan Fröhlich, Portfolio Manager Systematic Equities
ChatGPT d'OpenAI a connu une ascension fulgurante en 2022. En cinq jours seulement, ChatGPT a conquis plus d'un million d'utilisateurs. À titre de comparaison, il a fallu dix mois à Facebook et trois ans et demi à Netflix pour y parvenir. ChatGPT a ainsi permis à l'intelligence artificielle (IA) de percer auprès du grand public.
Les principaux jalons de l'intelligence artificielle
La mise en œuvre concrète de l'IA a commencé dans les années 1950 avec l'invention du perceptron, une cellule unique, et la découverte des réseaux neuronaux dans les années 1970. Ces réseaux n'ont toutefois pas connu de percée majeure, car les ordinateurs de l'époque n'avaient pas une puissance de calcul suffisante et les ensembles de données étaient trop petits pour permettre un entraînement efficace des algorithmes. Dans les années 1980 et 1990, les arbres de décision (decision trees) ont gagné en popularité. Bien qu'un arbre de décision seul soit transparent, son pouvoir prédictif est faible. Les algorithmes de forêt aléatoire et de boosting, en combinant plusieurs arbres de décision, améliorent considérablement les prévisions.
Depuis les années 2000, les progrès de la puissance de calcul et la disponibilité de vastes ensembles de données ont entraîné une renaissance des réseaux neuronaux sous la forme de l'apprentissage profond. Alors qu'un réseau neuronal classique n'est constitué que d'une couche de cellules individuelles, les réseaux neuronaux profonds (deep learning) relient plusieurs couches cachées entre elles. Cela a révolutionné la recherche en IA, permettant des avancées révolutionnaires, notamment dans la reconnaissance d'images et de la parole, et a conduit à l'essor de l'IA au sein des entreprises informatiques à partir de 2010.
L'architecture Transformer, inventée en 2017, marque une nouvelle étape dans le développement de l'intelligence artificielle et révolutionne les grands modèles de langage (LLMs). Grâce à l'algorithme Transformer, ces grands modèles sont capables de traiter des textes, de comprendre le contexte et d'en déduire des réponses. Publié en 2022, ChatGPT-3 permet aux utilisateurs d'utiliser le langage naturel pour une grande variété de tâches, allant de la rédaction de texte à la génération de code.
Les chatbots ont pris une ampleur considérable ces deux dernières années, fascinant des millions d'utilisateurs en un temps record. Mais cette révolution technologique n'en est qu'à ses débuts. La puissance de calcul des GPU augmente rapidement grâce aux milliards investis par de grandes entreprises informatiques telle que Nvidia, ce qui permet de créer des modèles de plus en plus complets et puissants. Actuellement, le cerveau humain, qui compte quelque 100 billions de synapses, est encore plus complexe que les plus grands modèles d'IA. Cela pourrait changer dans les années à venir et modifier considérablement notre société et le développement économique futur.
L'intelligence artificielle dans l'Asset Management ?
Les algorithmes d'apprentissage automatique peuvent être utilisés pour prédire les rendements futurs des actions et exploiter des sources d'alpha qui échappent souvent à l'être humain, représentant ainsi un complément prometteur aux approches d'investissement traditionnelles.
Les principaux termes dans le contexte de l'IA
L'intelligence artificielle a donné naissance à une multitude de termes. En voici une classification :
- L’intelligence artificielle (IA) désigne la capacité des machines à effectuer des tâches qui requièrent normalement l’intelligence humaine. Cela englobe toutes les facettes de la vie, y compris la capacité de voir, de se déplacer, de penser, de résoudre des problèmes pas à pas et d'inventer de nouvelles choses.
- L'apprentissage automatique (ML) est un sous-domaine de l'IA. Il s'agit d'algorithmes qui apprennent à partir de données, reconnaissent de manière autonome des relations et des modèles, et effectuent des prévisions basées sur ces données.
- Un algorithme est un procédé utilisé pour résoudre des problèmes.
- L’IA générative consiste à produire des contenus créatifs, tels que des textes, des images ou des vidéos, à l’aide de techniques d’apprentissage en profondeur (deep learning).
- Le prompting désigne l’action de soumettre des requêtes à un modèle linguistique afin d’obtenir des réponses ou des résultats spécifiques. Un prompting efficace devient de plus en plus important pour les applications d’IA et peut être comparé à la manière dont on recherche des informations sur Google.
- On parle de superintelligence lorsque l’intelligence artificielle dépasse celle des humains.
