#Météo quotidienne Actualité locale Actualité départementale Actualité sportive Derniéres minutes maville.com Fréjus-Saint-Raphaël * S'inscrire * Se connecter * + Mon compte + Mon espace PRO + Déconnexion * maville.com * Info + Accueil Info + Info en continu + Info locale + Info départementale + Info nationale + Insolite + Internautes + Galeries photos info + Archives actualité * Sport + Accueil Sport + Actualité sportive régionale + Actualité sportive nationale et internationale + Buzz Sport + Galeries photos sport * Restos & Bars + Accueil Restos & Bars + Trouvez un restaurant + Trouvez un bar + Ajoutez un établissement + Professionnel, gérez votre fiche + Toutes nos catégories * Ciné + Accueil Cinéma + Les sorties de la semaine + Trouvez une séance + Les films à l'affiche + Actualité cinéma + Archives Cinéma + Bandes-annonces + Séries TV * Sorties + Agenda des sorties + Actualité de vos sorties + Galeries photos sorties * Annonces * Jeux + Accueil Jeux + Liste des jeux + Liste des gagnants + Jeux concours photos * NEW Deals + Tous les Deals + * Shopping + Accueil Shopping + Vidéos * Météo * Recettes + Accueil Recettes + Recettes de cuisine + Recettes Faciles + Menus de la semaine + Conseils cuisine + Déposez une recette * Pratique + Infos pratiques + Urgences + Programme TV + Contactez-nous ____________________ (Submit) Rechercher Info Qui, quoi ? ____________________ (Submit) Accueil Info Info en continu Fréjus-Saint-Raphaël Qu’est-ce que l’intelligence artificielle ? [Décryptage] logo Ouest-France Mardi 10 octobre 2017 17:57 Qu’est-ce que l’intelligence artificielle ? [Décryptage] ... * IFRAME: https://www.facebook.com/plugins/like.php?href=https%3A%2F%2Ffrejus -saintraphael.maville.com%2Factu%2Factudet_-qu-est-ce-que-l-intelli gence-artificielle-%255Bdecryptage%255D_fil-3298150_actu.Htm%3Fxtor %3DAL-150%26utm_source%3DFacebook%26utm_medium%3DReseau%26utm_campa ign%3DFacebook_like&layout=button_count&show_faces=false&width=100& action=like&colorscheme=light&height=21 * * Facebook * Twitter * Google + photo l'intelligence artificielle en question. © reuters L'intelligence artificielle en question.© Reuters L’intelligence artificielle (IA) est devenue omniprésente : les géants Google, Apple, Facebook, Amazon, Microsoft investissent massivement pour en doter leurs produits, des nouvelles start-up se créent tous les jours autour de l’IA, les experts prédisent qu’elle va profondément transformer les emplois et la société. Mais de quoi parle-t-on précisément ? Éléments de réponse avec Eric Sibony, cofondateur et directeur scientifique de Shift Technology, en partenariat avec Les Cahiers Lysias. Il est difficile de comprendre ce qui est en train de se passer tant les communications sur le sujet sont nombreuses et portent à confusion. Nous nous proposons dans cet article de présenter de manière synthétique ce qu’est l’IA, par une description de son objet et de ses techniques. L’objet de l’intelligence artificielle L’intelligence artificielle est le domaine scientifique qui traite de l’étude, la conception et la mise en œuvre de « machines intelligentes ». Il se situe aujourd’hui à l’intersection de très nombreux domaines de l’informatique et des mathématiques appliquées, et il est difficile d’en donner une définition qui fasse consensus. Celle que nous posons ici a le mérite d’être synthétique et générique, mais il faut bien sûr préciser ce que l’on entend par « machine intelligente » pour qu’elle ait un intérêt. Il convient d’abord de rappeler qu’ici, le mot « machine » ne désigne pas un objet physique mais plutôt un système automatique capable de traiter de l’information. L’objet d’étude de l’intelligence artificielle est donc différent de celui de la robotique, qui se consacre aux machines qui effectuent des mouvements dans l’espace. Ainsi, quand on parle de « robot » en intelligence artificielle on fait référence à un programme informatique faisant preuve d’une certaine forme d’intelligence, comme HAL 9 000 dans 2001 l’Odyssée de l’espace ou Jarvis dans Iron Man, plutôt qu’à une machine humanoïde comme dans Terminator ou dans