Ordinateurs

Le gouffre entre technologie actuelle et singularité théorique – High-teK.ca

Ce site peut gagner des commissions d’affiliation à partir des liens sur cette page. Conditions d’utilisation.

Une paire intéressante de messages d’actualité a attiré mon attention cette semaine, et ils valent la peine d’être présentés pour une discussion générale. Tout d’abord, VentureBeat a un entretien avec le futurologue Ray Kurzweil, qui a fait des vagues en 2005 avec son livre La singularité est proche. Dans ce document, Kurzweil postule que nous approchons d’un point où l’intelligence humaine commencera à évoluer de manière nous ne pouvons pas prévoir.

L’hypothèse est que nos ordinateurs (ou cerveaux) superintelligents nous permettront de réinventer efficacement ce qu’est l’être humain moyens. Dans notre état actuel, nous sommes, par définition, incapables de comprendre à quoi ressemblerait la société humaine après un tel changement.

Google chat

Mrow

Pendant ce temps, Google s’efforce de mettre sa technologie de réseau neuronal au service de différents types de problèmes. L’été dernier, l’entreprise a enseigné à son réseau comment reconnaître un chat en lui montrant des vidéos YouTube. Plus précisément, il a montré à 16 000 processeurs suffisamment de vidéos de chat pour que le réseau lui-même apprenne à « voir » le chat sans intervention humaine. La précision visuelle totale, selon l’article initial, est d’environ 16 %. L’annonce porte sur l’application de stratégies similaires au traitement du langage et sur la façon dont les ordinateurs peuvent « apprendre » à comprendre les spécificités de la parole humaine.

Kurzweil, comme vous pouvez le voir dans la vidéo en bas, est un conférencier persuasif et le succès de Google en apprenant à un réseau à reconnaître vraiment les chats est Impressionant. En lisant des histoires comme celles-ci, cependant, je suis sceptique. Ce n’est pas que je doute des réalisations individuelles, ou qu’elles puissent être améliorées, mais se concentrer sur des réalisations spécifiques ignore le plus grand problème : nous n’avons aucune idée de la façon de construire un cerveau.

Psssssst :  La Corée du Nord a lancé Internet grâce à un DDoS géant : était-ce les États-Unis ou quelqu'un d'autre ? - ExtrêmeTech

Kurzweil utilise les progrès de la résolution de numérisation et du génie génétique comme preuve qu’à un moment donné, nous pourrons soit programmer les structures cellulaires pour faire les choses que nous voulons beaucoup plus efficacement que nous ne le pouvons actuellement, soit que nous pourrons simplement construire des analogues mécaniques. À une certaine échelle, c’est probablement vrai. Le ver nématode Caenorhabditis elegans possède 302 neurones. Nous pourrions construire un réseau neuronal (ou réseau neuronal analogique) avec 302 nœuds assez facilement – la structure des nœuds neuronaux de Google est bien plus complexe que cela.

Malheureusement, il ne suffit pas d’avoir des nœuds. Le cerveau humain compte environ 100 milliards de neurones et 100 mille milliards synapses. Différents neurones sont conçus pour différentes tâches et répondent à différents stimuli. Ils réagissent et libèrent une série incroyablement complexe de neurotransmetteurs, dont nous ne comprenons pas entièrement les fonctions. Il ne suffit pas de dire «Oui, le cerveau est complexe» – le cerveau est complexe d’une manière qui éclipse les meilleurs processeurs que nous pouvons construire, et il fait son travail tout en consommant en moyenne 20W.

Cerveau de singe

C’est un cerveau de singe. Nous avons plus.

C’est là que la loi de Moore est généralement évoquée, mais c’est une comparaison terriblement terrible. Les scientifiques ont déjà démontré des transistors aussi petits que 10 atomes de large. Votre neurone moyen se situe entre 4 et 100 microns. Si des groupes de transistors équivalaient à des réseaux de neurones, les cerveaux ne poseraient aucun problème. Ce n’est pas aussi simple. Nous ne savons pas comment construire des réseaux de synapses à des densités appropriées. Nous ne savons même pas si la conscience est une propriété émergente de structures neuronales suffisamment denses ou non.

Psssssst :  Coupé d'ARM, x86, quelles architectures de processeur Huawei peut-il utiliser ? - ExtrêmeTech

Voitures autonomes (un exemple mentionné par Kurzweil) sont une application sophistiquée de modèles raffinés, maillés avec des réseaux de capteurs sur le véhicule et des données de position supplémentaires recueillies depuis l’orbite. Ils sont un exemple de la façon dont le fait de pouvoir recueillir plus d’informations et de corréler ces informations plus rapidement nous permet de créer un meilleur programme – mais ils ne sont pas intelligents. Nos meilleurs réseaux de neurones sont des prédicteurs à tâche unique qui collectent des informations à un rythme glacial par rapport au cerveau.

L’idée que nous atteindrons une sorte de point de basculement dans les 33 prochaines années semble farfelue. Il y a 33 ans, les scientifiques savaient bien que le génie génétique, la biologie moléculaire et les appareils de type téléphone portable pourraient tous être possibles. Avance rapide jusqu’à aujourd’hui, et nous avons des téléphones portables. Nous avons de meilleurs réseaux de neurones, certainement. Nous pouvons déverser beaucoup plus de données dans le tuyau, y accéder plus rapidement et traiter les résultats – mais créer des intelligences humaines ou surhumaines ? Certainement pas.

Bouton retour en haut de la page