Intelligence artificielle symbolique : définition et cas d'usage
L'IA symbolique, courant autrefois majeur en IA, repose sur des représentations symboliques ou lisibles par l'homme. Les raisonnements humains sont ainsi modélisés et transmis à la machine par le biais de règles.
L'IA symbolique, c'est quoi ?
L’intelligence artificielle symbolique a pour but de reproduire le raisonnement de l’Homme en le modélisant par un ensemble de symboles. Cette représentation symbolique est régentée par des règles codées (instructions) permettant d'édicter à la machine dans ses prises de décision.
IA symbolique vs machine learning : quelle différence ?
Le machine learning exploite des algorithmes sans utiliser d’instructions explicites. Les modèles de machine learning intègrent des connaissances et apprennent par eux-mêmes (apprentissage automatisé) à partir d’exemples qui leur ont été fournis. Leurs capacités de prédiction s'étoffent au fur et à mesure de leur apprentissage. En ingérant et modélisant des milliers d'images de chat, un réseau de neurones artificiel pourra par exemple reconnaitre... un chat.
L’intelligence artificielle symbolique repose, elle, sur des règles définies explicitement par le programmeur. Ces règles sont intégrées aux machines pour les guider dans leurs prévisions. Les machines n’improvisent pas et agissent en fonction de ces instructions reçues.
À quoi peut bien servir l'intelligence artificielle symbolique aujourd'hui ?
L’IA symbolique est à l’origine des systèmes experts, très répandus encore aujourd’hui. Leur objectif ? Reproduire la logique et le savoir d’un expert. Pour comprendre leur mode de fonctionnement, prenons l'exemple d'un système expert posant un diagnostic médical. Il pourra typiquement enchaîner la série de règles suivantes : si tel patient a ce symptôme ET que son organisme a cette anomalie, ALORS la probabilité pour que celui-ci ait la maladie X est de Y%.
L’intelligence artificielle symbolique ou lisible par l'homme est un outil efficace dans l'optimisation de processus opérationnel ou la gestion de workflow métier. Elle montre en revanche d’importantes limites dans le traitement du langage naturel ou la reconnaissance d'objets, pour lesquels le machine learning est plus utilisé.
Qu'est-ce que l'IA neuro-symbolique ?
L’IA neuro-symbolique est la combinaison de deux approches de l’IA : l’IA symbolique et les réseaux de neurones artificiels (ou deep learning). L’intelligence artificielle neuro-symbolique combine ainsi l'apprentissage machine reposant sur la modélisation des connaissances et l'approche logique des systèmes experts à base de règles explicites.
Les modèles neuro-symboliques ont démontré leur capacité à surpasser les modèles de deep learning dans des domaines tels que la reconnaissance et l'analyse d'images et vidéo. Il a également été démontré qu'ils obtiennent une grande précision avec beaucoup moins de données d'entraînement que les modèles traditionnels.