les œuvres d’Isaac Asimov. Un monde de plus en plus digital Ainsi, quand on parle de « robot » en intelligence artificielle on fait référence à un programme informatique faisant preuve d’une certaine forme d’intelligence, comme HAL 9 000 dans 2001 l’Odyssée de l’espace ou Jarvis dans Iron Man, plutôt qu’à une machine humanoïde comme dans Terminator ou dans les œuvres d’Isaac Asimov. Cette distinction est importante car dans un monde de plus en plus digital, l’intelligence artificielle n’a pas besoin d’attendre les progrès de la robotique pour avoir un impact sur le monde. Si cette distinction est facile à saisir, il est moins évident de caractériser ce que l’on entend par une machine « intelligente ». Cela renvoie bien sûr à la question plus générale de ce qu’est l’intelligence. Si cette question peut être traitée par exemple par la psychologie, la philosophie ou la science-fiction, ce n’est pas l’objet de l’intelligence artificielle d’y répondre. La position de l’intelligence artificielle est plutôt de considérer que nous, êtres humains, avons une compréhension intuitive de ce qu’est l’intelligence et donc que nous pouvons juger si une machine fait preuve d’intelligence ou non. C’est le principe sur lequel repose le « test de Turing », proposé par Alan Turing en 1950. Celui-ci consiste à faire discuter une machine avec un être humain sans que ce dernier ne sache si son interlocuteur est une machine ou un humain. S’il n’arrive pas à conclure si c’est une machine ou un humain, c’est que la machine fait suffisamment preuve « d’intelligence ». Les assistants vocaux Le test de Turing n’est cependant pas utilisable en pratique pour évaluer le niveau d’intelligence d’une machine. En effet, à part si l’on souhaite évaluer une machine dont le but est de simuler une conversation humaine, le test de Turing ne donne aucune indication sur la méthode à adopter. Par exemple, un outil de tri automatique de photo peut faire preuve d’une certaine forme d’intelligence et pourtant il ne passera jamais le test de Turing, puisqu’il n’est même pas capable d’avoir une conversation. C’est également le cas pour les assistants vocaux comme Siri (Apple), Cortana (Microsoft), Alexa (Amazon) ou Google Home (Google). Quand on demande à l’un d’eux des informations sur son prochain rendez-vous, on ne veut pas seulement que ceux-ci simulent une réponse d’un être humain, on veut qu’ils donnent des informations exactes. Un assistant vocal est donc considéré comme « intelligent » s’il répond correctement aux questions qu’on lui pose ou fait les actions qui correspondent aux demandes qu’on lui fait. En réalité d’ailleurs, personne ne va confondre un assistant vocal avec une intelligence humaine, si bien que ces assistants peuvent être considérés comme intelligents alors qu’aucun d’eux ne passe le test de Turing. Marvin Minsky (1927, 2016) co-fondateur avec l'informaticien John McCarthy du Groupe d'intelligence artificielle du Massachusetts Institute of Technology (MIT) Marvin Minsky (1927, 2016) co-fondateur avec l'informaticien John McCarthy du Groupe d'intelligence artificielle du Massachusetts Institute of Technology (MIT) | Wikipedia En pratique, pour mesurer le niveau d’intelligence d’une machine, il faut d’abord définir une tâche que l’on considère comme complexe, ou comme le formule Marvin Minsky, un des fondateurs du domaine de l’IA, comme étant « pour l’instant, accomplie de façon plus satisfaisante par des êtres humains ». On considérera alors qu’une machine est « intelligente » par rapport à une certaine tâche complexe – en général celle pour laquelle elle a été conçue – si son niveau de performance pour celle-ci est suffisamment élevé. Ces tâches « complexes » peuvent se répartir en pratique en plusieurs catégories, en fonction du niveau d’expertise requis pour qu’un être humain puisse les résoudre : - Tâches réalisables par la plupart des êtres humains. Exemples : tri de photos, conduite, recommandation de produits - Tâches réalisables par des êtres humains qualifiés. Exemples : diagnostic médical, détection de la fraude, traduction. - Tâches réalisables