Intelligence artificielle : mini cheat sheet

Intelligence artificielle

 

Définitions et …. pensées 

 

 

SourceDéfinition
Yann Lecun, professeur à l’Université de New York et Directeur de Facebook AI Research (FAIR)On pourrait dire que l’Intelligence Artificielle (IA) est un ensemble de techniques permettant à des machines d’accomplir des tâches et de résoudre desproblèmes normalement réservés aux humains et à certains animaux.
WikipédiaL'intelligence artificielle est l'intelligence démontrée par les machines. Le terme « intelligence artificielle» est utilisé lorsqu'une machine imite les fonctions «cognitives» que les humains associent à d'autres esprits humains, comme «apprendre» et «résoudre des problèmes». On y trouve donc le côté « artificiel » atteint par l'usage des ordinateurs ou de processus électroniques élaborés et le côté «intelligence » associé à son but d'imiter le comportement.
Jeff Leek, professeur agrégé de biostatistique et d'oncologie à l'école de santé publique Johns Hopkins BloombergEléments composants une intelligence artificielle :
• un jeu de données, soit un ensemble d'exemples de données pouvant être utilisés pour former un modèle d'apprentissage statistique ou automatique à des prédictions.
• un algorithme pouvant être entrainé sur un jeu de données afin de traiter de nouvelles données et exécuter une tâche de type humain.
The world is moving fast. Every day new innovations appear and are likely to revolutionize the activity of our customers. We need to be on the lookout for these new developments and work with the right experts to help our customers navigate their way through this world of information.
MOOC StanfordL'IA est la discipline qui gère l'incertitude et la gère dans la prise de décision.
MITLa tâche que l'IA rend abondante et peu coûteuse est la prédiction - en d'autres termes, la capacité de prendre des informations que vous avez et de générer des
informations que vous n'aviez pas auparavant.

IA faible versus IA forte

 
IA Faible
(descendante ou Artificial Narrow Intelligence: ANI)
Non évolutive. N’a pas conscience d’elle-même. Elle effectue ses tâches et uniquement ce pour quoi elle a été programmée. Elle est donc très performante dans son domaine mais reste confinée dans celui-ci sans possibilité d’évoluer.
IA Forte
(ascendante ou Artificial General Intelligence: AGI
=> Artificial Super Intelligence: ASI)
Intelligence qui a appris à apprendre, impliquerait une augmentation exponentielle de ses capacités, serait multitâches et surpasserait rapidement l’homme. Elle aurait conscience d’elle-même. N’existe pas encore mais ne saurait tarder selon certains experts.

 

Machine learning

 

Machine learning versus deep learning

Cas de la reconnaissance automatique d’images de voiture

Classic (supervised) machine learning• On a un ensemble d’images de voitures étiquetées comme telles.
• On fait des abstractions de chaque image en extrayant « manuellement » leurs caractéristiques essentielles.
• L’IA est ensuite capable de dire si une nouvelle image est une voiture ou non.
Information retrieval• On a un ensemble d’images de voitures étiquetées comme telles.
• L’IA est capable d’extraire seule les caractéristiques essentielles qui font qu’une photo est une photo de voiture.
• L’IA est ensuite capable de dire si une nouvelle image est une voiture ou non.
Content filtering• On a un ensemble d’images de voitures sur des routes, non-étiquetées comme telles.
• L’IA est capable d’extraire seule le fait qu’il apparaît 2 concepts et les a identifiés avec leurs caractéristiques essentielles.

 

Comprendre rapidement le deep learning

 

Aller plus loin sur le deep learning avec Yann LeCun

[/vc_column_text][vc_empty_space][vc_video link= »https://www.youtube.com/watch?v=RgUcQceqC_Y » el_width= »50″][vc_empty_space][vc_column_text]

eep neural networks ou réseaux de neurones

 
  • Construction de fonctions mathématiques complexe en s’inspirant du modèle neuronal biologique. La polyvalence du réseau de neurone permet les adapter à plein d’entrées ou de sorties différentes.
  • Modèles génératifs (DCGAN): donner des nombres aléatoires en entrée et laisser le système générer une donnée qui ne faisait pas partie du lot d’exemples duquel il a appris.

 

Intelligence artificielle versus machine learning

Yann Lecun résume l’intelligence artificielle à un ensemble de techniques permettant à des machines d’accomplir des tâches et de résoudre des problèmes normalement réservés aux humains et à certains animaux.

L’Université de Stanford définit le machine learning comme « la science permettant aux ordinateurs d’agir d’eux-même sans être explicitement programmés pour ce faire  (source : wired)

L’intelligence artificielle comprend le machine learning qui lui-même comprend le deep learning.

 

Principaux usages de l’intelligence artificielle

 

Extrait issu de la présentation de Yann LeCun.

Domaine ENDomaine FRDescription
SearchRechercheClassement des résultats en fonction de la probabilité de clic de l’utilisateur.
Information retrievalRécupération des informationsEst-ce que cette information répond à une requête donnée ?
Content filteringAnalyse de contenuDétection de spam ou de contenu dangereux.
Newsfeed rankingClassement des informationsSélection du contenu sur un réseau social.
Ad rankingClassement des publicitésEst-ce,qu’une personne est susceptible de cliquer sur cette annonce ?
RecommendationRecommandationEst-ce,que ce client va acheter ce produit ?
Collaborative filteringFiltrage collaboratifLes clients qui achètent çà achètent aussi çà …
ClassificationClassificationEst-ce que ce texte parle de politique internationale ?
Sentiment analysisAnalyse de sentimentEst-ce que cette information à propos de la société X est positive ?
Time-series predictionPrédiction de série temporelleStock, matières premières, consommation d’énergie, …

Athi L

No Comments

Sorry, the comment form is closed at this time.

en_USEnglish
fr_FRFrançais en_USEnglish