L’IA, c’est quoi ?

« L’IA décrit la discipline qui cherche à développer des machines qui peuvent simuler l'intelligence humaine, c’est à dire des machines qui peuvent percevoir des choses, apprendre, raisonner, planifier et résoudre des problèmes. (…) L’IA fait référence aux technologies et algorithmes utilisés pour apprendre à des systèmes à exécuter des tâches intellectuelles et prendre des décisions par eux-mêmes. »   That’s ai.org

 
 

Comme on peut le voir dans le schéma ci-dessous, l’IA est un domaine de la science informatique.

 
 

Comment L’IA apprend

« Les humains et les animaux sont des êtres qui adaptent leur comportement en fonction de leurs expériences. Les systèmes d’IA font quelque chose de très similaire. Ils acquièrent et maîtrisent de nouvelles compétences et capacités en examinant des données et en les utilisant pour développer de nouvelles façons d’accomplir des tâches. Nous pourrions les appeler des systèmes informatiques qui adaptent leur comportement en fonction des données. Nous utilisons le terme « artificiel » pour simplifier, parce que nous parlons de systèmes informatiques et d’algorithmes et « d’intelligence » parce que ces systèmes adaptent leur comportement en fonction de données, tout comme les êtres vivants. » That’s ai.org

Il existe plusieurs manières d’entrainer une IA. Parmi elles, l’apprentissage automatique (machine learning) et l’apprentissage profond (deep learning).

MACHINE LEARNING

Les algorithmes de Machine Learning sont des programmes capables d’apprendre et de s’entrainer à partir des données et de s’améliorer de manière autonome. Lorsqu’ils détectent un changement dans les données, ils sont capables de prendre des décisions sans intervention humaine.

Exemple : donner le prix de vente d’une maison en fonction de ses caractéristiques (surface, ville etc.)

DEEP LEARNING

Le Deep Learning est une version améliorée du Machine Learning. Il est basé sur des réseaux de neurones artificiels, eux-mêmes inspirés par la façon dont notre cerveau utilise ses neurones pour traiter l’information et apprendre.

Ces réseaux de neurones artificiels sont appelés profonds, parce qu’ils contiennent plusieurs couches de neurones interconnectés. Tout comme dans notre cerveau. Ce modèle d’apprentissage est plus puissant que le Machine Learning et requiert davantage de données. Le Deep Learning est particulièrement performant dans le traitement de données comme les images, le texte, le son.

Exemple : un système d’IA qui a appris grâce au Deep Learning sera capable de différencier l’image d’un chat de celle d’un chien. Sur la base de toutes les images ingérées de chats et de chiens, le système d’IA apprend à les combiner pour reconnaître des traits tels que les yeux, les oreilles et le museau. Puis, selon la façon dont sont placés les caractéristiques de ces animaux, l’IA peut prédire : il s’agit vraisemblablement d’un chat ou d’un chien. A noter qu’il suffira à un jeune enfant de voir un ou deux chats ou chiens pour tous les reconnaitre.

<DÉ>CODAGE Éducation numérique pour le Cycle 2 (5-6e) DEF-DGEO (VD, Suisse) 2022

 

 

 Durée de l'extrait vidéo : 3'19                                                             Durée de l'extrait vidéo : 3'12 

IA génératives

Une fois que les systèmes d’IA savent détecter les caractéristiques d’une photo donnée, ils peuvent utiliser ces informations pour générer des images artificielles sur la base d’un prompt. Ex : « génère une image de chat noir et blanc en train manger ses croquettes ». C’est ce qu’on appelle l’IA générative. Un prompt c’est une instruction donnée à l'IA pour générer une réponse. Il peut s'agir d'une question, d'une phrase, d'un mot, ou même d'une description détaillée de ce que l’on souhaite que l'IA accomplisse.

Il est important de souligner que malgré des performances spectaculaires, une IA n’est pas « intelligente », elle peut produire et adapter des raisonnements très complexes sur la base de son jeu de données mais ne peut rien prédire au-delà de celui-ci. Une IA ne fonctionne donc que dans un domaine spécifique à la fois : domaine médical (détection de cancer sur des radiographies), voitures autonomes, texte prédictif (moteurs de recherches), générateur d’images et bien d’autres domaines encore.

« À l’heure actuelle, les technologies d’IA sont capables de lire et d’écrire sans toutefois vraiment comprendre le sens des mots. Elles peuvent voir et dessiner sans vraiment comprendre ce que les formes et les éléments d’une image représentent réellement. Et elles peuvent prendre des décisions en essayant et en échouant sans être réellement vivantes. » That’s ai.org

 
 
République et canton de Genève | DIP connexion