EN BREF Des machines intelligentes ? Dans Internet, l’industrie ou dans les infrastructures critiques – partout on génère des données. Et à tel point qu’entre temps on inventa une nouvelle longueur de mot face à la place qu’elles occupent : Yottaoctets correspond au mot dédié aux volumes de mémoire à 25 chiffres que l’on retrouve partout dans le monde. Pour venir à bout de ce flux colossal de données, il est possible de s’appuyer sur les ordinateurs. On retrouve ici des notions comme « intelligence artificielle » forte ou faible ainsi que « l’apprentissage automatique ». Alors que dans le langage courant ces notions se confondent souvent, elles se distinguent clairement dans le langage spécialisé. Intelligence artificielle (IA) Algorithme Apprentissage automatique un système qui se comporte d’une certaine manière au sein d’un domaine limité (par ex. un programme électronique de jeu d’échec ou encore la reconnaissance de textes et d’images) est nommé une IA faible. Dans son domaine de prédilection, elle parvient à dépasser les capacités humaines. le comportement intelligent est ici uniquement simulé et ne peut pas être appliqué à d’autres domaines. L’IA forte se distingue par son degré d’abstraction, de planification et de créativité. Elle reproduit le comportement humain sur une large gamme de domaines d’application. Contrairement aux gros titres sur les soi-disant algorithmes créatifs, l’IA forte n’est pas encore disponible. les algorithmes sont des instructions prédéfinies qui mènent à la résolution de problèmes. Ils sont soit définis par les programmateurs, soit par l’apprentissage automatique. Afin d’apprendre un modèle et des règles générales à un système, on l’alimente avec une très grande quantité de données (par ex. une base de données d’images afin de former un logiciel de reconnaissance d’images). En fonction du nombre et de la qualité des exemples, le système se trouve en mesure d’évaluer des données inconnues. une méthode souvent utilisée ici est l’apprentissage profond. Elle sert à résoudre des problèmes complexes qui ne sont pas solubles avec des formules mathématiques clairement définies. On retrouve ici les réseaux neuronaux qui se composent de différentes couches de traitement. les données sont traitées par couche puis abstraites. le résultat est alors alimenté dans la prochaine couche et ce jusqu’à ce que toutes les couches soient passées. l’algorithme d’analyse évolue à chaque passage. les règles qui amènent jusqu’au résultat obtenu par des réseaux neuronaux ne sont plus identifiables en raison de leur haute complexité. To-Do 1. 2. 3. 4. 5. ----------- ---------- ----------- ------- ---------- 1 Yottaoctets = 1 208 925 819 614 629 174 706 176 octets
RkJQdWJsaXNoZXIy NTkxNzY=