Intelligence Artificielle : quand Mario devient indépendant. Intelligence artificielle : l'étonnant avertissement de Stephen Hawking, Stuart Russell, Max Tegmark et Frank Wilczek. Une brochette de cerveaux (physiciens, informaticiens, mathématiciens et/ou prix Nobel) réunis par une tribune sur les dangers de l’intelligence artificielle : c’est le savoureux cadeau du 5 mai que nous offrait The Independent.
Car au-delà de la mise en garde des célèbres chercheurs, la tribune n’est pas dénuée d’humour et d’imagination. « Si une civilisation d’aliens, supérieurs à nous, nous envoyait un message disant « Salut, on arrive dans quelques décennies », répondrions nous simplement « Ok, appelez quand vous arrivez – on laisse la lumière allumée » ? Probablement pas. Eh bien c’est pourtant plus ou moins ce qu’il se passe avec l’intelligence artificielle ». La comparaison avec les aliens peut paraître audacieuse, et pourtant les chercheurs l’affirment avec le plus grand sérieux : l’intelligence artificielle pourrait être la plus grande opportunité comme la plus grande menace qu’ait jamais connue l’humanité.
Intelligence artificielle - Stuart Jonathan Russell, Peter Norvig. Extrapolation, interpolation et réseau de neurones. Rétropropagation du gradient. Un article de Wikipédia, l'encyclopédie libre.
En informatique, la technique de rétropropagation du gradient (Backpropagation en anglais) est une méthode qui permet de calculer le gradient de l'erreur pour chaque neurone d'un réseau de neurones, de la dernière couche vers la première. De façon abusive, on appelle souvent technique de rétropropagation du gradient, l'algorithme classique de correction des erreurs basé sur le calcul du gradient grâce à la rétropropagation et c'est cette méthode qui est présentée ici. En vérité, la correction des erreurs peut se faire selon d'autres méthodes, en particulier le calcul de la dérivée seconde. Cette technique consiste à corriger les erreurs selon l'importance des éléments qui ont justement participé à la réalisation de ces erreurs. Dans le cas des réseaux de neurones, les poids synaptiques qui contribuent à engendrer une erreur importante se verront modifiés de manière plus significative que les poids qui ont engendré une erreur marginale. note:
Cours, tutoriels et ressources sur l'IA sur Developpez. Utilisation d'excel pour un réseau de neurones. Chaque neurone prend comme entrées ei toutes les sorties de la couche précédente.
Chaque entrée ei est multipliée par un poids correspondant wi. Le seuil w0 est une constante. Le sommateur calcule l’entrée du neurone A. La fonction d’activation f calcule la sortie. La fonction d’activation choisie est une sygmoïde.Notre réseau prend en entrée les 9 notes qui sont prises en compte par une couche d'entrée de 5 neurones.
On retrouve ce shéma dans la construction dans Excel A gauche les paramètres d'entrée avec en dessous la prévision de l'expert. entre l'entrée et le neurone de sortie les 5 neurones de la couche d'entrée et les trois de la couche intermédiaire. Tous les poids (w) affichés dans chaque neurone ne sont pas des valeurs mais des formules.Ces formules font référence à un tableau où se trouvent les valeurs des poids et où ils sont modifiés d'étape en étape. A chaque présentation d’un exemple on recalcule les poids en tenant compte de la justesse ou non de la prévision du réseau. Intelligence artificielle, réseaux de neurones, neuronique. Avec les réseaux neuronaux On peut partir d'algorithmes médiocres et les laisser améliorer leurs capacités grâce à l'expérience.
Plutôt que d'indiquer pas à pas comment parvenir au résultat recherché, on fournit simplement des données à ces réseaux qui, suivant un processus d'apprentissage, comparent leur résultat à celui recherché pour tenter ensuite de s'en rapprocher au mieux Les réseaux neuronaux sont composés de plusieurs couches de cellules reliées entre elles et formant une vaste toile.
Ce réseau est capable d'ajuster la force de ses propres interconnexions, exactement comme cela se passe pour celles du cerveau humain, lors de l'apprentissage Ces réseaux ont la faculté de reconnaître les visages, les voix, les règles du jeu des dames ou des échecs, à stabiliser un hélicoptère. Comment apprendre au réseau. Maintenant que l'on a créé un réseau, il faut lui faire apprendre quelque chose.
Pour mieux comprendre cela, nous prendrons l'exemple de la reconnaissance de caractères: on présente des caractères au réseau et il a pour objectif de reconnaître ce caractère. Par exemple, si on lui montre la lettre "a" dessinée, il doit nous répondre que cela est un "a". Comment réaliser cela ? La méthode est en quelque sorte une imitation du cerveau (Le cerveau est le principal organe du système nerveux central des animaux. Le cerveau traite les informations en provenance des sens, contrôle de nombreuses fonctions...): si la réponse est correcte, c'est bien, mais s'il y a une erreur, il faut modifier le réseau (Un réseau informatique est un ensemble d'équipements reliés entre eux pour échanger des informations.
Le principe est donc relativement simple. Note: Comment est-il possible de modifier le réseau ?