Le langage visuel de la statistique | Accromath Très tôt les États ont cherché à faire l’inventaire de leurs possessions, à connaître et à évaluer le nombre de leurs sujets et la quantité de biens. Cette pratique est à l’origine de la statistique dont l’avènement a eu une influence importante sur la gestion de l’État. Pour mettre en évidence l’information cachée dans des colonnes de chiffres, les statisticiens ont développé un langage visuel. Joseph Priestley Le but de la première représentation graphique utilisant une ligne du temps était avant tout pédagogique. Ce type de représentation graphique aide à développer une vision d’ensemble de l’évolution des idées, en philosophie, en mathématiques et dans les sciences. Joseph Priestley (1733-1804) D’abord formé comme théologien, Joseph Priestley s’est beaucoup intéressé à la « philosophie naturelle » comme on appelait la physique à l’époque. William Playfair William Playfair William Playfair, ingénieur et économiste écossais, est né en 1759 et décédé en 1823. Florence Nightingale Conclusion
Cognitive collaboration: Why humans and computers think better together Some have voiced fears that artificial intelligence could replace humans altogether. But that isn’t likely. A more valuable approach may be to view machine and human intelligence as complementary, with each bringing its own strengths to the table. A science of the artificial Although artificial intelligence (AI) has experienced a number of “springs” and “winters” in its roughly 60-year history, it is safe to expect the current AI spring to be both lasting and fertile. The stage for the current AI revival was set in 2011 with the televised triumph of the IBM Watson computer system over former Jeopardy! All of this has created considerable uncertainty about our future relationship with machines, the prospect of technological unemployment, and even the very fate of humanity. Discussions of these issues are often muddied by the tacit assumption that, because computers outperform humans at various circumscribed tasks, they will soon be able to “outthink” us more generally. Linda, c’est moi
Géométrie intégrale | Accromath Vous échappez un spaghetti au dessus de la table. Quelle est la probabilité qu’il intersecte le napperon central ? Un tel problème appartient à la géométrie intégrale. Vendredi soir, vous recevez de la visite imprévue et devez préparer un souper à la dernière minute. Au lieu de vous dépêcher de ramasser, vous commencez à réfléchir: certains spaghetti croisent le plus petit carré, d’autres non. Deux exemples simples Regardons d’abord un petit disque de rayon \(R_1\) à l’intérieur d’un grand disque de même centre et de rayon \(R_2\). Que signifie « prendre une droite au hasard » ? \[P=\frac{R_1}{R_2}.\] Faisons le même exercice avec deux carrés pleins de côtés \(R_1\) et \(R_2\), de même centre, dont le second est image y homothétique du premier. On peut se convaincre que la probabilité qu’une droite qui coupe la grande forme coupe aussi la petite est encore le rapport d’homothétie Est-ce encore vrai si le petit carré n’est pas centré dans le grand? Donc, ou encore
Pourquoi il ne faut pas avoir peur de l’Intelligence Artificielle L’automatisation complète n’est pas pour demain : les machines ont besoin des hommes ! Les craintes liées à l’IA sont fondées sur l’idée que les machines pourront, dans un avenir proche, largement remplacer les humains, avec en toile de fond les problématiques sociales de pertes d’emploi. Mais l’Intelligence Artificielle est encore – très – loin d’être capable d’imiter l’intelligence humaine. Les algorithmes ne peuvent par exemple prendre de décisions qu’à partir de cas simples, fréquents et sans ambiguïté. Ils ne possèdent pas la compréhension conceptuelle et le raisonnement de sens commun nécessaires pour analyser une situation nouvelle et complexe. Qu’avons-nous à gagner d’une collaboration homme-machine ?
