Conclusion principale
Six spécialistes des sciences cognitives menés par Iris van Rooij, de l'université Radboud (Pays-Bas), ont publié dans Computational Brain & Behavior un article contenant une preuve formelle appelée « théorème d'Ingenia » : atteindre une IA de niveau humain par l'apprentissage (AI-by-Learning) est intrinsèquement un problème NP-difficile.
Démarche de la preuve
- La preuve accorde à un ingénieur hypothétique des conditions idéalisées : des données parfaites, n'importe quelle méthode d'apprentissage automatique actuelle ou future et un seuil de performance très bas
- Malgré cela, la tâche d'apprentissage se réduit au problème de décision Perfect-vs-Chance, que Hirahara a démontré NP-difficile en 2022
- Conclusion : créer des systèmes dotés de capacités cognitives (de niveau) humaines est « intrinsèquement infaisable sur le plan computationnel »
Débat d'opinions
- Les auteurs affirment sans détour que les « systèmes d'IA factuels » construits à court terme ne sont « au mieux que des leurres (decoys) » et que l'idée que « l'AGI est inévitable dans un avenir prévisible » est « fausse et trompeuse »
- Cela remet directement en cause le récit dominant selon lequel « la force brute fera des miracles et le passage à l'échelle mène inévitablement à l'AGI », en soulignant qu'il repose sur des hypothèses non démontrées plutôt que sur des théorèmes
- Côté constructif, les auteurs ne rejettent pas le computationnalisme ; ils plaident pour considérer l'IA comme un outil théorique des sciences cognitives (modèles formels, expériences de pensée, contraintes de complexité) plutôt que comme un programme d'ingénierie visant à « reconstruire la cognition sur silicium »
Source : lire l'original. Ce texte est un résumé fourni à titre indicatif uniquement.
