Vocabulaire de l’Intelligence Artificielle : les termes à connaître
Commençons par le terme généraliste : l’intelligence artificielle.
Ces mots ont été utilisés pour la première fois en 1956 lors d’un meeting scientifique. L’expression faisait alors référence à des tâches faciles pour les humains mais compliquées pour les machines. En effet, dès les premiers jours de l’informatique, les machines ont été performantes dans l’exécution de tâches logiques, telles que la résolution de problèmes mathématiques simples. Cependant, d’autres tâches, comme mener une conversation, identifier si l’animal sur la photo est un chien ou un chat, ou reconnaître si une personne est heureuse ou triste, sont beaucoup plus difficiles pour les ordinateurs. A la fin de cet atelier, ses participants décidèrent de se consacrer à la façon pour les machines «d’utiliser le langage, former des abstractions et des concepts, résoudre des types de problèmes réservés aux humains, et s’améliorer.»
À ce jour, les chercheurs en IA continuent de travailler sur les domaines décrits par ces premiers pionniers de l’IA. Des disciplines comme le traitement du langage naturel, la reconnaissance d’images ou le machine learning sont devenues des sous-spécialités dans la catégorie générale de l’IA.
Le machine learning est une sous-catégorie de l’intelligence artificielle. C’est un procédé qui permet aux ordinateurs de s’améliorer grâce à l’apprentissage. Le data analyst Arthur Samuel estime que le machine learning permet aux ordinateurs «d’apprendre sans être explicitement programmés».
De grandes entreprises utilisent aujourd’hui le machine learning pour, par exemple, réaliser les meilleures recommandations produits, à l’instar de Netflix ou Amazon.
Le deep learning est une partie du machine learning. Le deep learning intègre et analyse une grande quantité d’informations qu’il peut ensuite catégoriser. Par exemple, le deep learning peut arriver à reconnaître les photos de chiens et les photos de chats dans une base d’images et mettre en évidence les caractéristiques de chaque animal.
Le cognitive computing est une manière plus polissée de parler d’Intelligence Artificielle. IBM utilise cette expression pour s’exprimer autour de sa plateforme Watson. L’informatique cognitive est surtout utilisée par les services marketing qui trouvent que l’expression «intelligence artificielle» a une connotation négative.
Les réseaux de neurones sont des systèmes informatique inspirés par les cerveaux humains. Ils permettent de réaliser différentes tâches dans des disciplines comme la reconnaissance vocale ou la reconnaissance d’images.
L’apprentissage supervisé ou non-supervisé sont deux manières d’apprendre aux ordinateurs. Pour le premier, un humain aide la machine à, par exemple, catégoriser les photos de chiens et les photos de chats, pour reprendre notre exemple cité au-dessus. Pour ce faire, l’homme va annoter chacune de ces images. Il va ensuite pouvoir créer un échantillon de données qui va aider la machine à comprendre ce qu’est une photo de chien et une photo de chat.
A l’inverse, l’apprentissage non-supervisé ne reçoit pas le soutien de l’humain. L’ordinateur n’a pas d’échantillon au départ, il doit chercher par lui-même. Ce type d’apprentissage est surtout utilisé lorsqu’il y a des données trop volumineuses.
En termes simples, lorsque nous parlons d’algorithmes, nous parlons de processus, généralement liés aux mathématiques.
Lorsque vous avez appris à poser une division, vous avez appris un processus qui impliquait de diviser, de multiplier, de soustraire et d’abaisser le chiffre suivant. Ce processus constitue un algorithme.
Les algorithmes pour l’IA et le machine learning sont des processus de ce type, mais beaucoup plus complexes. On utilise couramment en algorithmique les arbres de décision, les algorithmes de classification, les algorithmes de classification ou les algorithmes de régression.
Définition de la CNIL : « une suite d’étapes permettant d’obtenir un résultat à partir des éléments fournis en entrée ».
Le chatbot est une intelligence artificielle qui utilise des capacités de traitement du langage naturel pour mener une conversation. A terme, le but est que le chatbot puisse répondre aux questions comme un humain pourrait le faire.
Certains diront qu’on en est encore loin.
Le data mining permet d’analyser un grand volume de données et d’en faire ressortir des modèles, des corrélations, des tendances. Même si l’on peut faire du data mining sans machine learning ou deep learning, les logiciels les plus avancés intègrent aujourd’hui généralement ces fonctionnalités.
L’explosion quantitative des données numériques a obligé les informaticiens à trouver de nouvelles manières de voir et d’analyser le monde. Il s’agit de découvrir de nouveaux ordres de grandeur concernant la capture, la recherche, le partage, le stockage, l’analyse et la présentation des données. Il s’agit d’un concept permettant de stocker un nombre indicible d’informations sur une base numérique.
Le Test de Turing a été élaboré par le célèbre mathématicien Alan Turing. Ce test détermine si un ordinateur a atteint une véritable intelligence artificielle. Pour cela, un humain doit écrire quelques questions, qu’il transmet ensuite à la machine et à un autre humain, pour qu’ils y répondent séparément. Lorsqu’elle a les réponses sous les yeux, la personne ayant écrit les questions doit déterminer celles qui viennent de l’ordinateur et celles qui viennent de son homologue. Si elle n’arrive pas à faire la différence, l’ordinateur a atteint l’intelligence artificielle.
Un article simple et clair sur Alan Turing publié le 28septembre 2020 sur Siècle Digital
Article réalisé avec l’aide de FrenchWeb
Analyse prédictive – Techniques issues des statistiques, de data mining et de la théorie des jeux pour échafauder des hypothèses.
API – Application Programming Interface, un ensemble normalisé de méthodes par lequel un logiciel offre des services à d’autres logiciels.
Agent cognitif – Logiciel qui agit de façon autonome et intelligente.
Apprentissage machine (machine learning) – Techniques et algorithmes fournissant des capacités d’apprentissage aux ordinateurs.
Apprentissage profond (deep learning) – Technique d’apprentissage basée sur des réseaux de neurones profonds, c’est-à-dire constitués de nombreuses couches se superposant.
Artefact – Objet façonné par l’Humain.
Réseaux de neurones formels – Représentations mathématiques et informatiques des neurones biologiques et de leurs connexions.
Réseaux sémantiques – Graphes modélisant la représentation des connaissances.
Sciences cognitives – Ensemble de disciplines scientifiques regroupant notamment les neurosciences, l’intelligence artificielle, la psychologie, la philosophie, la linguistique, l’anthropologie… Champ transdisciplinaire très vaste s’intéressant à la pensée humaine, animale et artificielle.
Systèmes experts – Systèmes prenant des décisions à partir de règles et de faits.
Value sensitive design – Conception de technologies prenant en compte les valeurs des Humains.
En complément : 25 termes pour comprendre l’intelligence artificielle
Publié sur I’M Tech le 20 octobre 2017