par des êtres humains géniaux. Exemples : jeu intellectuel au niveau du champion du monde, découverte scientifique révolutionnaire, création artistique de génie. Il est intéressant de noter que la difficulté d’une tâche pour une machine n’est pas corrélée à la difficulté pour un être humain d’effectuer cette tâche (il s’agit d’ailleurs du paradoxe de Moravec). Les machines ont par exemple dépassé le niveau humain aux échecs depuis 1997, avec la victoire de Deep Blue sur le champion du monde Gary Kasparov. À l’inverse, les machines sont encore très loin de pouvoir répondre à des questions simples sur une histoire pour enfant. La difficulté d’une tâche pour une machine dépend en fait en premier lieu de la précision avec laquelle la tâche est définie. Nous détaillons ce point plus bas. Véhicule autonome intelligent Le niveau d’intelligence d’une machine pour une tâche étant donc donné par sa performance pour celle-ci, on peut dire qu’une machine est « intelligente » si sa performance est suffisamment satisfaisante. Ce niveau dépend bien sûr de la tâche. On considérera par exemple qu’un véhicule autonome est intelligent s’il peut aller d’un point A à un point B en conduisant aussi bien qu’un conducteur humain normal ; ce n’est pas nécessaire qu’il conduise aussi bien que le champion du monde de formule 1. À l’inverse, un chatbot simulant une discussion humaine ne sera jugé intelligent que s’il garde un comportement « humain » face à tout type de conversation. Par exemple, le chatbot Tay de Microsoft sur Twitter a été retiré au bout de 24h car il avait « appris » à tenir des propos racistes sous l’action d’utilisateurs provocateurs. Il n’a donc pas su faire preuve de morale, ce qui est inacceptable pour ce genre d’application. L’IA s’intéresse dans un premier lieu aux tâches réalisables Dans les catégories de tâches décrites, nous avons omis celle des tâches qu’aucun être humain ne peut réaliser, comme prédire avec précision la météo ou le cours de la bourse. De plus en plus de modèles et algorithmes utilisés en IA sont en effet appliqués à ce genre de problèmes de prédiction. Ils ne touchent pas cependant au cœur de l’objet de l’IA. Ces problèmes sont effectivement extrêmement chaotiques par nature et on ne sait même pas si l’on pourra un jour les résoudre ou s’il y a en fait une limite infranchissable sur la précision des prédictions. À l’inverse, il est naturel de penser que les tâches réalisables par le cerveau humain sont potentiellement réalisables par des machines. C’est pourquoi l’IA s’intéresse dans un premier lieu aux tâches réalisables par des êtres humains. La méthode générale actuelle pour résoudre les tâches décrites précédemment est de concevoir une machine pour chaque tâche. Si une machine est capable de résoudre une certaine tâche avec un niveau de performance satisfaisant mais n’est capable d’en résoudre aucune autre, on dit qu’elle présente une intelligence « faible ». Si elle est capable de résoudre un ensemble de tâches prédéfinies, elle présente toujours une intelligence faible, puisqu’elle applique pour chaque tâche la méthode de résolution associée. Elle peut en plus résoudre la tâche d’identifier automatiquement la tâche à résoudre parmi l’ensemble des tâches prédéfinies, cela ne fait qu’une tâche prédéfinie en plus. Intelligence forte Le but ultime de l’intelligence artificielle est d’aboutir à des machines faisant preuve d’une intelligence « forte », c’est-à-dire capables de résoudre n’importe quelle tâche qu’un être humain peut résoudre, y compris celle de déterminer quelle est « la tâche à résoudre » dans une situation donnée. Une telle machine serait capable de remplacer un être humain pour n’importe quelle tâche (non manuelle), ce qui révolutionnerait sans doute l’économie et la société (ce n’est cependant pas l’objet de cet article de détailler ce point). Il se trouve cependant que l’on ne sait pas véritablement quelles tâches résolvent les humains, si bien qu’on ne sait pas quelles tâches donner à résoudre aux machines. Comme le disait John Von Neumann : « Si vous me dites précisément ce qu’une