Présentation

Article interactif

1 - INTELLIGENCE NATURELLE … ET ARTIFICIELLE

2 - BREF HISTORIQUE

3 - APPRENTISSAGE

  • 3.1 - Introduction
  • 3.2 - Apprentissage symbolique
  • 3.3 - Apprentissage numérique
  • 3.4 - Supervisé vs non-supervisé
  • 3.5 - Apprentissage par renforcement

4 - RÉSEAUX NEURONAUX PROFONDS

5 - DOMAINES D’APPLICATION

6 - ASPECTS ÉTHIQUES

  • 6.1 - Introduction
  • 6.2 - Protection des données personnelles
  • 6.3 - Transparence des algorithmes
  • 6.4 - Quelques domaines
  • 6.5 - Premier bilan

7 - CONCLUSION

Article de référence | Réf : H3720 v1

Réseaux neuronaux profonds
Introduction à l’intelligence artificielle

Auteur(s) : Jean-Paul HATON

Date de publication : 10 août 2021

Pour explorer cet article
Télécharger l'extrait gratuit

Vous êtes déjà abonné ?Connectez-vous !

Sommaire

Présentation

RÉSUMÉ

L'intelligence artificielle (IA) s'attache à résoudre des problèmes qui relèvent d'activités humaines de nature variée (perception, prise de décision, planification, diagnostic, interprétation de données, compréhension du langage, conception). Ces problèmes nécessitent de mettre en jeu une grande quantité de données et de connaissances, soit exploitées directement, soit codées sous différentes formes (distributions de probabilités, poids synaptiques, etc.). Nous présentons les différents modèles développés depuis le début de l’IA, ainsi que les grands domaines d’application. Les aspects éthiques liés à l’utilisation de systèmes d’IA sont également étudiés.

Lire cet article issu d'une ressource documentaire complète, actualisée et validée par des comités scientifiques.

Lire l’article

ABSTRACT

Introduction to Artificial Intelligence

Artificial Intelligence (AI) aims at solving problems involved in various types of human activities (perception, decision making, planning, diagnosis, data interpretation, design, language understanding). Solving such problems need to use large amount of data and knowledge, either directly exploited or coded into various forms (probability distributions, synaptic weights, etc.). The different models developed since the beginning of AI are presented. Aspects of ethics related to the use of AI systems are also tackled.

Auteur(s)

  • Jean-Paul HATON : Professeur émérite - LORIA – Institut Universitaire de France – Université de Lorraine – Nancy, France

INTRODUCTION

Le but de l’intelligence artificielle (IA) est double. D’une part, l’IA s’attache à résoudre des problèmes qui relèvent d’activités humaines ou animales de nature variée : perception, planification, interprétation de données, diagnostic, prise de décision, compréhension du langage, conception. D’autre part, l’IA cherche à mieux comprendre et modéliser l’intelligence. Elle se rapproche ainsi des sciences cognitives dont elle s’inspire par ailleurs pour la conception de modèles (mémoire, raisonnement, apprentissage). La nécessité de restreindre l’activité à un champ d’application limité et de s’appuyer sur des connaissances de nature diverse est apparue rapidement en IA. Cette approche symbolique de l’IA a donné lieu aux systèmes à base de connaissances.

Une autre approche, dite connexionniste, tente de s’inspirer du fonctionnement du cortex cérébral. Un réseau neuronal est formé par l’interconnexion d’un grand nombre de neurones artificiels. Il présente des propriétés intéressantes, notamment la capacité d’apprendre à partir de grandes quantités d’exemples.

Des succès récents ont médiatisé l’IA : jeu d’échecs, jeu de go, poker, robots martiens, le jeu américain de questions-réponses Jeopardy, reconnaissance d’images, reconnaissance de la parole, jeux vidéo et autres.

Cet article présente les différents modèles de l’IA, ainsi que les méthodes d’apprentissage associées. Il décrit aussi un vaste ensemble d’applications (médecine, industrie, militaire, banque, droit, etc.) et aborde aussi les aspects éthiques liés à ces applications.

Cet article est réservé aux abonnés.
Il vous reste 95% à découvrir.

Pour explorer cet article
Téléchargez l'extrait gratuit

Vous êtes déjà abonné ?Connectez-vous !


