Les vues de Hubert Dreyfus sur l'intelligence artificielle constituent une critique philosophique significative des objectifs et des méthodes de ce domaine, s'étendant des années 1960 jusqu'au début du XXIe siècle. Dreyfus, professeur de philosophie à l'Université de Californie à Berkeley, soutenait que l'intelligence et l'expertise humaines sont fondamentalement incarnées et dépendantes du contexte, remettant en question l'hypothèse dominante selon laquelle l'intelligence peut être réduite à un suivi de règles logiques ou à une manipulation symbolique. Ses critiques sont devenues influentes dans la formation des débats sur les limites de l'intelligence artificielle et ont inspiré des approches alternatives qui mettent l'accent sur l'apprentissage par l'expérience plutôt que sur la programmation explicite.
L'analyse de Dreyfus était ancrée dans la phénoménologie, en particulier les travaux de Martin Heidegger et Maurice Merleau-Ponty, qui soulignent la primauté de l'engagement pratique sur la réflexion détachée. Il affirmait que les êtres humains ne pensent pas principalement en appliquant des règles formelles à des représentations symboliques, mais plutôt en développant des réponses flexibles et intuitives à travers l'interaction avec le monde. Cette perspective s'opposait directement au paradigme du traitement de l'information qui dominait la recherche précoce en IA, lequel supposait que l'intelligence pouvait être capturée dans des systèmes formels explicites.
Critiques précoces : les années 1960 et 1970
En 1965, Dreyfus publia un rapport intitulé « Alchemy and Artificial Intelligence », financé par la RAND Corporation, qui soutenait que les chercheurs en IA surestimaient les progrès en se concentrant sur des problèmes jouets. Il prédit notamment que les ordinateurs ne maîtriseraient jamais des tâches exigeant du bon sens, comme traduire un langage naturel ou jouer aux échecs à des niveaux experts, car ces tâches requièrent une vaste connaissance de fond non articulée. Ce rapport fut ensuite développé dans le livre de 1972 « What Computers Can't Do », qui critiquait les quatre hypothèses clés de l'IA : l'hypothèse biologique (le cerveau traite l'information comme un ordinateur numérique), l'hypothèse psychologique (l'esprit fonctionne par règles formelles), l'hypothèse épistémologique (toute connaissance peut être rendue explicite) et l'hypothèse ontologique (la réalité est composée de faits atomiques).
La critique de Dreyfus gagna en notoriété lorsque ses prédictions sur les échecs furent contestées. Il soutenait que les premiers programmes de jeu d'échecs étaient fragiles et seraient battus par un joueur humain fort, une affirmation qu'il testa et perdit célèbrement en 1967 lors d'une partie contre le programme Mac Hack. Cependant, il maintint que cela n'invalidait pas son point plus large, car le succès du programme reposait sur une recherche par force brute plutôt que sur une intelligence authentique. Plus tard, Deep Blue d'IBM battit le champion du monde Garry Kasparov en 1997, mais Dreyfus affirma que cette victoire reflétait la puissance de calcul, non une compréhension semblable à celle des humains.
La phénoménologie de l'expertise
Un thème central dans l'œuvre de Dreyfus est la distinction entre connaissance intellectuelle et connaissance incarnée. S'appuyant sur Heidegger, il décrivit l'expertise humaine comme une progression allant de novices suivant des règles à des experts intuitifs qui répondent de manière fluide à des situations concrètes sans délibérer consciemment sur des règles. Par exemple, un conducteur expérimenté ne calcule pas consciemment les distances de freinage ; il perçoit plutôt la route comme une affordance pour l'action. Dreyfus soutenait que les systèmes d'IA, étant basés sur des règles, ne pourraient jamais atteindre ce niveau de saisie intuitive, car ils manquent d'un corps et d'une histoire vécue d'engagement avec le monde.
Dans « What Computers Still Can't Do » (1992), une édition révisée, Dreyfus aborda les avancées du domaine mais réaffirma sa position. Il loua les approches de apprentissage automatique et de réseaux de neurones pour dépasser les règles explicites, mais soutint que ces méthodes restaient insuffisantes car elles reposent sur la reconnaissance statistique de formes plutôt que sur une compréhension authentique. Il suggéra que des systèmes véritablement intelligents nécessiteraient quelque chose comme un corps humain - une affirmation qui résonna plus tard avec le domaine de l'« IA incarnée » mais reste philosophiquement contestée.