machine ne peut pas faire, je pourrai vous construire une machine qui fait exactement ça ». Ainsi, il se pourrait que le grand défi du domaine de l’intelligence artificielle – la création d’une intelligence artificielle forte – réside plus dans la définition de son objectif que dans sa résolution. Le mathématicien John Von Neumann. Le mathématicien John Von Neumann. | Wikipedia Les techniques de l’intelligence artificielle Les questions de l’intelligence artificielle sont apparues très vite après le développement des premiers ordinateurs. Alan Turing et Jon Von Neumann, considérés comme les deux fondateurs de l’informatique, s’y sont d’ailleurs tous deux intéressés. Le domaine de l’intelligence artificielle a connu cependant un développement très limité comparé à celui de l’informatique en général. Beaucoup de domaines de l’informatique ont en effet connu un essor fulgurant au cours de la 2^e moitié du XX^e siècle : par exemple les simulations numériques ont révolutionné de nombreuses industries, les bases de données, les systèmes de transactions, l’ingénierie logicielle l’informatique grand public ou encore l’Internet ont profondément changé notre société. A l’inverse, l’intelligence artificielle n’a eu jusqu’à récemment qu’un impact très faible sur l’économie ou la société. Les premières machines intelligentes conçues dans les années 50 démontraient pourtant des capacités impressionnantes, si bien que la communauté pensait qu’une machine faisant preuve d’intelligence forte serait conçue dans les 20 ans. Les problèmes se sont avérés être bien plus difficiles que prévus et les progrès ont fortement ralenti. Les financements du domaine ont été suspendus, menant à un ralentissement de la recherche en IA dans les années 70-80, période appelée « hiver de l’IA ». L’apparition de l’informatique dans les entreprises Le domaine de l’IA a redémarré dans les années 90 avec l’apparition de l’informatique dans les entreprises et les premières utilisations de machines intelligentes, par exemple pour lire automatiquement des chèques ou des enveloppes. Cela a provoqué un regain d’intérêt pour l’IA, une augmentation des financements et une redynamisation du domaine. Ce redémarrage s’est également accompagné d’un rapprochement avec les statistiques, apportant à la fois des outils théoriques pour mieux comprendre les machines intelligentes et des méthodes pratiques pour en concevoir de nouvelles. C’est cependant depuis les années 2010 que l’intelligence artificielle connaît une véritable explosion tant sur le plan académique qu’industriel, avec le développement du big data, de la data science et du deep learning. La différence entre Artificial Intelligence (AI), Machine Learning, et Deep Learning, La différence entre Artificial Intelligence (AI), Machine Learning, et Deep Learning, | NVDIA Blog Dans le but de résoudre des tâches réalisables par des humains, le domaine de l’IA a naturellement développé des principes correspondant aux processus cognitifs humains. Un des principes les plus utilisés est celui de l’apprentissage. Les êtres humains font en effet preuve d’une très grande capacité d’apprentissage, leur permettant d’acquérir des nouvelles capacités intellectuelles tout au long de leur vie : apprentissage du langage, de capacités de raisonnement, de nouvelles langues, de nouveaux métiers… Il est difficile de savoir si l’apprentissage est le seul processus à l’œuvre dans l’acquisition de ces compétences mais il est raisonnable de penser que si une machine peut apprendre, elle peut potentiellement résoudre un grand nombre de tâches. Un sous-domaine de l’intelligence artificielle s’est donc spécialisé dans les machines qui apprennent automatiquement, c’est l’apprentissage automatique (machine learning en anglais). La reconnaissance de chiffres manuscrits D’un point de vue informatique, on considère qu’une machine apprend si elle identifie « par elle-même » une façon de résoudre une tâche donnée. Considérons l’exemple de la reconnaissance de chiffres manuscrits. On dispose d’images contenant chacune un chiffre entre 0 et 9 écrit à la main et