deep learning, IA Intelligence artificielle, big data, machine learning, data science, avantage compétitif, réseaux neuronaux, intégration de l'information, réseau des neurones, Logiciels, performance, Big data Traitement de données, Microsoft, GAFAM Google Apple Facebook Amazon Microsoft, chatbot, chatbots, AlphaGo, Algorithme moteur de recherche, algorithmes de recommandations, cloud computing, smart farming, HumanE AI Network, smart city
Dans une époque où notre usage des nouvelles technologies croît d'année en année, il est légitime de se questionner sur une de ces technologies émergentes : l'intelligence artificielle. D'après l'encyclopédie du Larousse, l'intelligence artificielle ou IA se définit comme « l'ensemble des théories et des techniques mises en oeuvre en vue de réaliser des machines capables de simuler l'intelligence ». Comprenons ici que cette discipline correspond donc à une projection mathématique de notre propre intelligence. Ceci nous pousse à chercher une définition de l'intelligence dans son sens le plus large. Nous pouvons l'associer à une utilisation de la mémoire et des connaissances afin de nous confronter à une difficulté ou de nous adapter à des situations inhabituelles. De plus, l'intelligence correspond également à la synthèse de conclusion et d'apprentissages qui enrichiront alors les connaissances de l'individu.
De ce fait, nous essayerons au travers de ce document d'apprécier le degré de développement de l'intelligence artificielle. Notre réflexion se fera alors en trois axes. Ainsi, après avoir déterminé dans quelles mesures l'intelligence artificielle simule une réelle intelligence, nous montrerons la place qu'occupe l'intelligence artificielle dans notre monde. Nous finirons en nous questionnant sur les problèmes éthiques que provoque l'utilisation de l'IA.
[...] AlphaGo, intelligence spécialisée dans le jeu de Go, est justement venue combler ce manque par l'utilisation du Deep learning. L'humain, en plus de ne pouvoir écrire un code parfait, et ne pouvant développer une IA de lui-même pour un jeu tel que le Go, en raison des milliards de combinaisons possibles, est de ce fait obligé d'avoir recours à une intelligence capable d'apprendre par elle-même pour pallier à ce problème. Mais le Deep learning ne fait pas tout, bien qu'il se soit démocratisé et que cette intelligence continue d'évoluer de jour en jour, elle reste néanmoins, elle aussi, limitée. [...]
[...] Grâce à cette nouvelle intelligence, des algorithmes spécialisés dans le Jeu de Go ont pu voir le jour. Ces algorithmes répondaient aux problèmes de l'utilisation d'une IA faible, suffisante pour un jeu tel que les échecs, due aux moindres nombres de combinaisons par rapport au jeu de Go, mais donc insuffisante pour celui-ci. Le problème étant que cette IA ne pouvait rivaliser que contre des joueurs débutants, car le problème, pour le Machine learning, est là, bien qu'ayant cette approche statistique que l'IA faible ne pouvait amener, elle est limitée, car elle dépend toujours de l'Homme, elle ne peut qu'être dépendante des moyens que l'Homme lui donne pour évoluer. [...]
[...] Dans quelles mesures l'intelligence artificielle simule-t-elle une réelle intelligence ? Différence entre IA faible, machine learning et deep learning Au travers de son histoire, l'intelligence artificielle est passée d'un simple sujet d'étude d'informatique à une réelle discipline à part entière. De cette évolution est née une classification des différents types d'IA. Elles se distinguent notamment par leurs différences de conception, mais également par leurs différents domaines d'usages. Commençons par la différenciation entre intelligence artificielle faible et machine learning. D'après John McCarthy, pionnier dans la recherche de l'IA, « toute activité intellectuelle peut être décrite avec suffisamment de précision pour être simulée par une machine » Ceci correspond bien à la vision de l'IA en tant qu'IA faible. [...]
[...] Les neurones cachés portent ce nom, car leurs valeurs n'ont pas de réelle signification, leur sens est donc caché, d'où leur nom. Ici, la valeur de N1 est dénuée de sens contrairement à la valeur de E1, E2 ou S1. S1 correspond au neurone de sortie. C'est la valeur que rend l'IA comme réponse à son analyse de données. Elle peut être ensuite interprétée afin d'avoir une réponse intelligible. La notion de poids vu précédemment est très importante, car il détermine quelle information doit être privilégiée. La force du deep learning est que le poids est une variable accessible à l'IA. [...]
[...] Toutes ces technologies sont donc inutiles sans l'assistance d'une intelligence artificielle, elle est même indispensable à la traduction de toutes ces données et informations. « L'IA est donc le levier qui permettra aux agriculteurs connectés de demain d'être accompagnés tout au long de leurs activités de productions et d'optimiser leurs performances économiques tout en réduisant leur impact environnemental. » Illustration de la boucle de contrôle et d'exécution des tâches de l'IA et de l'homme Nous savons que le métier d'agriculteur est absolument contraignant, au niveau des horaires comme du manque de temps et de la difficulté des tâches, là où l'aide de l'IA serait très intéressante. [...]
Source aux normes APA
Pour votre bibliographieLecture en ligne
avec notre liseuse dédiée !Contenu vérifié
par notre comité de lecture