STS CM 4.1 Flashcards
Quelles sont les 2 définitions de l’IA ?
L’IA en tant que discipline (« La science et l’ingénierie de la fabrication de machines intelligentes » - John McCarty)
l’IA en tant qu’application : « Ensemble de théories et de techniques capable de reproduire l’intelligence humaine »
Comment marche une IA de façon générale ?
C’est un programme informatique qui va recevoir des données par une entrée,
elle va les traiter
puis elle va produire des données en sortie
Quelle est le principe de l’IA symbolique ?
C’est de reproduire les mécanismes cognitifs d’un humain
Quand l’IA symbolique était dominant ?
Dans les années 80
Sur quoi est basée l’IA symbolique ?
- Sur une représentation symbolique (données)
- Sur un ensemble de règles (base de connaissance)
- Sur un ensemble de faits (entrée du programme ou déduit des règles)
Qu’est-ce qu’un système expert ?
Une catégorie d’IA largement utilisée dans les années 2000
Quelles sont les inconvénients d’une IA symbolique ?
- Difficile de mettre à jour la base de connaissance (besoin d’un expert “humain”)
- N’est pas applicable pour des problèmes non conceptualisable par l’homme
Comment fonctionne un système expert ?
- L’utilisateur non-expert fait une requête
- Elle passe par l’interface utilisateur
- Puis elle arrive au moteur d’interférence
- Le moteur va déduire les faits par rapport à la requête
- Renvoie le fait à l’interface utilisateur puis à l’utilisateur non-expert
En parallèle, le moteur d’interférence est alimenté par sa base de donnée qui est défini par un expert
Le système expert a besoin d’une intervention humaine ou est-il automatique ?
Il a besoin d’une intervention humaine
Comment aller plus loin que l’IA symbolique ?
Avec l’apprentissage automatique ou machine learning
Comment fonctionne le machine learning ?
L’IA a une entrée et une sortie
Elle est alimentée de données par un data scientist
Elle possède un algorithme d’apprentissage lui permettant d’apprendre les règles par elle meme
Quels sont les ingrédients de l’apprentissage automatique ?
- Un jeu de données (big data)
- Un algorithme d’apprentissage (deep learning p.e)
- Une puissance de calcul (carte graphique)
Cela permet l’engouement pour le machine learning
Quel est le but de la reconnaissance d’image ?
Identifier un chat ou un chien p.e sur une image numérique
Un bon apprentissage ne peut se faire qu’avec ?
Qu’avec des données propres
Quelles sont les 2 catégories d’apprentissage automatique ?
- Apprentissage supervisé
- Apprentissage non-supervisé
Qu’est-ce que fait le data scientist pour le jeu de données ?
- Il filtre les données
- Homogénéiser les données
- Traiter les données manquantes
Quel est le but de l’entrainement supervisé ?
Cette étape consiste à entrainer le modèle afin, qu’à terme, il puisse prédire correctement les images d’entrainement
Comment fonctionne le système d’entraînement supervisé ?
-L’algorithme d’apprentissage reçoit les images d’entrainement
- Il fait ensuite l’entrainement au modèle (IA)
- Si la qualité de prédiction est bonne : fin de l’entrainement
- Si la qualité de prédiction est mauvaise : ajustement du modèle et entraînement à nouveau jusqu’à qu’elle soit bonne
Quelle est la différence entre l’apprentissage supervisé et non-supervisé ?
Apprentissage supervisé : On connait la valeur à prédire
Apprentissage non-supervisé : on ne connaît pas la valeur à prédire
Comment s’appelle le système d’entrainement supervisé ?
Un processus itératif
Le jeu de données d’un entraînement supervisé est constitué de quoi ?
- Images d’entrainement
- Images de test
Quel est le but du test du modèle entrainé ?
Cette étape consiste à évaluer les performances du modèle sur des données nouvelles.
Comment fonctionne le test du modèle entrainé ?
- Le modèle reçoit les images de test
- Il fait ensuite des prédictions
- Si le modèle est bon, il est capable de généraliser
- Si il est mauvais, il est trop spécifique
Quel est l’autre nom des neurones artificielles ?
Perceptron