on veut concevoir une machine capable de donner pour une telle image le chiffre qu’elle représente. Informatiquement, une image est un tableau en deux dimensions (une matrice) où chaque case, appelée un pixel, contient un nombre. Pour simplifier, on peut supposer que les images sont en noir et blanc contrasté, si bien qu’un pixel est noir ou blanc, que l’on représente respectivement par convention par les valeurs 0 et 1. Une image 256x256 est donc un tableau avec 256 cases par ligne et par colonne, chacune remplie d’un 1 ou d’un 0. Le problème consiste donc à définir une fonction, dite « de décision », qui envoie un tel tableau sur un des 10 chiffres possibles entre 0 et 9. Une approche possible est de définir cette fonction « à la main » et d’implémenter une machine qui l’applique. De telles fonctions ont été proposées dans la littérature, en exploitant des propriétés géométriques ou topologiques des courbes que font les chiffres manuscrits. L’autre approche est de faire apprendre cette fonction par la machine. Pour cela, on constitue un « jeu de données d’apprentissage », c’est-à-dire on sélectionne un ensemble d’images et on labellise chacune avec le chiffre qu’elle contient. Algorithmes statistiques On fournit ensuite cet ensemble d’exemples avec les réponses à la machine et on lui fait trouver la meilleure fonction de décision possible qui soit (globalement) compatible avec ces exemples, grâce à différents types d’algorithmes statistiques. Cette démarche reproduit une partie de l’apprentissage des enfants : quand un enfant apprend à lire les chiffres, on lui montre des exemples avec les réponses, et il trouve par lui-même comment les identifier (en général l’apprentissage exploite en fait également d’autres modes de transmission du savoir, voir plus bas). La difficulté dans cette approche est de concevoir une machine capable de généraliser. En effet, une fois le jeu de données d’apprentissage fourni à la machine, le but n’est pas qu’elle sache identifier les chiffres contenus dans les images de cet ensemble. Cela serait résolu de manière triviale en le stockant et en y accédant à chaque décision. L’objectif est que la machine soit capable de correctement identifier le chiffre contenu dans une image qui n’était pas dans cet ensemble. C’est pourquoi la performance d’une machine apprenante se mesure sur un jeu de donnée de test, c’est-à-dire un ensemble d’exemples labellisés dont la machine n’a pas connaissance pendant sa phase d’apprentissage. Une machine avec un haut niveau de performance aura ainsi réussi à trouver, à partir des exemples du jeu de données d’apprentissage, une fonction de décision suffisamment générale pour identifier le chiffre contenu dans n’importe quelle image. Data science et Big Data De manière assez naturelle, le niveau de performance d’une machine après apprentissage dépend de deux facteurs : sa capacité de généralisation, et la représentativité du jeu de données d’apprentissage. Ce dernier étant souvent tiré uniformément au hasard, sa représentativité dépend directement de son nombre. Ainsi, il est difficile d’avoir une performance élevée avec seulement quelques exemples, mais cela est plus facile avec plusieurs millions. C’est sur la base de ce principe que s’est développé le big data. Avec la diminution drastique du coût de stockage des données est apparue la possibilité d’entraîner des machines sur des jeux de données de plusieurs millions voire milliards d’exemples et donc potentiellement d’aboutir à des machines extrêmement performantes. Si ce principe simple offrait une belle promesse, son application s’est avérée être limitée. Pour obtenir un jeu de données d’apprentissage important il ne suffit pas en effet de disposer de beaucoup de données, il faut que celles-ci soient labellisées. S’il est concevable de labelliser à la main 1 000 ou 10 000 exemples, cela devient beaucoup trop coûteux pour 1 000 000 d’exemples. Obtenir un jeu de données d’apprentissage d’une telle taille n’est donc possible que si la labellisation est faite de manière automatique. C’est le cas par exemple en publicité