De Matrix à Matrice (épisode 3)
Troisième article d’une série destinée à explorer les modalités d’une collaboration idéale entre l’homme et l'intelligence artificielle.
L’Intelligence artificielle conduit l’homme à collaborer avec la machine. Cet article est le troisième d’une série destinée à explorer les modalités d’une collaboration idéale entre l’homme et la machine. Après nous être intéressé à la collaboration de l’homme envers la machine, cet épisode étudie l’esprit de collaboration qui doit animer la machine.L’effort de collaboration de la machine avec l’humain
Dix critères peuvent permettre de mesurer le degré de collaboration de l’algorithme vis-à-vis de la machine, au sein de cette relation homme-machine :
Ainsi, la machine :
1. Suit scrupuleusement les trois règles de la cybernétique :
a/ un robot ne peut porter atteinte à un être humain, ni, en restant passif, permettre qu’un être humain soit exposé au danger ;
b/ un robot doit obéir aux ordres qui lui sont donnés par un être humain, sauf si de tels ordres entrent en conflit avec la première loi ;
c/ un robot doit protéger son existence tant que cette protection n’entre pas en conflit avec la première ou la deuxième loi.
Le mot « atteinte » n’est pas ici limité à une acception étroite qui n’évoquerait que d’éventuelles atteintes physiques, mais à une signification englobant également des possibles atteintes physiques (déstabilisation, harcèlement, burn out…).
2. Dispose d’un ensemble de règles de fonctionnement connues, actualisées, claires et compréhensibles par quiconque.
3. Fournit des données claires, en temps réel, au sujet des progrès de l’homme, de ses propres progrès et de leurs progrès communs.
4. S’adapte à l’homme.
5. Respecte la spécificité de l’utilisateur (prédispositions, niveau, préférences intellectuelles, traits psychologiques majeurs…).
6. Fournit régulièrement des propositions, ou contre-propositions, au sujet du travail effectué en commun, en expliquant pourquoi.
7. S’adapte au rythme de l’utilisateur dans le temps.
8. Prend en compte le fait que les données sur lesquelles il s’appuie peuvent être biaisées.
9. Gère, en toute transparence, l’équilibre entre unsupervised learning, supervised learning et reinforced learning.
10. Effectue des ajustements en continu pour produire le résultat visé.
A suivre