💡 IA: Introduction

Qu'es ce que intelligence artificielle ?

Petit background historique : l'IA date des années 50 (années 40 pour l'informatique). 3 grand projets pourrait être qualifiés comme des IA :

1. Deep Blue
2. AlphaGo
3. ChatGPT

Pourtant, aucune de ces 3 programmes n’atteigne pas le niveau d'intelligence humain qu'on peut qualifier comme nécessaire pour une IA. Il y a débat sur la légitimité de la définition. La plus proche est la suivante :

Définition

L'IA désigne la possibilité pour une machine de reproduire des comportements liés aux humains, tels que le raisonnement, la planification, la créativité.

D'autres exemples existent plus clair existent :

• Siri n'est pas vraiment une IA, même si il utilise ChatGPT récemment
• Les photos sont traités par de l'IA sur téléphone
• Traducteur de texte
• Voitures Autonomes

Différent types d'IA

L'IA faible est spécialisée, alors qu'une IA forte est multitâche. Mais elle doit aussi atteindre le niveau d'intelligence humain, donc ChatGPT n'est pas une IA forte.

Une IA symbolique est lié à la programmation, elle ne peux pas faire d'erreurs (utilise des arbres de décisions). L'IA statistique utilise des probabilités, et elle peut donc se tromper.

Note

Dans ce cours, nous n'aborderons uniquement le machine learning, et pas du tout l'IA symbolique.

Différentes méthodes d'apprentissage

Supervisé

Il est important de donner à l'IA les données d'apprentissages. Pour mon IA détectrices d'images (chien & chat), il faut lui donner des images en tant qu'exemple, des données étiquetées.

Non supervisé

Ici, les données étiquetées ne sont pas doné. Il faut que l'IA forme de groupe, pas forcément nommées.

Par Renforcement

L'IA joue toute seule. On lui explique les règles, et on lui offre des récompenses. Elle comprend elle même quoi faire et comment le faire mieux.

Principes de l'apprentissage supervisé

1. Acquisition et Étiquetage des données
2. Entraînement : détermination des paramètres pour fonctionner
3. Validation
4. Utilisation (que nous n'utiliserons pas)

Lors de l'apprentissage, il y a deux biais :

1. Un biais implicite : un manque de donnée où certaines citations ne sont pas exploités.
2. Un biais explicite : un mauvaise apprentissage, si on lui dit d'aller tout droit dans un mur par ex.