Depuis plusieurs décennies, maintenant que la recherche dans le domaine de l’intelligence artificielle existe, il y a toujours eu deux camps bien distincts. Les “symbolistes” qui cherchent à faire grandir une intelligence artificielle par le machine learning, en codant à l’aide de règles logiques et les “connexionnistes” qui tentent de construire des réseaux de neurones artificiels en s’inspirant de la biologie. Pour la première fois, ces deux approches distinctes de l’intelligence artificielle ont décidé de collaborer pour créer un programme capable “d’apprendre le monde comme un enfant le ferait”, d’après le MIT.

Effectivement, IBM, DeepMind et le MIT travaillent actuellement sur un programme informatique baptisé “neuro-symbolic concept learner” ou encore “NS-CL”, qui consiste en la combinaison des deux approches citées ci-dessus. Un réseau neuronal apprend à cartographier les questions en langage naturel à un programme simple qui peut être exécuté sur une scène pour formuler une réponse. Pas simple à comprendre.

Le système NS-CL est aussi capable de comprendre des concepts symboliques, comme des objets, ou même des relations spatiales. Ces recherches devraient permettre de répondre à des problématiques inexplorables en utilisant que l’une des deux approches de l’intelligence artificielle. L’IA reconnaît de nouveaux concepts et peut les relier visuellement à la scène qui l’entoure.

Brenden Lake, professeur adjoint à l’Université de New York précise que : “c’est une approche passionnante. Pour faire simple, le réseau neuronal du programme permet au système de voir, tandis que les programmes symboliques lui permettent de raisonner. Avec la combinaison de ces deux approches, l’intelligence artificielle va au-delà de ce que les systèmes actuels de deep learning peuvent faire”.