Sciences - Technologies et innovations - 97 min Version française

L'intelligence artificielle va-t-elle remplacer l'humanité ? Ce documentaire prend la mesure de l'emprise des algorithmes sur nos vies. Il donne la parole à ceux qui débattent de l'IA (sociologues, avocats des droits de l'homme, scientifiques ou journalistes d'investigation) et à ceux qui l'inventent, comme Jürgen Schmidhuber et Ilya Sutskever, à la posture ambivalente.

"La création d'une intelligence artificielle serait le plus grand événement de l'histoire de l'humanité. Mais il pourrait être aussi le dernier", disait Stephen Hawking. Le célèbre cosmologiste avait prévu la croissance infinie de l'informatique mais partageait avec certains pionniers la crainte qu'elle ne devienne incontrôlable. Aujourd'hui, l'IA promet d'aider à guérir des maladies, de faire face aux changements climatiques ou de combattre la pauvreté. Mais elle menace aussi d'influer insidieusement sur nos comportements, de mettre à mal l'idée même de sphère privée ou d'aider les dictatures à asseoir leur pouvoir. En proie à une surveillance algorithmique, notre identité peut dorénavant se réduire… à des données.

Toute-puissance
L'IA sera vite dépassée. On parle aujourd'hui d'une intelligence artificielle générale (IAG), capable de s'adapter et d’apprendre seule, qui égalerait, voire dépasserait les capacités humaines. De quoi allécher les firmes qui font commerce des données numériques (les célèbres Gafam). Le documentaire dresse l'état des lieux de l'IA en donnant la parole à ceux qui en débattent (sociologues, avocats des droits de l'homme, scientifiques ou journalistes d'investigation) mais aussi à ceux qui l'inventent, comme Jürgen Schmidhuber et Ilya Sutskever, deux grands chercheurs et initiateurs, à la posture ambivalente : conscients de la toute-puissance de leur création mais déterminés à poursuivre leurs travaux.
Réalisation : Tonje Hessen Schei Pays : Norvège Année : 2019
Tr.: ... LSTM ...
Ndlr : LSTM ? -> de la famille des réseaux de neurones récurrents "Un réseau Long short-term memory (LSTM), en français réseau récurrent à mémoire court et long terme ou plus explicitement réseau de neurones récurrents à mémoire court-terme et long terme, est l'architecture de réseau de neurones récurrents la plus utilisée en pratique qui permet de répondre au problème de disparition de gradient." selon https://fr.wikipedia.org/wiki/R%C3%A9seau_de_neurones_r%C3%A9currents