Une entreprise développe une IA destinée à découvrir de nouvelles idées innovantes dans une grande archive de textes.
L'IA doit établir des connexions créatives et proposer des solutions inhabituelles afin de stimuler la recherche et le développement.
Au début, l'IA fournit de nombreuses propositions, mais on remarque vite : la plupart des idées sont très conventionnelles et reposent sans cesse sur les mêmes concepts connus.
Les approches inhabituelles ou vraiment novatrices apparaissent à peine.
L'entreprise se demande : pourquoi l'IA génère-t-elle si peu d'idées créatives ou originales, restant toujours sur des schémas évidents et familiers ?
Question : Pourquoi une IA entraînée sur de grandes quantités de textes a-t-elle tendance à générer surtout des idées évidentes et familières, au lieu de faire des propositions vraiment innovantes ou surprenantes ?
Solution à suivre demain.
Solution
L'IA a été entraînée sur des textes existants qui contiennent majoritairement des idées et des schémas connus et établis.
Elle apprend à reconnaître des liens et des probabilités basés sur des combinaisons fréquentes et des concepts existants.
Comme les idées vraiment nouvelles et créatives sont rares et statistiquement inhabituelles, l'IA les évalue comme moins probables ou moins appropriées.
L'objectif d'entraînement, qui est de générer les propositions les plus plausibles et les mieux explicables, conduit l'IA à privilégier surtout des connexions familières et évidentes.
Les innovations qui s'écartent fortement des schémas existants ne sont souvent pas reconnues comme pertinentes par l'IA et sont donc à peine produites.
Résultat : Une IA basée sur des données existantes peut avoir des difficultés à montrer une vraie créativité, car elle est optimisée pour les probabilités et le connu. Pour des applications créatives, des stratégies et méthodes d'entraînement spécifiques sont donc nécessaires, qui encouragent et récompensent délibérément des combinaisons inhabituelles.