L'expertise technique et scientifique de référence

La plus importante ressource documentaire technique et scientifique en langue française, avec + de 1 200 auteurs et 100 conseillers scientifiques.
+ de 10 000 articles et 1 000 fiches pratiques opérationnelles, + de 800 articles nouveaux ou mis à jours chaque année.
De la conception au prototypage, jusqu'à l'industrialisation, la référence pour sécuriser le développement de vos projets industriels.

KEYWORDS

learning   |   artificial intelligence   |   pattern recognition   |   neural networks

DOI (Digital Object Identifier)

https://doi.org/10.51257/a-v1-h3720


Cet article fait partie de l’offre

Technologies logicielles Architectures des systèmes

(233 articles en ce moment)

Cette offre vous donne accès à :

Une base complète d’articles

Actualisée et enrichie d’articles validés par nos comités scientifiques

Des services

Un ensemble d'outils exclusifs en complément des ressources

Un Parcours Pratique

Opérationnel et didactique, pour garantir l'acquisition des compétences transverses

Doc & Quiz

Des articles interactifs avec des quiz, pour une lecture constructive

ABONNEZ-VOUS

Lecture en cours
Présentation

4. Réseaux neuronaux profonds

Une avancée majeure de l’IA depuis 2010 s’est produite dans le domaine des réseaux neuronaux profonds (Deep Neural Networks, DNN) et des algorithmes d’apprentissage associés [H 1 098]. Déjà, dès 2006, les modèles acoustiques de reconnaissance de la parole avaient été améliorés de façon importante grâce aux modèles neuronaux profonds. Depuis, les DNN ont montré leur efficacité dans des domaines très variés : jeux, traitement de textes, vision par ordinateur, diagnostic, robotique, banque, etc. Comme on l’a vu, un réseau neuronal est un classifieur capable d’apprendre des fonctions de décision. Globalement, un réseau neuronal est capable d’apprendre une mise en correspondance (mapping) entre ses entrées et ses sorties, ce qui permet d’utiliser de tels systèmes pour des tâches de classification permettant d’identifier la classe d’appartenance de l’entité placée en entrée. Ces entités peuvent être de natures extrêmement diverses : mots prononcés par un locuteur, image, diagnostic d’un patient, place d’un pion sur un jeu de go, etc. Le perceptron monocouche de Rosenblatt avait des performances très limitées puisqu’il ne pouvait apprendre que des fonctions linéaires. L’introduction de couches cachées en nombre restreint (comme le perceptron de la figure 2 à une couche cachée) a permis d’augmenter les performances. Les DNN sont caractérisés par le fait que leur profondeur (c’est-à-dire le nombre de couches cachées de neurones) est augmentée de façon très importante pour atteindre jusqu’à un millier de couches, ce qui leur donne la capacité d’apprendre des fonctions de mise en correspondance beaucoup plus complexes, d’où leur succès actuel.

La rapide émergence des réseaux profonds est due à la conjonction de trois...

Cet article est réservé aux abonnés.
Il vous reste 92% à découvrir.

Pour explorer cet article
Téléchargez l'extrait gratuit

Vous êtes déjà abonné ?Connectez-vous !


L'expertise technique et scientifique de référence

La plus importante ressource documentaire technique et scientifique en langue française, avec + de 1 200 auteurs et 100 conseillers scientifiques.
+ de 10 000 articles et 1 000 fiches pratiques opérationnelles, + de 800 articles nouveaux ou mis à jours chaque année.
De la conception au prototypage, jusqu'à l'industrialisation, la référence pour sécuriser le développement de vos projets industriels.

TEST DE VALIDATION ET CERTIFICATION CerT.I. :

Cet article vous permet de préparer une certification CerT.I.

Le test de validation des connaissances pour obtenir cette certification de Techniques de l’Ingénieur est disponible dans le module CerT.I.

Obtenez CerT.I., la certification
de Techniques de l’Ingénieur !
Acheter le module

Cet article fait partie de l’offre

Technologies logicielles Architectures des systèmes

(233 articles en ce moment)

Cette offre vous donne accès à :

Une base complète d’articles

Actualisée et enrichie d’articles validés par nos comités scientifiques

Des services

Un ensemble d'outils exclusifs en complément des ressources

Un Parcours Pratique

Opérationnel et didactique, pour garantir l'acquisition des compétences transverses

Doc & Quiz

Des articles interactifs avec des quiz, pour une lecture constructive

ABONNEZ-VOUS

Lecture en cours
Réseaux neuronaux profonds
Sommaire
Sommaire

BIBLIOGRAPHIE

  • (1) - HATON (J.-P.) et al -   Le raisonnement en intelligence artificielle - Modèles, techniques et architectures pour les systèmes à bases de connaissances,  -  InterEditions (1991).

