vignette|Historique du développement de l'Intelligence Artificielle situant ses deux hivers. Dans l'histoire de l'intelligence artificielle (IA), un hiver de l'IA est une période de réduction des financements et de l'intérêt pour la recherche en IA. Ce domaine connait plusieurs cycles d'optimisme, suivis de déceptions et de critiques, puis de réductions de financement, avant de susciter un regain d'intérêt des années, voire des décennies plus tard.
Le terme « hiver de l'IA » apparait pour la première fois en 1984 lors d'un débat public à l'occasion de la réunion annuelle de l'AAAI (alors dénommée « American Association of Artificial Intelligence »). Roger Schank et Marvin Minsky, deux chercheurs de premier plan dans le domaine de l'IA qui ont connu l'« hiver » des années 1970, avertissent le monde des affaires que l'enthousiasme pour l'IA est devenu incontrôlable (dans les années 1980) et que la déception ne manquerait pas de suivre. Ils décrivent une réaction en chaîne, similaire à un « hiver nucléaire », qui commencerait par le pessimisme de la communauté de l'IA, suivi d'un désintéret de la presse, puis d'une réduction drastique des financements, et enfin de la fin des recherches sérieuses. Trois ans plus tard, l'industrie de l'IA, qui pesait plusieurs milliards de dollars, commence à s'effondrer.
Il y a eu deux « hivers » majeurs, approximativement entre 1974 et 1980 et entre 1987 et 2000Howe, J. (November 1994). "Artificial Intelligence at Edinburgh University : a Perspective". Archived from the original on 17 August 2007. Retrieved 30 August 2007., ainsi que plusieurs épisodes mineurs, notamment les suivants: 1966 : échec de la traduction automatique 1969 : critique des perceptrons (premiers réseaux neuronaux artificiels à couche unique) 1971-1975 : frustration de la DARPA en lien avec le programme de recherche sur la compréhension de la parole de l'université Carnegie Mellon 1973 : forte diminution de la recherche en IA au Royaume-Uni en réponse au rapport Lighthill 1987 : effondrement du marché des machines LISP 1988 : annulation des nouvelles dépenses consacrées à l'IA par la Strategic Computing Initiative Années 1990 : abandon de nombreux systèmes experts. À partir de 2012 environ, l'intérêt des milieux de la recherche et des entreprises pour l'intelligence artificielle (et en particulier le sous-domaine de l'apprentissage automatique) a entraîné une augmentation spectaculaire des financements et des investissements, conduisant à un boom de l'intelligence artificielle Will Knight, « », Wired, 7 décembre 2023 , consulté le 30 janvier 2024.
Les débuts
La traduction automatique et le rapport ALPAC de 1966 La recherche en traitement du langage naturel (NLP) trouve ses racines au début des années 1930 et a débuté avec les travaux sur la traduction automatique. Cependant, des avancées et des applications significatives commencent à voir le jour après la publication du mémorandum influent de Warren Weaver, Machine translation of languages: fourteen essays (Traduction automatique des langues : quatorze essais), en 1949Warren Weaver (1949). "Translation". In William N. Locke; A. Donald Booth (eds.). Machine translation of languages: fourteen essays (PDF). Cambridge, MA; New York: Technology Press of the Massachusetts Institute of Technology; John Wiley & Sons. . .. Ce mémorandum suscite un vif enthousiasme au sein de la communauté scientifique. Au cours des années suivantes, des événements notables se déroulent: IBM se lance dans le développement de la première machine, le MIT nommé son premier professeur en traduction automatique et plusieurs conférences consacrées à la traduction automatique ont lieu. Le point culminant est atteint avec la démonstration publique de la machine Georgetown-IBM, qui suscite un vif intérêt dans les journaux en 1954.
Comme pour tous les booms de l'IA suivis par des hivers de l'IA, les médias ont eu tendance à exagérer l'importance de ces développements. Les gros titres sur l'expérience Georgetown-IBM annonçait «La machine bilingue», «Le cerveau robotique traduit le russe en anglais royal»et «Une création polyglotte». Cependant, la démonstration se limitait à la traduction en anglais d'un ensemble sélectionné de seulement 49 phrases russes, le vocabulaire de la machine étant limité à seulement 250 mots. Pour mettre les choses en perspective, une étude réalisée en 2006 par Paul Nation a révélé que les humains ont besoin d'un vocabulaire d'environ pour comprendre des textes écrits avec une précision de 98 %.
Pendant la guerre froide, le gouvernement américain s'intéresse particulièrement à la traduction automatique et instantanée de documents et de rapports scientifiques russes. À partir de 1954, il soutient activement les efforts en matière de traduction automatique. L'intérêt manifesté par la Central Intelligence Agency (CIA) contribue également à faire progresser le domaine de la traduction automatique. À cette époque, la CIA est fermement convaincue de l'importance de développer des capacités de traduction automatique et soutient les initiatives dans ce sens. Elle reconnait également que ce programme a des implications qui dépasse les intérêts de la CIA et de la communauté du renseignement.
Au départ, les chercheurs étaient optimistes. Les nouveaux travaux de Noam Chomsky en grammaire permettaient de mieux comprendre le processus de traduction et « de nombreuses prédictions annonçaient des percées imminentes ».
Cependant, les chercheurs avaient sous-estimé la profonde difficulté de la désambiguïsation lexicale. Pour traduire une phrase, une machine doit avoir une idée du sens de cette phrase, sinon elle commet des erreurs. Un exemple apocrypheest « l'esprit est disposé, mais la chair est faible ». Traduit de manière répétée en russe, il est devenu « la vodka est bonne, mais la viande est pourrie ». Plus tard, les chercheurs ont appelé cela le problème de la connaissance commune.
