INTELLIGENCE ARTIFICIELLE : les fondamentaux

Quelles sont les principales technologies développées ?

L’intelligence est généralement associée à l’apprentissage.

Celui-ci permet à une entité d’exécuter une tâche, d’améliorer ses performances avec l’expérience mais aussi d’apprendre à accomplir de nouvelles tâches et acquérir de nouvelles compétences.

Comme il est impossible d’écrire un programme fonctionnant dans toutes les situations, l’apprentissage dit « machine » a été développé. Ce type d’apprentissage (filtrer les contenus, ordonner les réponses à une recherche, sélectionner des informations ou faire des recommandations aux utilisateurs) est au coeur de tous les systèmes d’I.A. des grandes entreprises telles que les FAANG.

Quels sont les différents types d’apprentissage machine ?

  • l’apprentissage automatique (ou « machine learning« )

Ce type d’apprentissage tente de modéliser les processus cognitifs (acquisition de connaissances sur l’environnement) à partir de l’analyse d’expériences passées et non de règles formelles logiques.

Le processus se déroule en deux temps:

  • une phase d’apprentissage : ajustement des paramêtres du modèle à partir des données fournies,
  • une phase d’inférence : la tâche fixée est réalisée à partir des paramètres appris.

On a recours à plusieurs techniques:

  • l’apprentissage supervisé: durant la phase d’apprentissage, on soumet des données catégorisées à la machine. Par généralisation, elle doit être ensuite capable de reconnaitre une catégorie dans des données non catégorisées.
  • l’apprentissage non supervisé: on soumet à la machine des données non catégorisées. Elle établit les catégories en phase d’apprentissage et doit être capable par généralisation de reconnaitre une catégorie dans de nouvelles données non catégorisées.
  • l’apprentissage par renforcement ne fait appel à aucune base d’exemples en entrée. L’apprentissage se fait via des interactions avec l’environnement. La machine effectue une action, l’environnement change et une récompense lui est attribuée en fonction du résultat obtenu. La machine découvre progressivement les actions qui permettent d’obtenir le meilleur résultat. L’apprentissage par renforcement désigne la situation où la machine ne reçoit qu’un simple signal, une sorte de récompense.

L’apprentissage non supervisé et par renforcement sont loin d’être encore au point.

Suite, page suivante : cliquer sur « 3 » ci-dessous

Laisser un commentaire