Artificial intelligence and intuition: Deep learning as an occasion to describeintuition Intelligence artificielle et intuition: Les algorithmes d’apprentissage profondcomme occasion de décrire l’intuition En Fr

Résumé En Fr

Since the years 2010, and thanks to a number of feats achieved by connectionist artificial intelligence (like AlphaGo’s victory), the notion of intuition, which had been put aside by the symbolic approach, has recovered a new legitimacy. According to their inventors, deep learning algorithms manifest intuition. In order to assess this claim, this thesis describes deep learning – its history, operating, and usage –, highlights how it simulates some human abilities (perception, induction, imagination) and provides a definition of artificial intelligence. As it pretends to materialize intelligence, and more specifically intuition and creativity, the project of artificial intelligence steps on the toes of philosophers and constrains them to reopen the question of mind genesis : would gathering the adequate material conditions be enough in order for intelligence to arise, or are there some missing « ingredients », of which intuition is the name ? Drawing on the history of philosophy, like the debate between Descartes and Leibniz about formalism, as well as discussions of contemporary thinkers (Bachelard, Bateson, Caillois, Derrida, Latour, Rosset), AI founders (McCarthy, Turing), and deep learning inventors (LeCun, Hinton), this thesis offers a description of intuition and of some features (comprehension, reflexivity, invention) that seem reluctant to simulation. Finally, it examines the notion of randomness in order to assess the possibility, for a machine, to originate new forms.

Grâce aux succès techniques remportés par l’école connexionniste dans les années 2010, dont la victoire d’AlphaGo, la notion d’intuition, longtemps mise à l’écart par l’école symbolique, a repris droit de cité dans le champ de l’intelligence artificielle (IA). Selon leurs inventeurs, les algorithmes dits « d’apprentissage profond » (deep learning) font preuve d’intuition. Afin d’apprécier la pertinence de cette affirmation, cette thèse présente les réseaux de neurones d’apprentissage profond – leur histoire, leur fonctionnement, leur usage –, et s’arrête sur leur manière de simuler certaines de nos facultés (perception, induction, imagination), puis propose une définition du projet d’intelligence artificielle. En aspirant à matérialiser l’intelligence, et plus précisément l’intuition et la créativité, le projet d’intelligence artificielle s’immisce dans le champ de la philosophie et invite à rouvrir la question de la genèse de la pensée : suffit-il de réunir certaines conditions matérielles pour susciter l’intelligence, ou bien d’autres « ingrédients », dont l’intuition serait le nom, sont nécessaires ? En s’appuyant sur l’histoire de la philosophie (le différend entre Descartes et Leibniz autour de la « pensée aveugle »), sur des textes de penseurs plus contemporains (Bachelard, Bateson, Caillois, Derrida, Latour, Rosset), des fondateurs du projet d’IA (McCarthy, Turing) et de chercheurs actuels (Hinton, LeCun) cette thèse offre une description de l’intuition, de phénomènes récalcitrants à la simulation (compréhension, réflexivité, invention), et mène une réflexion sur le hasard afin de statuer sur la possibilité, pour les machines, d’être à l’origine de formes nouvelles.