ciblée ou en recommandation sur internet, où le clique d’un utilisateur fait office de label de pertinence pour le produit proposé. Mais dans de nombreux cas les données ne sont pas acquises avec leurs labels. La « data science » Ce coup de projecteur a néanmoins fait prendre conscience de la valeur que peuvent avoir les données pour entraîner des machines apprenantes. Cela a mené à l’identification de méthodes et techniques clés pour mettre en œuvre ces machines, en machine learning mais aussi en ingénierie de la donnée, constituant la « data science ». Le domaine de l’IA a également abouti à un ensemble de modèles et algorithmes standards pour les machines, chacun faisant preuve d’une capacité de généralisation variable en fonction de la tâche à résoudre. Le deep learning Et puis le deep learning est arrivé. Il s’agit du sous-domaine du machine learning qui traite des modèles de « réseaux de neurones profonds ». Inspirés du fonctionnement du cerveau humain, les réseaux de neurones sont parmi les premiers modèles à avoir été inventés en IA, dès les années 50. Après plusieurs phases de développement au cours du XX^e siècle, ils ont perdu l’intérêt de la majorité de la communauté dans les années 2000. Ils ont fait un retour fracassant en 2012, quand une équipe de chercheurs a largement dominé la compétition annuelle de classification d’images ImageNet grâce à un réseau de neurones profond. L’année d’après, toutes les équipes utilisaient des modèles similaires. Depuis, le deep learning a été introduit dans de très nombreuses tâches, devançant à chaque fois de très loin les modèles concurrents, même ceux issus de décennies de recherche spécifique, comme en traitement d’image, en traitement de l’audio ou en traduction automatique. L’intelligence artificielle (IA) est devenue omniprésente. L’intelligence artificielle (IA) est devenue omniprésente. | DR Le deep learning se démarque en intelligence artificielle par plusieurs prouesses. La première est le niveau de performance atteint : celui-ci est très proche du niveau humain pour de plus en plus de tâches, notamment de perception complexe, que l’on n’imaginait pas résoudre il y a encore quelques années. La deuxième est sa généricité : même si l’application à une nouvelle tâche nécessite beaucoup d’ajustements, c’est l’utilisation d’un ou plusieurs réseau (x) de neurones profond(s) qui permet à chaque fois d’atteindre ce niveau de performance. La troisième enfin est l’intuition que nous avons de sa capacité de généralisation. De nombreuses expériences font en effet penser que les réseaux de neurones profonds ont la capacité d’apprendre des concepts abstraits par eux-mêmes, comme ceux de genre ou de lunettes de soleil. Ils semblent ainsi produire des représentations des données que les chercheurs ont pendant longtemps tenté de définir « à la main ». Très difficile d’interpréter un réseau de neurones Il y a cependant beaucoup de choses qu’on ne comprend pas aujourd’hui à propos du deep learning. D’abord on ne comprend pas pourquoi il est si performant, en particulier pourquoi les réseaux de neurones profonds présentent une capacité de généralisation beaucoup plus importante que les réseaux de neurones peu profonds. Ensuite, il est très difficile d’interpréter un réseau de neurones profond qui a été entraîné sur un jeu de données, et certains montrent parfois des comportements chaotiques qu’on ne comprend pas, en affectant par exemple des valeurs différentes à des images qui ne diffèrent que d’un seul pixel. Enfin, l’entraînement des réseaux de neurones profonds nécessite beaucoup d’ingénieries dans chaque cas d’application, reposant principalement sur des observations empiriques ou intuitions plutôt que sur des principes clairement formalisés. Créer une intelligence artificielle forte Comprendre tous ces aspects permettrait d’améliorer encore les modèles et algorithmes et potentiellement de les généraliser. Certains modèles appris parviennent effectivement à dépasser la performance humaine, mais ceux-ci nécessitent encore beaucoup plus de données que la quantité disponible pour un être