لخّصلي

De 1957 à 1974, l'IA a connu un essor grâce à des ordinateurs plus puissants, moins chers et des algorithmes améliorés. Des projets comme le Résolveur de Problèmes Général et ELIZA ont démontré son potentiel, conduisant à des investissements gouvernementaux importants, notamment de la DARPA. Malgré un optimisme initial (Minsky prédisant une IA équivalente à un humain d'ici 1978), des limites de calcul ont freiné les progrès, menant à une baisse des financements. Les années 1980 ont vu un renouveau grâce à l'essor de l'apprentissage profond (Hopfield, Rumelhart) et des systèmes experts (Feigenbaum), stimulé par le projet japonais de cinquième génération d'ordinateurs (FGCP). Bien que le FGCP n'ait pas atteint ses objectifs ambitieux, il a eu un impact indirect. Ironiquement, l'IA a ensuite progressé sans grand soutien gouvernemental, avec des victoires comme celle de Deep Blue contre Kasparov en 1997 et l'intégration de la reconnaissance vocale dans Windows. Des robots capables d'exprimer des émotions, comme Kismet, ont également vu le jour, illustrant les avancées significatives, même si ChatGPT, un modèle linguistique actuel, utilise des réseaux neuronaux inspirés du fonctionnement du cerveau.

De 1957 à 1974, l'IA a connu un essor considérable. Les ordinateurs pouvaient stocker davantage d'informations, étaient plus rapides, moins chers et plus accessibles (Cukier et Mayer-Schönberger 2013 ; Schmidt 2023). Les algorithmes d'apprentissage automatique ont également été améliorés et les gens savent mieux quel algorithme appliquer en fonction du problème posé (Fatima et Pasha 2017 ; Ma et al. 2023).
Les premières démonstrations, comme le Résolveur de Problèmes Général de Newell et Simon, ainsi que l'ELIZA de Joseph Weizenbaum, ont montré tout le potentiel de l'intelligence artificielle dans la résolution de problèmes et l'interprétation du langage parlé. Ces réalisations ont convaincu des organismes gouvernementaux, comme la Defense Advanced Research Projects Agency (DARPA), d'investir dans la recherche en intelligence artificielle au sein de diverses institutions. Une machine capable de transcrire et de traduire la parole ainsi que de traiter des données à grande vitesse suscitait tout particulièrement l'intérêt du gouvernement. L'optimisme était grand et les attentes encore plus élevées.
Dans une déclaration faite à Life Magazine en 1970, Marvin Minsky a affirmé : « D'ici trois à huit ans, nous disposerons d'une machine dotée de l'intelligence générale d'un individu moyen. » Néanmoins, même si la preuve de concept initiale a été établie, il restait une longue route à parcourir avant d'atteindre les objectifs finaux en matière de traitement du langage naturel, de pensée abstraite et de reconnaissance de soi.
Dissiper l'obscurité initiale de l'IA a révélé une myriade d'obstacles. L'essentiel était le déficit de capacité de calcul pour accomplir quoi que ce soit d'important : les ordinateurs étaient tout simplement incapables de conserver suffisamment d'informations ou de les traiter assez rapidement. Par exemple, pour communiquer efficacement, il faut comprendre le sens de plusieurs mots et leur utilisation dans diverses combinaisons. Hans Moravec, alors étudiant de McCarthy, a affirmé que « les ordinateurs étaient encore des millions de fois trop faibles pour démontrer de l'intelligence ». À mesure que la patience s'amenuisait, les fonds se réduisaient et l'avancement de la recherche ralentissait pendant une décennie.
Dans les années 1980, l'intelligence artificielle a connu un nouvel essor grâce à deux facteurs majeurs :
 l'élargissement de l'arsenal algorithmique et une hausse significative des financements. Les techniques d'« apprentissage en profondeur », qui permettent aux ordinateurs d'apprendre par l'expérience grâce à l'expérience, ont été rendues célèbres par John Hopfield et David Rumelhart. D'autre part, Edward Feigenbaum a développé des systèmes experts imitant le processus de prise de décision d'un expert humain. Le programme demanderait à un expert dans un domaine comment réagir dans une situation donnée, et une fois cette réponse enregistrée pour pratiquement toutes les situations, les non-experts pourraient recevoir des conseils de ce programme. Les industries utilisaient fréquemment les systèmes experts.
 Dans le cadre de son projet de cinquième génération en matière d'informatique (FGCP), le gouvernement japonais a investi massivement dans des systèmes experts et d'autres initiatives liées à l'intelligence artificielle.
Entre 1982 et 1990, ils ont consacré 400 millions de dollars pour tenter de transformer l'informatique, d'appliquer la programmation logique et de perfectionner l'intelligence artificielle. Malheureusement, la plupart des objectifs ambitieux n'ont pas été atteints. Cependant, on pourrait soutenir que les effets indirects du FGCP ont inspiré une jeune génération talentueuse d'ingénieurs et de scientifiques. Quoi qu'il en soit, le financement du FGCP a pris fin et l'IA est sortie de l'ombre.
Ironiquement, l'IA a quand même prospéré sans soutien gouvernemental ni tapage médiatique. Durant les années 1990 et 2000, plusieurs objectifs historiques de l'IA ont été atteints : en 1997, le grand maître et champion du monde d'échecs Gary Kasparov a subi une défaite face à Deep Blue, un logiciel d'échecs développé par IBM. Cette rencontre très suivie a marqué la première défaite d'un champion du monde d'échecs en titre face à un ordinateur, et a représenté une avancée significative vers un programme d'intelligence artificielle capable de prendre des décisions. La même année, un logiciel de reconnaissance vocale élaboré par Dragon Systems a été intégré à Windows, constituant un autre progrès significatif, mais orienté vers l'interprétation du langage parlé. Il apparaissait alors qu'aucun problème n'était au-delà de la capacité de gestion des machines. Même l'émotion humaine était un jeu équitable, comme en témoigne Kismet, un robot développé par Cynthia Breazeal qui pouvait reconnaître et afficher des émotions.
Il y a tout de même une certaine ironie. ChatGPT est un modèle linguistique. Il explore des modèles via ce qu'on nomme un réseau neuronal, à savoir une sorte de programme inspiré de la communication entre neurones chez les animaux et les êtres humains.