En 1964, le Conseil national de la recherche s'inquiéte de l'absence de progrès et crée le Comité consultatif sur le traitement automatique du langage (ALPAC) afin d'étudier le problème. Dans un rapport célèbre publié en 1966, le comité conclut que la traduction automatique est plus coûteuse, moins précise et plus lente que la traduction humaine. Après avoir dépensé quelque de dollars, le NRC met fin à tout soutien. Des carrières sont détruites et la recherche prend fin.
L'échec des réseaux neuronaux à couche unique en 1969 Les réseaux ou circuits simples d'unités connectées, notamment le réseau neuronal de Walter Pitts et Warren McCulloch pour la logique et le système SNARC de Marvin Minsky, ne donnent pas les résultats escomptés et sont abandonnés à la fin des années 1950. Après le succès de programmes tels que Logic Theorist et General Problem Solver les algorithmes de manipulation de symboles semblent alors plus prometteurs pour parvenir à un raisonnement logique, considéré à l'époque comme l'essence même de l'intelligence, qu'elle soit naturelle ou artificielle.
L'intérêt pour les perceptrons, inventés par Frank Rosenblatt en 1957, n'est maintenu que grâce à la force de sa personnalitéPamela McCorduck quotes one colleague as saying, "He was a press agent's dream, a real medicine man." (McCorduck 2004, ). Il prédit avec optimisme que le perceptron « pourrait à terme être capable d'apprendre, de prendre des décisions et de traduire des langues ». La recherche traditionnelle sur les perceptrons prend fin en partie parce que l'ouvrage Perceptrons, publié en 1969 par Marvin Minsky et Seymour Papert, souligne les limites des capacités des perceptrons. Même si l'on savait déjà que les perceptrons multicouches n'étaient pas concernés par ces critiques, personne dans les années 1960 ne savait comment entraîner un perceptron multicouche. La rétropropagation était encore loin d'être inventée.
Dans les années 1970 et au début des années 1980, Il est difficile de trouver des financements importants pour des projets liés aux réseaux neuronaux. D'importants travaux théoriques se sont toutefois poursuivis malgré le manque de financement. L'hiver des réseaux neuronaux prit fin au milieu des années 1980, lorsque les travaux de John Hopfield, David Rumelhart et d'autres suscitèrent à nouveau un intérêt à grande échelle. Rosenblatt ne vécut cependant pas assez longtemps pour assister à cette renaissance, puisqu'il mourut dans un accident de bateau peu après la publication de Perceptrons.
Les échecs des années 1970
Le rapport Lighthill En 1973, le professeur Sir James Lighthill est invité par le Parlement britannique à évaluer l’état de la recherche en intelligence artificielle au Royaume-Uni. Son rapport critique l’échec de l’IA à atteindre ses «objectifs ambitieux». Il conclut que rien de ce qui était fait en IA ne pouvait être fait dans d’autres sciences. Il mentionne notamment que les algorithmes les plus performants de l’IA échoue sur des problèmes du monde réel et ne sont adaptés qu’à la résolution de problèmes ludiques.
Le rapport fait l’objet d’un débat diffusé dans la série « Controversy » de la BBC en 1973. Le débat « The general purpose robot is a mirage » oppose Lighthill à l’équipe de Donald Michie, John McCarthy et Richard Gregory. McCarthy a plus tard écrit que «le problème de l’explosion combinatoire a été reconnu en IA dès le début».
Le rapport a conduit à l’arrêt de la recherche sur l’IA au Royaume-Uni. Seule quelques universités (Edinburgh, Essex et Sussex) continue leur programme. La recherche ne reprendra pas à grande échelle avant 1983, lorsque le projet de recherche Alvey du gouvernement britannique recommencé à financer l’IA, avec un budget de de livres sterling, en réponse au projet japonias Fifth Generation project . Alvey a un certain nombre d’exigences propres au Royaume-Uni qui déplaisent à l’international, en particulier aux partenaires américains, et la phase 2 du programme n'ai pas financé.
Réduction des financements de la DARPA au début des années 1970 Au cours des années 1960, la Defense Advanced Research Projects Agency (alors connue sous le nom d’« ARPA », aujourd’hui connue sous le nom de « DARPA ») a fourni des millions de dollars pour la recherche en IA. J. C. R. Licklider, le fondateur de la division informatique de la DARPA, croit en « un financement des personnes, et non des projets » et lui et plusieurs de ses successeurs permettent aux leaders de l’IA (tels que Marvin Minsky, John McCarthy, Herbert A. Simon ou Allen Newell) de dépenser cet argent comme ils le souhaitaient.
Cette attitude change après l’adoption de l’amendement Mansfield en 1969, qui exige de la DARPA qu’elle finance «des recherches directes axées sur des missions plutôt que des recherches fondamentales non orientées». Les recherches fondamentales non orientées du type de celles qui avaient été menées dans les années 1960 ne sont plus financées par la DARPA. Les chercheurs doivent désormais démontrer que leur travail aboutira à la mise au point d’une technologie militaire utile. Les propositions de recherche en IA étaient soumises à des critères très stricts. La situation se détériore avec le rapport Lighthill et l’étude de la DARPA, qui ont tous deux conclu que la plupart des recherches en IA ne produiront rien de vraiment utile dans un avenir prévisible. Les fonds de la DARPA sont affectés à des projets spécifiques ayant des objectifs précis, comme des chars autonomes et des systèmes de gestion de combat. En 1974, il devient difficile de trouver des fonds pour des projets en IA.