La biodiversité en territoires isolés | Accromath La biogéographie est la science qui s’interroge sur les causes de la répartition de la biodiversité dans les différentes parties du globe. Le modèle déterministe de MacArthur et Wilson décrit l’évolution de la biodiversité sur les îles vers un équilibre, mais la migration des espèces vers des îles et leur extinction potentielle sont des phénomènes aléatoires. Comment un modèle déterministe peut-il refléter ce hasard? La biogéographie La biogéographie est la science qui s’interroge sur les causes de l’agencement spatial des espèces à la surface de notre planète et cherche à expliquer, par exemple, la répartition et les différences entre les grands biomes terrestres. Le premier élément de réponse est l’implication des facteurs climatiques. Un des modèles les plus puissants en biogéographie est celui proposé par MacArthur et Wilson dans leur passionnante théorie de la biogéographie des îles. \[S_{eq} =P \left ( \frac{c}{c+e} \right ), \] est ou encore, Avec
Machine-Learning Maestro Michael Jordan on the Delusions of Big Data and Other Huge Engineering Efforts The overeager adoption of big data is likely to result in catastrophes of analysis comparable to a national epidemic of collapsing bridges. Hardware designers creating chips based on the human brain are engaged in a faith-based undertaking likely to prove a fool’s errand. Despite recent claims to the contrary, we are no further along with computer vision than we were with physics when Isaac Newton sat under his apple tree. Those may sound like the Luddite ravings of a crackpot who breached security at an IEEE conference. Why We Should Stop Using Brain Metaphors When We Talk About Computing IEEE Spectrum: I infer from your writing that you believe there’s a lot of misinformation out there about deep learning, big data, computer vision, and the like. Lee Gomes, a former Wall Street Journal reporter, has been covering Silicon Valley for more than two decades.
Le paradoxe de Saint-Pétersbourg | Accromath Pendant la pandémie, Georges s’est trouvé un nouveau passe-temps : il joue de l’argent virtuel dans des casinos en ligne. Il en profite pour faire quelques calculs à l’occasion afin de déterminer à quel point le casino propose des jeux qui lui sont favorables. Dans le cas d’un jeu étrange de pile ou face qui pourrait s’étirer à l’infini, Georges est toutefois médusé. Pour trancher son dilemme, il devra en fait résoudre le paradoxe de Saint-Pétersbourg. Pile ou face à l’infini Considérons l’un des jeux de hasard les plus simples : pile ou face. \[E(P) = 2 \times \frac{1}{2} +0 \times \frac {1}{2}=1\] Comme le montant moyen remis par le croupier est égal à la mise de Georges, ni le casino, ni Georges ne sont favorisés. Georges s’intéresse à une variante intrigante du jeu. Comme précédemment, il serait pertinent de calculer la valeur espérée du montant remis à Georges. De façon générale, la probabilité d’obtenir le premier pile au xième lancer est de \(\displaystyle \frac{1}{2^x}.\)
Understanding the ‘black box’ of artificial intelligence - Sentient Technologies Artificial intelligence (AI) is playing an increasingly influential role in the modern world, powering more of the technology that impacts people’s daily lives. For digital marketers, it allows for more sophisticated online advertising, content creation, translations, email campaigns, web design and conversion optimization. Outside the marketing industry, AI underpins some of the tools and sites that people use every day. It is behind the personal virtual assistants in the latest iPhone, Google Home, and Amazon Echo. It is used to recommend what films you watch on Netflix or what songs you listen to on Spotify, steers conversations you have with your favorite retailers, and powers self-driving cars and trucks that are set to become commonplace on roads around the world. An employee drives a Tesla Motors Inc. What are neural networks? The neural networks behind this new breed of deep machine learning are inspired by the connected neurons that make up a human brain. What is black box AI?
Probabilités - Experimentarium Digitale Experimentarium Digitale Expérimentation Numérique Interactive Accueil > Expériences en ligne > Probabilités Probabilités Expériences en ligne Les réseaux de neurones expliqués à ma fille - OD-Datamining Le but de cette annexe n’est pas d’expliquer en détail toute la théorie et la pratique des réseaux de neurones, mais seulement d’en définir les principaux termes : • Neurone • Poids synaptiques • Apprentissage • Réseau de neurones • Couche cachée • Linéarité • Données d’apprentissage et de validation Principe du neurone artificiel Le neurone artificiel (neurone informatique) est un petit modèle statistique à lui tout seul. Il doit accomplir deux tâches : 1) la synthèse des informations qui lui sont fournies et 2) la transformation (souvent non linéaire) de cette information en quelque chose de nouveau. Ce fonctionnement est présenté sur la Figure 1. Pourquoi le neurone artificiel est-il un modèle ? Les coefficients du modèle sont calculés afin que les valeurs prédites soient les plus proches possibles de celles qui sont observées. La transformation effectuée lors de la seconde phase peut utiliser n’importe quelle fonction mathématique ou presque. Avoir toujours raison, une fausse bonne idée