Cette biosphère assure une symbiose entre toutes les espèces, un flux d’actions réciproques s’établissant entre les êtres vivants et leurs besoins. Le philosophe F.Paulhan parle de "connaissance du système" global, comme d’autres parlent "d’intelligence organique" à propos des fleurs. Mais adaptation n’est pas synonyme d’intelligence. Un mécanisme aussi complexe et autonome soit-il ne peut faire de choix ou apporter de solution à son problème. Réagir à une sensation ou à un besoin peut être un acte réflexe. Quand la dionée se referme sur un insecte, il n’y a aucune prise de conscience, la chose ne pense pas et ne connaît pas l’objet qu’elle sent. Nous avons déjà analysé ce sujet dans le dossier consacré à l’évolution des systèmes vivants. Mais alors qu’est-ce que l’intelligence[2] ?

Notre pouvoir déductif est-il la preuve d’une intelligence ? Observer, interpréter, agir. En étudiant l’activité cérébrale de l’homme, on se rend compte que ce comportement logique complexe semble obéir à un paradigme. Au XVII^eme siècle Descartes[3] avait déjà fait la remarque suivante dans ses Méditations : "Mais que suis-je donc ? Une chose qui pense. Qu’est-ce que cela ? Une chose qui doute, entend, conçoit, affirme, nie, qui imagine aussi, et qui sent […] ; ce qui n’est précisément rien d’autre que penser". Par le cogito, Descartes avait la certitude du sujet pensant. Mais ce sentiment a-t-il un fondement scientifique ? Le retrouve-t-on ailleurs dans la nature ?

Le biologiste cybernéticien voit dans l’activité de tout être vivant capable d’actions élaborées - ce qui inclut tous les êtres "vivants" y compris les robots calculant plutôt que réfléchissant et leurs homologues humanoïdes - l’organisation d’une structure de délibération : discuter d’abord puis agir. En observant les résultats d’une mission qui est confiée à cet être imaginaire, tout semble indiquer qu’à partir des informations qu’il récolte sur le monde extérieur il peut construire son plan d’actions. 

Grâce à des algorithmes capables de gérer l’information brute et la mémoriser, il peut en déduire un ensemble d’informations, lesquelles l’aideront à planifier sa prochaine tâche. Si les informations qu’il a recueillies sont contradictoires, la délibération d’une solution permettra de juger quel résultat est le plus approprié en fonction de l’expérience ou des données acquises. Ce paradigme est celui de l’architecture élaborée.

Chacun de nous est d’accord pour considérer cette démarche comme une caractéristique de l’intelligence très aboutie chez l’être humain. Et de fait, ce scénario fut accepté par la communauté scientifique dès les années 1950. Mais depuis la fin des années 1980 un autre paradigme du comportement traduit l’intelligence en terme d’architecture réactive : agir puis réagir, mais sans discuter[4].

Pour le roboticien le résultat de la mission ne dépend pas de la délibération des actions à prendre. Toutes les activités sont menées de front, en parallèle : notre explorateur fait un pas, il évite un obstacle, il trouve un objet, il le classe. Dans ce mécanisme aucun cycle n’est réservé au jugement. Pour combiner ces activités indépendantes les unes des autres et éviter des situations qui pourraient s’avérer dommageables, notre explorateur devra réagir en fonction des situations. S’il s’aperçoit qu’il vient de créer un court-circuit, il prendra le temps de changer le fusible endommagé ; voyant un précipice, il réagira en neutralisant le pas qui lui serait fatal. La logique est du genre "si ceci arrive alors je fais cela".

Nous savons tous qu’une telle démarche, guidée plus par les sens que par l’intelligence diront certains est très rapide dans son exécution puisqu’elle ne prend plus le temps de délibérer. Elle réagit immédiatement. Mais est-elle bien applicable aux comportements complexes de l’intelligence humaine ? Il est vrai que pour un observateur extérieur au monde terrestre, a priori rien ne permet de considérer nos activités comme le résultat d’une architecture élaborée plutôt que réactive. Le roboticien américain Rodney A.Brooks du MIT Artificial Intelligence Laboratory soutient en tous cas cette thèse en créant des animalcules électroniques capables de missions élaborées dans un environnement hostile, telle la sonde Sojourner qui explora la surface de Mars en 1997. Il s’apprête en effet à envoyer des colonies de fourmis-robots sur Mars ou dans les laboratoires industriels.

Humanoid Robotic Group

Visite du MIT Artifical Intelligence Laboratory

Brooks et ses collègues considèrent que l’architecture élaborée est une sorte de diplomatie désuète car elle est basée sur un travail séquentiel. Les informations sont recueillies par des détecteurs, elles sont interprétées et si aucun conflit ne surgit une action est entreprise. En cas de doute ou d’erreur, un système très hiérarchisé délibère en fonction du but poursuivi et entame une démarche visant à corriger la planification des actions ultérieures. Ce mécanisme requiert une grande consommation d’énergie et les délibérations ne sont jamais rapides.

L’architecture réactive à l’inverse agit de tous côtés simultanément. Elle ne prend pas le temps de délibérer mais réagit en situation. Cette architecture est très économe et très peu sophistiquée. Aussi simples qu’elles soient, les fourmis-robots de Brooks peuvent développer une activité complexe sans concevoir explicitement ce qu’elles font.