humain. En outre, le deep learning a démontré sa performance sur quelques tâches notamment de perception (ex : identification et reconnaissance d’objets) ou de jeux de réflexion (ex : jeu de Go) mais reste encore très loin du niveau humain sur les tâches avec une forte composante sémantique (ex : compréhension d’une histoire). Les êtres humains font en effet preuve d’une très grande capacité d’apprentissage, leur permettant d’acquérir des nouvelles capacités intellectuelles tout au long de leur vie. Les êtres humains font en effet preuve d’une très grande capacité d’apprentissage, leur permettant d’acquérir des nouvelles capacités intellectuelles tout au long de leur vie. | DR Il est aujourd’hui difficile de savoir si ces lacunes vont être comblées avec l’augmentation de la puissance de calcul et donc de la taille des modèles exploitables ou si le deep learning présente en fait des limites inhérentes qui l’empêcheront d’atteindre le but ultime de l’IA : créer une intelligence artificielle forte. Le futur de l’intelligence artificielle Il semble cependant que le deep learning, comme les autres modèles et algorithmes du machine learning, présente une limite propre à la théorie actuelle de l’apprentissage statistique : il « apprend » à partir d’exemples de bonnes et mauvaises réponses pour une tâche donnée. Cela correspond à un enfant qui apprendrait seulement avec des QCM corrigés. Il est évident que ce mode d’enseignement est très inefficace, et c’est pourquoi l’humanité transmet son savoir grâce à des professeurs qui enseignent aux élèves en leur expliquant les principes fondamentaux et en leur expliquant la nature de leur erreur quand ils font une faute. Reproduire ce mode d’apprentissage de manière automatique nécessite d’abord de le formaliser de manière mathématique, ce qui n’est pas fait aujourd’hui par la théorie de l’apprentissage statistique. On peut cependant penser que l’apprentissage non supervisé existe, puisque l’humanité a réussi par elle-même à créer des concepts fournissant une bonne représentation du monde. Mais est-ce la seule représentation possible ? Et en quoi peut-on considérer qu’elle est pertinente ? Si c’est parce qu’elle lui a permis de progresser, n’a-t-elle pas été sélectionnée par l’évolution et donc dans ce sens n’a-t-elle pas exploité une certaine forme de supervision (ou renforcement) ? L’apprentissage supervisé ou non supervisé permet ainsi de résoudre de nombreuses tâches, et grâce au deep learning bien plus que ce qu’on pouvait imaginer il y a cinq ans, mais présente des limites théoriques qui laissent encore des doutes sur sa capacité à produire une intelligence artificielle forte. Le domaine de l’intelligence artificielle jouit néanmoins aujourd’hui d’un attrait incomparable, tant au niveau des financements que des personnes ; même les plus grands mathématiciens commencent à s’y intéresser. La dynamique est donc plus que jamais lancée pour résoudre de plus en plus de tâches et aboutir un jour à l’intelligence artificielle forte. À propos de l’auteur. Eric SIBONY, Cofondateur et Directeur Scientifique, Shift Technology Shift Technology est une start-up française spécialisée dans l’application de l’intelligence artificielle à la détection de la fraude à l’assurance. Elle fournit aux assureurs une solution informatique qui détecte les déclarations de sinistres ou demandes de remboursement suspectes et envoie pour chacune une explication détaillée de la suspicion. En tant que Cofondateur et Directeur Scientifique, Eric Sibony dirige l’équipe de recherche de Shift Technology et supervise la conception de la solution et ses évolutions. Il est diplômé de l’École Polytechnique et titulaire d’un doctorat en machine learning de Télécom Paristech. Retrouvez ce point de vue dans les Cahiers Lysias avec pour thème : Pourquoi la France a besoin d’une culture du numérique. Ouest-France * IFRAME: https://www.facebook.com/plugins/like.php?href=https%3A%2F%2Ffrejus -saintraphael.maville.com%2Factu%2Factudet_-qu-est-ce-que-l-intelli gence-artificielle-%255Bdecryptage%255D_fil-3298150_actu.Htm%3Fxtor %3DAL-150%26utm_source%3DFacebook%26utm_medium%3DReseau%26utm_campa ign%3DFacebook_like&layout=button_count&show_faces=false&width=100& action=like&colorscheme=light&height=21 * * Facebook * Twitter * Google + Donnez votre avis ... logo Ouest-France Abonnez-vous au journal papier Achetez le journal numérique Achetez le journal au format numérique Donnez votre info * merci d'indiquer un nom de film Titre de l'info * merci d'indiquer un titre' Nom du restaurant * ____________________ + Choisir un resto : + Cet établissement est nouveau sur maville.com merci d'indiquer un nom de restaurant ______________________________________________________________ Adresse du restaurant * ____________________ merci de saisir l'adresse du restaurant Ville du restaurant * ____________________ ____________________ merci de saisir la ville du restaurant Téléchargez votre photo (2 Mo max) ______________________________________________________________ Nom du bar * ____________________ + Choisir un bar : + Cet établissement est nouveau sur maville.com merci d'indiquer un nom de bar ______________________________________________________________ Adresse du bar * ____________________ merci de saisir l'adresse du bar Ville du bar * ____________________ ____________________ merci de saisir la ville du bar ______________________________________________________________ merci d'indiquer un titre à votre avis ____________________ _ merci d'indiquer un contenu à votre avis * Notez : * * 1 * 2 * 3 * 4 merci de saisir une note Donnez nous vos impressions : * * * 1 * 2 * 3 * 4 L'accueil / la qualité du service merci d'indiquer une note pour l'accueil __________________________________________________________________ * * 1 * 2 * 3 * 4 L'ambiance / le décor merci d'indiquer une note pour l'ambiance __________________________________________________________________ * * 1 * 2 * 3 * 4 Le rapport qualité / prix merci d'indiquer une note pour le prix Téléchargez votre photo. Poids de votre photo : 2Mo max ____________________ ____________________ (BUTTON) Envoyer (BUTTON) OK Newsletter maville Abonnez-vous à la newsletter - Fréjus-Saint-Raphaël ____________________ Je m'inscris En cours de recherche Aujourd'hui sur maville Bon plan -57% Cartouches d'encre imprimante COMPATIBLES -57% Cartouches d'encre imprimante COMPATIBLES Tous les produits Exprimez-vous ! [DEBAT] Pour ou contre la réduction de la vitesse de 90 à 80 km/h ? 272 Réagir L'info en continu * La France insoumise veut... 15/01/18 - 19:05 * Procès du « comptable... 15/01/18 - 19:04 * Alerte au défi de la dosette de... 15/01/18 - 19:01 * Plus beau marché de France.... 15/01/18 - 18:58 * Football. Équipe de France... 15/01/18 - 18:53 Toute l'info en continu * Info Infos les + lues * Info Infos les + commentées * N°1 Coupe de France. Le PSG écrase le Stade Rennais et se...2 * N°2 Ligue 1. Waldemar Kita : « C'est un gag, c'est...1 * N°3 FC Nantes. Ranieri : « Je veux arriver en Coupe d'Europe...1 * N°4 Ligue 1. Le Stade Rennais s'incline lourdement face à l'OM1 * N°5 Rennes. Heurts entre supporters en marge du match...1 Quiz et jeux * photo [quiz] connaissiez-vous bien france gall ? [QUIZ] Connaissiez-vous bien France Gall ? * photo [quiz] ça s'est passé à nantes en 2017 ! [QUIZ] Ça s'est passé à Nantes en 2017 ! * photo [quiz] ça s'est passé au mans en 2017 ! [QUIZ] Ça s'est passé au Mans en 2017 ! Tous les quiz Suivez-nous ! suivez-nous sur twitter ! rendez-vous sur facebook ! Retour en haut * Accueil * Info * Sport * Restos & Bars * Cinéma * Sorties * * Annonces * Jeux * Shopping * Météo * Recettes * Pratique * Deal du jour * Devenez annonceur * Conditions d'utilisation * Vie privée * Mentions légales * Plan du site * Contact * Angers * Brest * Caen * Clermont-Ferrand * Le Mans * Lille * Lorient * Marseille * Montpellier * Nantes * Nice * Nîmes * Quimper * Rennes * Toulon * Tours * Vannes * Antibes * Brignoles * Cagnes-sur-Mer * Cannes * Draguignan * Golfe de Saint Tropez * Grasse * Hyères * La Seyne * Menton * maville.com * © Copyright maville.com 2018 * Tous les flux RSS d'actualités * WEB66 * OJD.com Accès au site Mobile