IA : vers des robots intelligents ?

International audienceThis article deals with Artificial Intelligence algorithms embedded in present robots and with foreseeable evolutions in forthcoming years. While first robots in the 1960’s years were merely automats “dumbly” repeating identical cycles of actions, those of the XXIst century are more and more adaptive, mobile and interactive. Many currently existing robots are already endowed with some kind of “perception intelligence”, i.e. ability to analyze and interpret their environment (in particular segment the surrounding scene into objects of identified categories, with estimated distances and movements). This is made possible mainly thanks to statistical machine-learning, and more and more to deep-learning of Convolutional Neural Networks. The same kind of techniques allow robots to also become interactive (speech recognition, gestures and action recognition, etc.). After recent breakthroughs of Reinforcement-Learning (cf. AlphaGO), research in AI for robotics is currently turning to learning of behavior for adaptive coordination with their environment. However, life-long learning during operation and artificial curiosity are still in their infancy, and present-day partial intelligences of robots are almost always limited to some specific pre-defined use-cases. Emergence of a “strong” (i.e. general and polyvalent) AI therefore still seems many years away. Nevertheless, it is probable that first robots surpassing Humans in a well-delimited context should soon appear.Cet article fait un point sur les algorithmes d’intelligence artificielle embarqués dans les robots actuels et sur les évolutions prévisibles dans les prochaines années. Alors que les premiers robots des années 1960 s’apparentaient à des automates répétant « bêtement » à l’identique un cycle d’actions, ceux du XXIe siècle sont de plus en plus adaptatifs, mobiles et interactifs. De nombreux robots existants sont déjà dotés d’une intelligence « de perception », c’est-à-dire d’une capacité à analyser et interpréter leur environnement (notamment segmentation de la scène en objets dont on identifie les catégories et estime les distances et les mouvements). Ceci est devenu possible essentiellement grâce à l’apprentissage statistique, et de plus en plus l’apprentissage profond de réseaux convolutifs. Grâce à ces techniques, les robots peuvent intégrer aussi des capacités d’interaction (reconnaissance vocale, reconnaissance de gestes ou actions, etc.). Depuis les percées récentes de l’apprentissage par renforcement (cf. AlphaGO), les recherches en IA pour la robotique se tournent maintenant vers l’apprentissage « de comportement », pour permettre une coordination adaptative avec leur environnement. En revanche, l’auto-apprentissage en continu sur le terrain et la curiosité artificielle sont encore à peine balbutiants et les actuelles « intelligences partielles » des robots restent presque toutes limitées à des cas d’usage spécifiques et prédéfinis. L’émergence d’une IA « forte » (c.-à-d. générale et polyvalente) semble donc encore lointaine. Il est cependant probable qu’apparaîtront prochainement de premiers robots surpassant l’homme dans un contexte bien délimité