Le projet des systèmes informatiques de cinquième génération (FGCS) était un projet de recherche de dix ans lancé par le ministère du Commerce international et de l'Industrie (MITI) du Japon en 1982, avec pour objectif de développer une nouvelle classe d'ordinateurs qui exploiteraient l'intelligence artificielle et le traitement parallèle avancé. Le projet a été officiellement conclu en 1992, après une première phase de cinq ans et une extension subséquente de cinq ans. Il visait à dépasser l'architecture conventionnelle de von Neumann, qui traite les instructions de manière séquentielle, pour se tourner vers des machines capables de raisonner, d'inférer et de gérer de vastes bases de connaissances, permettant ainsi des avancées dans des domaines tels que le traitement du langage naturel et les systèmes experts.
Le projet FGCS était une réponse à la domination occidentale perçue dans le domaine de l'informatique, en particulier par les États-Unis. Les planificateurs japonais pensaient qu'un effort national pourrait surpasser les technologies existantes et positionner le Japon comme un leader dans l'ère de l'information émergente. Le projet était basé à l'Institut pour la technologie des ordinateurs de nouvelle génération (ICOT), établi à Tokyo, et impliquait une collaboration entre les grandes entreprises électroniques japonaises, notamment Fujitsu, NEC et hitachi, bien que cette dernière ne figure pas dans la liste fournie. L'initiative a attiré l'attention internationale et a suscité des programmes de recherche similaires aux États-Unis et en Europe, tels que l'Initiative de calcul stratégique et le Programme européen de recherche stratégique en technologies de l'information (ESPRIT).
Technologies de base et approche
Le projet FGCS était construit autour du paradigme de la programmation logique, en particulier le langage Prolog, qui a été étendu en un langage logique concurrent appelé KL1 (Kernel Language 1). La conception était centrée sur des machines d'inférence parallèles, où plusieurs processeurs travailleraient simultanément sur des déductions logiques. Le projet a développé du matériel spécialisé, y compris la machine d'inférence séquentielle personnelle (PSI) et le système Multi-PSI, qui ont démontré des formes précoces d'exécution parallèle. De plus, le projet a créé le langage de représentation des connaissances (KRL) et un système de gestion de bases de connaissances à grande échelle, visant à stocker et à récupérer efficacement des millions de faits.
Malgré des réalisations techniques significatives, le FGCS n'a pas atteint son objectif ultime de créer un ordinateur de cinquième génération pleinement opérationnel. Le matériel, bien qu'innovant, était coûteux et limité en termes d'évolutivité. Plus crucialement, l'approche de programmation logique s'est révélée moins flexible que prévu pour les applications du monde réel, qui nécessitent souvent de gérer l'incertitude et les informations incomplètes. Au début des années 1990, l'essor des ordinateurs personnels, d'Internet et de techniques d'IA plus pragmatiques, telles que les méthodes statistiques et le Machine learning, a éclipsé le paradigme de raisonnement symbolique défendu par le FGCS.
Impact et héritage
Bien que le projet FGCS soit souvent considéré comme un échec en ce qui concerne ses objectifs initiaux, il a eu des effets durables. Il a formé une génération de scientifiques et d'ingénieurs informatiques japonais, dont beaucoup ont ensuite contribué à d'autres domaines. Le projet a également stimulé les investissements mondiaux dans la recherche en IA et a souligné l'importance du calcul parallèle, qui est devenu plus tard courant dans le calcul haute performance et l'entraînement moderne des Neural network. Le concept d'un ordinateur de « cinquième génération » est cependant devenu un exemple édifiant des initiatives technologiques gouvernementales trop ambitieuses, contrastant avec les progrès plus incrémentaux et axés sur le marché observés en Occident.
Le FGCS a également influencé les orientations ultérieures de la recherche en IA. Son accent sur la représentation des connaissances et le raisonnement a jeté les bases de systèmes experts ultérieurs et d'approches basées sur les ontologies, bien que celles-ci aient été largement supplantées par le Deep learning et les Large language models dans les années 2010. L'héritage du projet est donc double : il a démontré la faisabilité d'une recherche coordonnée à grande échelle, mais a également révélé les limites de l'IA purement symbolique, contribuant au soi-disant « hiver de l'IA » de la fin des années 1980 et du début des années 1990, lorsque le financement et l'intérêt pour l'IA ont décliné.
Comparaison avec l'IA moderne
Contrairement à l'approche basée sur la logique du FGCS, l'IA moderne repose fortement sur l'apprentissage statistique à partir de vastes ensembles de données, en utilisant des architectures comme le Transformer (architecture) et des techniques telles que le Deep learning. Des entreprises comme OpenAI, Google DeepMind et Anthropic ont obtenu des résultats remarquables dans la compréhension et la génération du langage naturel, des tâches que le FGCS envisageait mais ne pouvait pas réaliser. Le passage de règles codées à la main à des représentations apprises, rendu possible par les avancées matérielles comme les GPU de NVIDIA (bien que non inclus dans la liste fournie, c'est un fait pertinent) et la fabrication de TSMC, a transformé le domaine. L'accent mis par le FGCS sur le traitement parallèle, cependant, a préfiguré le calcul parallèle utilisé dans l'entraînement des modèles modernes, bien qu'avec un matériel et des algorithmes différents.
Conclusion
Le projet des systèmes informatiques de cinquième génération reste un épisode historique significatif dans l'évolution de l'informatique et de l'IA. Il représentait une vision audacieuse d'ordinateurs en tant que machines de raisonnement, mais son exécution a été contrainte par la technologie et la compréhension théorique de son époque. Bien qu'il n'ait pas livré la révolution promise, il a contribué au dialogue mondial sur l'IA et l'informatique, et ses leçons continuent d'informer les discussions sur le rôle du gouvernement dans l'innovation technologique. La fin du projet en 1992 a marqué une transition, alors que le domaine évoluait vers des approches plus empiriques et axées sur les données qui aboutiraient finalement aux systèmes d'IA d'aujourd'hui.