Intelligence artificielle forte : Mémoire d’une situation

Intelligence artificielle forte : Mémoire d’une situation

2 décembre 2018 2 Par KindleTune

De la même manière qu’un appareil photographique numérique ne peut retranscrire une infinité de couleurs comme les perçoit l’œil humain, nous ne pouvons envisager de reproduire avec exactitude le fonctionnement d’un cerveau humain dans notre course à l’intelligence artificielle forte. C’est pourquoi il s’agit dans un premier temps de tenter de construire quelques pièces du puzzle et de les assembler entre elles. Ainsi, nous pourrons observer un modèle au départ simpliste qui laissera largement place à l’amélioration.

Voici donc une première modélisation possible de la captation et l’appropriation des sentiments par une intelligence artificielle, informatisée.

Idée originelle

Pour cette première approche, le système part d’un point A : la situation notée σ, jusqu’à un point B : la décision finale de gravure notée γ. Pour modéliser de manière simple le traitement d’informations externes par le cerveau, il convient de s’intéresser à ce qui sépare les points σ et γ.

\[ σ→ γ \]

Nous avons décidé ici de subdiviser ces étapes de traitement en modules, avec chacun sa fonction propre. Chacun reçoit son groupe d’information, le traite, et rejette un unique groupe d’informations distinct ou non en fonction des paramètres (à l’image d’une fonction mathématique). Quatre modules seront ici modélisés.

\[ σ → m1 → m2 → m3 → m4→ γ \]

Commençons par détailler le système, puis expliquons-le par la suite.

Les quatre modules sont :

  • Compactor, processus instinctif que nous détaillerons, noté Cpr
  • Associator, qui permet la prise de conscience, noté Asc
  • Personality, la personnalité filtrant les informations pour déterminer celles qui nous affectent le plus, noté Prs
  • Engraver, système à part entière axé sur le raisonnement, qui prend en compte beaucoup de facteurs. Nous le simplifierons ici et le noterons comme module Egr

\[ σ→Cpr→Asc→Prs→Egr→γ \]

Chaque module traite les informations et il en ressort des paquets que nous définirons en tant que produits. Ils seront utilisables, et utilisés, par les autres modules en tant que produits intermédiaires des points σ à γ. Ceci peut être comparé d’une certaine manière au système de communication des neurones humains.

Communications synaptiques dans les neurones, illustration pour intelligence artificielle.

Communications synaptiques dans les neurones, utilisant des produits intermédiaires.

Ainsi, Cpr concentrera les flux initiaux issus de la situation, et choisira instinctivement les plus «utiles». Il les rend compréhensibles et exploitables pour la module suivant. Ces flux concentrés seront notés Asc utilisera ces flux pour les associer avec des sentiments connus et bien déterminés, exploitables par la personnalité. On retrouvera ce travail sous forme de paquets notés Prs les traitera en agissant comme un filtre, afin de produire un ressenti clair de l’intelligence artificielle sur la situation. On notera cet ensemble de résultats {℘}. Enfin, le module  Egr déterminera les éléments de cet ensemble qui seront conservés en fonction des caractéristiques de l’intelligence, et leur degré d’inscription le cas échéant. Le processus que nous modélisons est donc maintenant bien plus précis :

\[ σ→Cpr→∋→Asc→⊕→Prs→{℘}→Egr→γ \]

Voici un tableau récapitulatif :

ÉlémentType d'élémentAbréviation ou symboleProduitSert àFonction
SituationInitialσ--Source de laquelle Cpr tire les informations.
Décision de gravureFinalγ--Décision de gravure des ressentis et des informations dans la mémoire.
CompactorModuleCpr-Concentrer et prioriser les flux issus de σ.
AssociatorModuleAsc-Associer les informations pré-sélectionnées avec des sentiments.
PersonalityModulePrs{℘}-Filtrage des sentiments en fonction de la personnalité variable de l'IA.
EngraverModuleEgrγ-Décision de gravure ou non en fonction de multiples facteurs.
Flux concentrésProduit-AscFournir au module Asc les informations sur la situation.
Paquets associatifsProduit-PrsEnvoyés au module Prs pour déterminer lesquels affectent l'IA et les mettre en avant.
Sentiments filtrésProduit{℘}-EgrEnvoyés au module Egr pour décision de gravure.

Vulgarisation par un exemple

Tout cela peut paraître bien abstrait, c’est pourquoi nous allons mimer le cheminement de ce processus par une intelligence artificielle, devant une situation. On confronte une IA à une situation où un homme se tient devant elle avec un couteau dans la main.

Illustration d'une situation dangereuse à laquelle peut être confrontée une intelligence artificielle forte.

Cette situation, que l’on a défini comme étant notée σ, émet une multitude de flux. Ceux-ci sont de toutes natures, c’est à dire qu’il n’y a aucune sélection à ce stade : la couleur du sol sera aussi importante que le couteau en face de soi. Le module Cpr joue alors son rôle, modélisation de l’instinct, de prioriser ces flux et de les concentrer. Parmi toutes les informations captées, seules celles importantes pour l’IA sont conservées : notées . C’est pour cela que certains détails d’une scène choquante sont oubliés. Pour l’instant, les flux ne sont rien d’autre que des informations. C’est alors à Asc de les associer à un sentiment. L’information du couteau est associée à un danger, et donc à la peur. L’information d’une issue de secours à droite est associée à l’espoir. Ces associations s’assemblent sous forme de paquets que l’on note . L’intelligence artificielle a alors pris connaissance des informations sur la situation à laquelle elle est confrontée, et a déterminé les sentiments que ces dernières produisent. Mais chaque humain, et donc chaque système d’IA forte humanoïde ressent les choses différemment, et n’est pas atteint par les mêmes sentiments. L’un ressentira moins la peur, par exemple. C’est le rôle du module Prs. Il adapte en quelque sorte les éléments factuels en fonction de la personnalité de l’IA. Il agit comme une sorte de filtre des paquets ⊕ et l’ensemble de sentiments marquants, conservés, sont introduits dans un ensemble noté {℘}. Enfin, Egr «décide» si il est judicieux ou non d’inscrire ces sentiments dans la mémoire de l’IA, le cas échéant à quel degré (est-ce que ce sera quelque chose de très marquant, ou un simple souvenir). Cela repose sur une multitude d’éléments : l’état de l’IA lorsqu’elle est confrontée à la situation, une volonté active d’oublier cette dernière, …

Voici donc une première approche de la formation de la mémoire d’une intelligence artificielle forte. Une première pièce pour un gigantesque puzzle ?