Glossaire de l'IA: un guide simple pour comprendre la technologie

29. Mars 2021 | Drooms Global


L'intelligence artificielle est partout. Dans nos logiciels de gestion, les applications que nous utilisons, les trains que nous prenons et les nouvelles que nous regardons. Bien que nous en entendions souvent parler et même en parlions, les différents concepts entourant l'IA ne sont pas toujours compris. Alors, que devez-vous savoir sur l'IA?

L'intelligence artificielle est en constante évolution. Son avenir sera sans aucun doute très différent de ce que nous connaissons aujourd'hui. Mais pour l'instant, nous fournissons un glossaire de certains des termes les plus importants et les plus populaires autour de l'intelligence artificielle. Ces termes peuvent vous aider à comprendre les logiciels d'intelligence artificielle et leurs applications.

 

Intelligence artificielle

 

Bien que nous sachions que l'intelligence artificielle permet à une machine d'exécuter des fonctions cognitives (comme la perception, l'apprentissage, le raisonnement et la résolution de problèmes), il est intéressant de noter qu'il n'y a toujours pas de définition homogène de l'IA. L'intelligence artificielle est divisée en trois sous-domaines:

• Intelligence artificielle - la catégorie principale

• Apprentissage automatique - la première sous-catégorie de l'IA

• Deep learning - la première sous-catégorie de l'apprentissage automatique

L'intelligence artificielle a été utilisée dans le développement de voitures autonomes, de chatbots et de surveillance des réseaux sociaux.

 

Intelligence artificielle étroite

 

Lorsque les articles parlent d '«IA faible», ils font référence à l'intelligence artificielle étroite (ANI). Le terme «faible» est cependant une manière inexacte de décrire l’ANI. L ’« IA faible »conduit à des solutions très avancées, où l’idée est d’augmenter ou de remplacer les humains pour des tâches spécifiques. Par exemple, les véhicules autonomes utilisent l'intelligence artificielle étroite.

 

Intelligence générale artificielle

 

Le monde travaille également vers l'Intelligence Générale Artificielle (AGI) ou «IA forte». Le concept est très débattu, car certains experts ne croient pas qu'il soit possible de réaliser l'AGI. L'objectif final de l'AGI serait d'atteindre le même niveau de fonctionnalité qu'un cerveau humain ou même de surpasser l'intelligence humaine.

 

Algorithmes

 

Les algorithmes sont souvent codés par des humains et basés sur un ensemble d'instructions. Par exemple, un algorithme peut aider à donner un sens aux ensembles de données. Les suggestions que vous recevez sur les plateformes d'achat sont basées sur des algorithmes codés pour analyser les données.

Alors que la plupart des algorithmes dans le passé ont été codés par des humains, l'IA peut aider les machines à créer des algorithmes sans intervention humaine. Ces algorithmes ont tendance à apprendre des données qu'ils reçoivent.

Les algorithmes utilisent des techniques telles que:

• Classification qui attribue des catégories aux points de données

• Clustering qui regroupe des données similaires en catégories plus larges

• Attribuer qui consiste à attribuer certaines caractéristiques à un objet

• Détection qui classe et localise un ou plusieurs objets dans une image ou un texte

 

Big data

 

Le terme lui-même fait référence à de grandes quantités de données structurées et non structurées qui ne peuvent pas être traitées par un logiciel de traitement de données standard. Comme mentionné, les données peuvent être:

• Structuré: où il est clairement défini et a des modèles facilement consultables

• Non structuré: où aucun modèle identifiable n'est facilement trouvé

 

Deep Learning

 

L'apprentissage profond est un ensemble flexible de règles et de techniques qui permet au réseau neuronal de s'enseigner lui-même. Célèbre, le réseau de neurones de reconnaissance d'image Watson a pu apprendre lui-même des classes d'images qu'il n'était pas formé à identifier grâce à l'apprentissage en profondeur.

 

Machine learning (apprentissage automatique)

 

L'intelligence artificielle et l'apprentissage automatique vont de pair aujourd'hui. Les programmes utilisent l'apprentissage automatique pour enseigner et modifier les algorithmes afin qu'ils fonctionnent mieux.

L'apprentissage peut être:

• Supervisé: où les algorithmes parcourent les données d'entraînement pour leur permettre de corriger leurs performances. Habituellement, cela signifie leur donner les «bonnes» réponses pour accélérer le processus

• Non supervisé: où les algorithmes analysent et trouvent des structures dans l'ensemble de données sans formation ni correction

L'apprentissage par renforcement est un troisième type d'apprentissage. L'objectif ici est d'améliorer les capacités de l'IA grâce à la rétroaction. Le système exécutera différents scénarios et l'intervention humaine évaluera les performances du système. Le programme d'IA prendra alors en compte le feedback et ajustera son comportement.

 

Natural Language Generation (NLG)

 

Il s'agit d'un processus dans lequel la technologie de l'IA prend des données structurées et les transforme en texte. En règle générale, les systèmes NLG apprennent les différentes relations entre les points de données.

 

Natural Language Processing (NLP)

 

Le traitement du langage naturel implique des machines interprétant ce que signifie le langage humain. Il peut également être utilisé pour générer un langage naturel. La technologie PNL, un excellent exemple de l’impact bénéfique de l’intelligence artificielle dans les affaires, est utilisée dans la propre offre de produits de Drooms.

 

Réseau Neuronal

 

Alors que nous travaillons à l'amélioration de l'IA, les réseaux de neurones deviennent un domaine d'intérêt clé. Le but est de créer des réseaux similaires au système nerveux et au cerveau humains. Le réseautage neuronal utilise actuellement différentes étapes d'apprentissage pour permettre à l'IA de résoudre des problèmes complexes. Dans un premier temps, le modèle intelligent artificiel pourrait simplement se soucier des pixels sur un écran. Après la phase initiale, le réseau neuronal transmet les informations plus loin et l'IA tente de donner un sens à plus de données. Le résultat serait un apprentissage en profondeur.

 

Robotiques

 

Les applications de l'intelligence artificielle impliquent souvent la robotique. La technologie de l'intelligence artificielle peut être utilisée dans les dispositifs robotiques pour effectuer certaines tâches. La robotique est définie au sens large comme un moyen de créer et d'alimenter l'automatisation physique.