2012 : Chercheur en IA au travail

Le domaine est plus récent que la plupart des gens ne le pensent : l'expression « intelligence artificielle » a été inventée en 1955 pour un atelier d'été de 1956 au Dartmouth College, et le travail a connu deux cycles d'expansion et d'« hiver » depuis lors – des périodes où le financement s'est effondré après que les premières promesses n'aient pas été tenues. L'approche dominante d'aujourd'hui, l'apprentissage profond, a passé des décennies en position minoritaire avant qu'un seul concours de reconnaissance d'images de 2012 et qu'un article de 2017 sur « l'attention » ne remodèlent l'ensemble de la discipline autour de réseaux neuronaux de plus en plus vastes, entraînés sur toujours plus de données.

La recherche en IA est atypique parmi les métiers de ce site, car son sujet et son instrument sont la même technologie. Les outils construits à partir des propres résultats du domaine rédigent désormais des analyses de la littérature, proposent des expériences et écrivent du code pour les entraînements ; quelques laboratoires tentent ouvertement d'automatiser certaines parties du processus de recherche lui-même. Ce qui survit à cette pression, et ce qui ne survit pas, est la question à laquelle le reste de ce profil tente de répondre honnêtement plutôt que de manière rassurante.

Que fait réellement un chercheur en IA au quotidien ? La plupart des journées sont consacrées à la lecture d'articles récents, à l'écriture et au débogage du code d'entraînement, à l'attente et à l'analyse des résultats d'expériences de longue durée et à la discussion des résultats avec des collaborateurs. Contrairement à l'image populaire, une grande partie du travail consiste à diagnostiquer pourquoi un modèle est moins performant ou pourquoi un résultat ne se reproduit pas, et non à réfléchir à de nouvelles architectures à partir de zéro.