  • (2) - TURING (A.) -   Computing Machinery and Intelligence,  -  Mind, 49, pp. 433-460 (1950).

  • (3) - LE CUN (Y.) et al -   Deep learning,  -  Nature, vol. 521, pp. 436-444 (2015).

  • (4) - HATON (J.-P.) -   La parole numérique,  -  Académie Royale de Belgique, Collection Poche, n° 79 (2016).

  • (5) - CHANDRA (V.), HAREENDRAN (A.) -   Artificial Intelligence and Machine Learning,  -  PHI Learning, 2014.

  • (6) - RUSSELL (S.), NORWIG (P.) -   Artificial Intelligence: A Modern Approach (3d edition),  -  Pearson (2015).

  • ...

1 Revues

AI Magazine (USA)

Artificial Intelligence (NL)

Bulletin de l’AFIA, Association Française d’Intelligence Artificielle (F)

IEEE Transactions on Knowledge and Data Engineering (USA)

Journal of Intelligent Manufacturing (GB)

IEEE Transactions on Neural Networks and Learning Systems (USA)

Neural Networks (GB)

IEEE Transactions on Pattern Analysis and Machine Intelligence (USA)

HAUT DE PAGE

2 Sites Internet

AFIA Association Française d’IA : https://afia.asso.fr/

ECCAI European Coordinating Committee for Artificial Intelligence : https://eccai.org/

AAAI Association for the Advancement of Artificial Intelligence : https://www.aaai.org/

ENNS European Neural Network Association : https://e-nns.org/

International Neural Network Society INNS : https://www.inns.org/

HAUT DE PAGE

Cet article est réservé aux abonnés.
Il vous reste 94% à découvrir.

Pour explorer cet article
Téléchargez l'extrait gratuit

Vous êtes déjà abonné ?Connectez-vous !


L'expertise technique et scientifique de référence

La plus importante ressource documentaire technique et scientifique en langue française, avec + de 1 200 auteurs et 100 conseillers scientifiques.
+ de 10 000 articles et 1 000 fiches pratiques opérationnelles, + de 800 articles nouveaux ou mis à jours chaque année.
De la conception au prototypage, jusqu'à l'industrialisation, la référence pour sécuriser le développement de vos projets industriels.

Cet article fait partie de l’offre

Technologies logicielles Architectures des systèmes

(233 articles en ce moment)

Cette offre vous donne accès à :

Une base complète d’articles

Actualisée et enrichie d’articles validés par nos comités scientifiques

Des services

Un ensemble d'outils exclusifs en complément des ressources

Un Parcours Pratique

Opérationnel et didactique, pour garantir l'acquisition des compétences transverses

Doc & Quiz

Des articles interactifs avec des quiz, pour une lecture constructive

ABONNEZ-VOUS

Sommaire

QUIZ ET TEST DE VALIDATION PRÉSENTS DANS CET ARTICLE

1/ Quiz d'entraînement

Entraînez vous autant que vous le voulez avec les quiz d'entraînement.

2/ Test de validation

Lorsque vous êtes prêt, vous passez le test de validation. Vous avez deux passages possibles dans un laps de temps de 30 jours.

Entre les deux essais, vous pouvez consulter l’article et réutiliser les quiz d'entraînement pour progresser. L’attestation vous est délivrée pour un score minimum de 70 %.


L'expertise technique et scientifique de référence

La plus importante ressource documentaire technique et scientifique en langue française, avec + de 1 200 auteurs et 100 conseillers scientifiques.
+ de 10 000 articles et 1 000 fiches pratiques opérationnelles, + de 800 articles nouveaux ou mis à jours chaque année.
De la conception au prototypage, jusqu'à l'industrialisation, la référence pour sécuriser le développement de vos projets industriels.

Cet article fait partie de l’offre

Technologies logicielles Architectures des systèmes

(233 articles en ce moment)

Cette offre vous donne accès à :

Une base complète d’articles

Actualisée et enrichie d’articles validés par nos comités scientifiques

Des services

Un ensemble d'outils exclusifs en complément des ressources

Un Parcours Pratique

Opérationnel et didactique, pour garantir l'acquisition des compétences transverses

Doc & Quiz

Des articles interactifs avec des quiz, pour une lecture constructive

ABONNEZ-VOUS