L'intelligence artificielle et la course quantique : un mariage parfait pour un avenir radieux !

Pour assurer un avenir meilleur pour l'humanité, les penseurs visionnaires en IA ont besoin de l'aide des pragmatiques enracinés dans la réalité. Les penseurs visionnaires évoquent des fantasmes utopiques pour susciter l'enthousiasme, tandis que les pragmatiques se concentrent sur les problèmes et les solutions pour réduire les dangers de l'IA largement utilisée. En tant que professeur en informatique ayant une longue expérience dans la conception d'applications innovantes, je crois que les visionnaires gagneraient à écouter les messages réfléchis des pragmatiques. Combiner le travail des deux camps est plus susceptible de produire les résultats bénéfiques qui mèneront à des technologies de nouvelle génération réussies. La pensée visionnaire a commencé tôt dans le développement de l'IA. La littérature était dominée par des auteurs qui ont lancé la technologie et annoncé sa transformation inévitable de la société. Les "pères" de l'IA sont généralement considérés comme Marvin Minsky et John McCarthy du MIT, ainsi qu'Allen Newell et Herb Simon de l'Université Carnegie Mellon. Ils se sont réunis lors de conférences, comme celle de Dartmouth en 1956, générant un enthousiasme exemplifié par la prédiction de Simon en 1965 selon laquelle "les machines seront capables, dans 20 ans, de faire n'importe quel travail qu'un homme peut faire". Il y a eu de nombreux autres contributeurs à l'IA, y compris les trois lauréats du prix Turing en 2018 : Geoffrey Hinton, Yoshua Bengio et Yann LeCun. Leur travail sur les algorithmes d'apprentissage profond a été une contribution importante, mais leurs célébrations continues de l'importance et de l'inévitabilité de l'IA ont inclus la citation troublante de Hinton en 2016 selon laquelle "les gens devraient arrêter de former des radiologues maintenant. Il est tout simplement évident que dans cinq ans, l'apprentissage profond fera mieux que les radiologues". Une vision plus centrée sur l'humain est que les algorithmes d'apprentissage profond deviendront un autre outil, comme les mammographies et les tests sanguins, qui permettront aux radiologues et autres cliniciens de poser des diagnostics plus précis et de proposer des traitements plus appropriés.