L’intelligence artificielle peut apprendre en pensant comme les humains

AGI – L’intelligence artificielle, comme les humains, est également capable de s’auto-corriger et de parvenir à de nouvelles conclusions grâce à « l’apprentissage par la pensée ». Cela a été révélé par une recherche menée par Tania Lombrozo, professeur de psychologie et codirectrice de l’initiative Natural and Artificial Minds à l’Université de Princeton, rapportée dans la revue Trends in Cognitive Sciences. “Il y a eu des démonstrations récentes de ce qui ressemble à l’apprentissage par la pensée dans l’IA, en particulier dans les grands modèles de langage”, a déclaré Tania Lombrozo.

“Parfois, ChatGPT se corrige sans qu’on le lui dise explicitement ; c’est similaire à ce qui se produit lorsque les gens sont occupés à apprendre en pensant”, a poursuivi Lombrozo. L’étude a identifié quatre exemples d’apprentissage par la pensée chez les humains et l’IA : Les apprenants peuvent acquérir de nouvelles informations sans apport externe grâce à des explications, des simulations, des analogies et des raisonnements. Chez l’humain, expliquer à un enfant le fonctionnement d’un micro-ondes peut révéler nos lacunes dans la compréhension.

Réorganiser les meubles de votre salon implique souvent de créer une image mentale pour simuler différents agencements avant d’effectuer des modifications physiques. Le téléchargement de logiciels piratés peut initialement sembler moralement acceptable, jusqu’à ce que vous fassiez une analogie avec le vol de biens physiques. Si vous savez que l’anniversaire d’un ami est un jour bissextile et que demain est un jour bissextile, vous pensez peut-être que l’anniversaire de cet ami est demain.

L’intelligence artificielle montre des processus d’apprentissage similaires. Lorsque vous demandez plus d’informations sur un sujet complexe, l’IA peut corriger ou affiner sa réponse initiale en fonction de l’explication fournie. L’industrie du jeu vidéo utilise des moteurs de simulation pour se rapprocher des résultats du monde réel, et les modèles peuvent utiliser les résultats de simulation comme entrée pour l’apprentissage.

Demander à un modèle de langage de faire des analogies peut l’amener à répondre à des questions avec plus de précision qu’avec des questions simples. Si vous demandez à l’IA de réfléchir étape par étape, vous pouvez obtenir des réponses que vous ne pourriez pas obtenir avec une question directe. “Cela soulève la question de savoir pourquoi les esprits naturels et artificiels possèdent ces caractéristiques”, a souligné Lombrozo.

«Je soutiens que l’apprentissage par la réflexion est une sorte d’apprentissage à la demande», a ajouté Lombrozo. Lorsque vous apprenez quelque chose de nouveau, vous ne savez pas en quoi cette information vous sera utile à l’avenir. Lombrozo soutient que les gens peuvent mettre leurs connaissances de côté pour plus tard, jusqu’à ce que le contexte les rende pertinentes et que cela vaille la peine de déployer des efforts cognitifs pour réfléchir et apprendre. Lombrozo reconnaît les difficultés liées à la définition des frontières entre le raisonnement, l’apprentissage et d’autres fonctions cognitives de haut niveau, un domaine de débat en sciences cognitives. L’examen soulève également d’autres questions, dont Lombrozo envisage d’explorer certaines, comme celle de savoir si les systèmes d’IA « pensent » réellement ou imitent simplement les résultats de tels processus.

“L’IA est arrivée au point où elle est si sophistiquée à certains égards, mais limitée à d’autres, que nous avons l’opportunité d’étudier les similitudes et les différences entre l’intelligence humaine et artificielle”, a déclaré Lombrozo. “Nous pouvons apprendre des choses importantes sur la cognition humaine grâce à l’IA et améliorer l’IA en la comparant aux esprits naturels”, a poursuivi Lombrozo. “C’est un moment crucial où nous nous trouvons dans cette nouvelle position pour poser ces intéressantes questions comparatives”, a conclu Lombrozo. (AGI)Sci/Adv