Mais tous les chercheurs en Intelligence Artificielle ne partagent pas l’avis de Brooks et de ses élèves. Thomas M.Mitchell de Carnegie Mellon considère que les travaux de Brooks "sont très séduisants mais contiennent de très mauvaises idées". A ses yeux, l’architecture réactive est plus adaptée à la construction de thermostats que des agents intelligents. Si les inférences[5] logiques sont supposées déduire toute chose à partir d’une contradiction, certains paradoxes mettent en évidence un véritable problème pour l’Intelligence Artificielle.

Mitchell reprend l’exemple d’inférence logique citée par le philosophe Bertrand Russell : "Le barbier rase chaque homme qui ne le fait pas lui-même. Qui rase le barbier ?". Ce prédicat reflète la parfaite logique mais il réduit en même temps l’apparente perfection des règles mathématiques. En fait le système n’est pas paradoxal, mais il est incomplet. La phrase de Russell peut manifestement être vrai mais impossible à prouver en termes formels. Nous reviendrons sur ce paradoxe de l’inférence lorsque nous discuterons des travaux de Kurt Gödel.

Brooks[6] parle d’ "intelligence sans raison". A travers ses travaux il cherche le sens des mots "le système connaît quelque chose". Cela signifie-t-il que le robot doit se comporter de façon à ne pas cogner les murs ou doit-il disposer d’une quelconque représentation explicite des structures qu’il appréhende ?

Comme on le constate l'intelligence est loin d'être un concept simple à formuler surtout lorsqu'on essaye de l'associer à une structure artificielle telle un robot.

Il peut sembler naïf de parler en termes de propositions logiques et d’inférences mais tous les programmes ne doivent pas être représentés en termes de logique explicite. Il est évident que la logique se caractérise par sa grande précision et par son pouvoir de décision lorsque survient une contradiction. Mais le temps de déterminer la véracité d’une proposition logique est antinomique avec la rapidité d’exécution. Dans ces conditions, l’élégance de la logique doit faire place à son efficacité. C’est la raison pour laquelle les mobiles de Brooks ne calculent rien mais agissent.

Bien sûr tous les robots ne sont pas réglés sur ce concept. D’autres projets donnent les moyens aux robots de planifier leurs actions et même de planifier leur planning. Etant donné que les ressources des ordinateurs – tout comme celles de l’homme – ne sont pas infinies, Herbet A.Simon considère que les machines ne pourront jamais qu’exercer une "rationalité limitée".

Pour sa part Yaser S.Abu-Mostafa[7] de Caltech développe des systèmes informatiques qui apprennent par eux-mêmes. Il s’attaque aux problèmes de la reconnaissance des formes, des réseaux neuronaux, du neuromorphisme, de la théorie de l’information et de la complexité informatique. 

Travaillant avec les banquiers et les industriels, Abu-Mostafa essaye de mettre au point des machines capables tout à la fois de résoudre des problèmes structurés, ne requérant aucun exemple, et des problèmes aléatoires, totalement indéfinis et dont les solutions dépendent entièrement des cas d’écoles et de l’apprentissage. Si l’ordinateur manque d’informations pour résoudre son problème, il suffit de lui proposer quelques données en rapport avec celui-ci. Le système mémorisera l’information et apprendra à en tenir compte à l’avenir. Ce genre de suggestion va de la simple observation d’un objet sous différents angles à une expertise complexe.

On voit donc que les cas d’école et le "drill" qu’on fait subir à certains systèmes neuronaux sont essentiels pour qu’ils puissent choisir seuls les valeurs des paramètres libres le jour où surgira un problème. Grâce à ces suggestions, qui déterminent non seulement l’orientation que doit prendre l’algorithme de recherche, mais également la précision des itérations et des mesures en un temps raisonnable, le système mémorisera des centaines de cas réels qui lui permettront d’affiner ses paramètres internes, et il finira par reproduire de mieux en mieux la fonction pour laquelle il a été programmé. Ainsi, face à un nouveau problème, le système pourra extrapoler une solution à partir de son "expérience" et pourra "rationnellement" - ou plutôt logiquement avec un certain degré de certitude, prédire le comportement de son sujet.

L’Intelligence Artificielle n’en est qu’à ses balbutiements et il est à parier que les tartines tomberont encore longtemps du côté confiture. Les travaux de Brooks, Minsky, Abu-Mostafa, Honda et consorts sont très instructifs pour comprendre notre comportement. Mais la relation qui existe entre notre perception sensible et sa représentation interne est tellement ardue qu’il est trop tôt aujourd’hui pour créer un modèle consistant et logique du monde extérieur.

Quant à déduire que nous percevons le monde à travers les yeux d'une fourmi-robot ou d'un humanoïde est un pas que nous ne pouvons pas encore franchir. Comme nous ne pouvons pas affirmer que l’homme délibère toujours sa solution. Dans l’avenir il est probable que la méthode déductive conditionnera toujours l’exécution d’une action, mais pour conserver notre autonomie peut-être devrons-nous dans un lointain futur éviter toute délibération et réagir rapidement en fonction de l’environnement. Ou à l'inverse, dans le froid glacial de l'espace nos actions seront peut-être ralenties. Dans tous les cas ce nouveau paradigme nous offre l’occasion d’une critique du discours scientifique et mérite d’être étudié.