Réponses ultérieures et tournant pragmatique
Dans les années 2000, Dreyfus déplaça son attention vers les implications éthiques et sociales de la technologie, mais il continua à commenter l'IA. Il reconnut le succès des approches statistiques dans des domaines étroits, comme la reconnaissance vocale et la classification visuelle, tout en maintenant qu'elles manquaient d'intelligence générale. Dans un article de 2007, « Why Heideggerian AI Failed and How Fixing It Would Require Making It Heideggerian », il soutint que les efforts pour construire une « IA heideggérienne » par des chercheurs comme Rodney Brooks de MIT CSAIL étaient philosophiquement erronés, car ils traitaient encore le corps comme un dispositif computationnel.
Les travaux ultérieurs de Dreyfus explorèrent également le rôle du risque et de l'engagement dans l'expertise, s'appuyant sur la philosophie de Kierkegaard. Il suggéra que la véritable expertise exige un investissement émotionnel et un sens de ce qui est en jeu, ce qu'aucun système computationnel ne pourrait reproduire. Cette perspective informa ses critiques des tentatives de simuler le jugement moral humain dans les systèmes de apprentissage automatique.
Influence sur la recherche en IA
Malgré ses prédictions négatives, l'œuvre de Dreyfus eut un impact positif sur l'IA. Il influença le développement de paradigmes alternatifs tels que le connexionnisme et la robotique située, qui mettent l'accent sur l'apprentissage à partir de données et l'interaction avec l'environnement plutôt que sur le raisonnement symbolique. Ses critiques contribuèrent également à l'« hiver de l'IA » des années 1980, lorsque le financement de l'IA symbolique déclina, poussant les chercheurs à explorer des méthodes statistiques. Les développements modernes dans le apprentissage profond et les grands modèles de langage, comme ceux de OpenAI et Google DeepMind, peuvent être vus comme une validation partielle de sa critique selon laquelle les règles explicites sont insuffisantes, tout en remettant en question son affirmation que de tels systèmes ne peuvent atteindre une compétence significative.
À la fin des années 2010, Dreyfus observa que les systèmes d'IA étaient devenus compétents dans les tâches de reconnaissance de formes mais manquaient encore de la compréhension holistique et de bon sens que possèdent les humains. Il resta prudent face aux affirmations sur l'intelligence générale artificielle, soulignant que l'intelligence est inséparable de l'expérience incarnée. Ses vues continuent d'être étudiées dans les cours de philosophie de l'IA et ont été référencées par des chercheurs comme Brendan Lake et Joshua Tenenbaum, qui plaident pour des modèles combinant apprentissage statistique et raisonnement symbolique.
Héritage et pertinence contemporaine
Hubert Dreyfus est décédé en 2017, mais ses critiques restent une référence pour les discussions sur les limites et les possibilités de l'IA. Son accent sur l'incarnation et l'intuition a été influent dans des domaines tels que l'interaction homme-robot et l'IA explicable. À l'ère de ChatGPT et d'autres grands modèles de langage, son argument selon lequel la compréhension exige plus que la manipulation de texte a gagné une attention renouvelée, car ces systèmes peuvent produire un texte plausible mais échouent souvent sur des tâches simples de bon sens ou de raisonnement physique. L'œuvre de Dreyfus sert ainsi de rappel que l'intelligence n'est pas seulement une question de calcul, mais est profondément ancrée dans le tissu des êtres vivants.
Références dans les débats philosophiques
Les idées de Dreyfus ont été critiquées par beaucoup dans la communauté de l'IA, qui pointent les progrès rapides du apprentissage automatique et soutiennent que son scepticisme reposait sur une vision trop étroite de ce que les ordinateurs pouvaient faire. Par exemple, le succès du apprentissage profond dans des jeux comme le Go et le poker a montré que les méthodes statistiques peuvent surpasser l'intuition humaine dans certains domaines. Cependant, le contre-argument de Dreyfus, selon lequel ces systèmes sont « intelligents » seulement de manière superficielle et manquent de compréhension authentique, reste un défi philosophique.
En somme, les vues de Dreyfus sur l'IA sont une investigation pionnière des fondements philosophiques du domaine, soulevant des questions qui restent encore non résolues aujourd'hui : l'intelligence peut-elle être réduite au calcul ? Les machines ont-elles besoin de corps pour penser ? Quel rôle joue la connaissance tacite dans l'expertise ? Ces questions continuent de façonner à la fois la recherche en IA et le discours public sur l'avenir de la technologie.