I.A. est partout en ce moment, et il est responsable de tout, des assistants virtuels de nos smartphones à des voitures autonomes qui rempliront bientôt nos routes aux systèmes de reconnaissance d'images de pointe signalés par le vôtre vraiment.
À moins que vous n’ayez vécu sous un rocher au cours de la dernière décennie, il y a de fortes chances que vous en ayez déjà entendu parler – et que vous l’ayez probablement même utilisé. À l’heure actuelle, l’intelligence artificielle est à la Silicon Valley ce que One Direction est aux filles de 13 ans: une source omniprésente d’information. obsession de dépenser tout votre argent, tout en rêvant de se marier chaque fois qu'Harry Styles est enfin prêt à s'installer vers le bas. (D'accord, nous travaillons donc toujours sur l'analogie !)
Mais quoi exactement est L'IA? – et des termes comme « apprentissage automatique », «réseaux de neurones artificiels», « intelligence artificielle » et « Zayn Malik » (nous travaillons toujours sur cette analogie…) doivent-ils être utilisés de manière interchangeable ?
Pour vous aider à comprendre certains des mots à la mode et du jargon que vous entendrez lorsque les gens parleront de l'IA, nous avons élaboré ce guide simple pour vous aider à comprendre votre tête autour de toutes les différentes saveurs de l'intelligence artificielle - Ne serait-ce que pour ne pas faire de faux pas lorsque les machines prendront enfin sur.
Intelligence artificielle
Nous n’entrerons pas trop profondément dans l’histoire de l’IA. ici, mais la chose importante à noter est que l’intelligence artificielle est l’arbre sur lequel tous les termes suivants sont des branches. Par exemple, l’apprentissage par renforcement est un type d’apprentissage automatique, qui est un sous-domaine de l’intelligence artificielle. Cependant, l’intelligence artificielle n’est pas (nécessairement) un apprentissage par renforcement. J'ai compris?
Jusqu’à présent, personne n’a construit une intelligence générale.
Il n’existe pas d’accord de consensus officiel sur ce que l’I.A. signifie (certaines personnes suggèrent que ce sont simplement des choses intéressantes que les ordinateurs ne peuvent pas encore faire), mais la plupart Je serais d’accord qu’il s’agit de faire effectuer aux ordinateurs des actions qui seraient considérées comme intelligentes si elles étaient exécutées par un personne.
Le terme a été inventé pour la première fois en 1956, à une atelier d'été au Dartmouth College dans le New Hampshire. La grande distinction actuelle en A.I. se situe entre les domaines actuels spécifiques au domaine IA étroite et Intelligence générale artificielle. Jusqu’à présent, personne n’a construit une intelligence générale. Une fois qu’ils le font, tous les paris sont ouverts…
L'IA symbolique
On n'entend pas tellement parler de L'IA symbolique aujourd'hui. Également appelé Good Old Fashioned A.I., Symbolic A.I. est construit autour d’étapes logiques qui peuvent être transmises à un ordinateur de manière descendante. Cela implique de fournir de très nombreuses règles à un ordinateur (ou à un robot) sur la manière dont il doit gérer un scénario spécifique.
Cela a conduit à de nombreuses percées précoces, mais il s'est avéré que celles-ci fonctionnaient très bien en laboratoire, dans dont chaque variable pourrait être parfaitement maîtrisée, mais souvent moins bien dans le désordre du quotidien vie. Comme l’a plaisanté un auteur à propos de l’IA symbolique, les premières A.I. les systèmes ressemblaient un peu au dieu de l’Ancien Testament – avec beaucoup de règles, mais sans pitié.
Aujourd'hui, les chercheurs aiment Selmer Bringsjord se battent pour remettre l’accent sur l’IA symbolique basée sur la logique, construite autour de la supériorité des systèmes logiques qui peuvent être compris par leurs créateurs.
Apprentissage automatique
Si vous entendez parler d'un grand A.I. percée ces jours-ci, il y a de fortes chances qu’à moins qu’un grand bruit ne suggère le contraire, vous entendiez parler de apprentissage automatique. Comme son nom l’indique, l’apprentissage automatique consiste à créer des machines qui apprennent.
Comme le titre de l'IA, l'apprentissage automatique comporte également plusieurs sous-catégories, mais ce qu'elles ont toutes en commun La capacité, axée sur les statistiques, à prendre des données et à y appliquer des algorithmes afin d'obtenir des résultats est courante. connaissance.
Il existe une multitude de branches différentes de l’apprentissage automatique, mais celle dont vous entendrez probablement le plus parler est…
Les réseaux de neurones
Si vous avez passé du temps dans notre section Cool Tech, vous en avez probablement entendu parler réseaux de neurones artificiels. En tant que systèmes inspirés du cerveau et conçus pour reproduire la façon dont les humains apprennent, les réseaux neuronaux modifient leur propre code pour trouver le lien entre l'entrée et la sortie - ou la cause et l'effet - dans des situations où cette relation est complexe ou pas clair.
Les réseaux de neurones artificiels ont bénéficié de l’arrivée du deep learning.
Le concept de réseaux de neurones artificiels date en réalité retour aux années 40, mais ce n’est réellement qu’au cours des dernières décennies qu’il a commencé à vraiment exploiter son potentiel: aidé par l’arrivée d’algorithmes comme «rétropropagation", qui permet au réseau neuronal d'ajuster ses couches cachées de neurones dans des situations où le résultat ne correspond pas à ce que le créateur espère. (Par exemple, un réseau conçu pour reconnaître les chiens, qui identifie mal un chat.)
Cette décennie, les réseaux de neurones artificiels ont bénéficié de l'arrivée de l'apprentissage en profondeur, dans lequel différentes couches du réseau extraient différentes fonctionnalités jusqu'à ce qu'elles puissent reconnaître ce qu'elles recherchent.
Dans la rubrique réseau neuronal, il existe différents modèles de réseau potentiel - avec rétroaction et réseaux convolutifs ce sont probablement ceux que vous devriez mentionner si vous vous retrouvez coincé à côté d’un ingénieur Google lors d’un dîner.
Apprentissage par renforcement
Apprentissage par renforcement est une autre saveur de l’apprentissage automatique. Il est fortement inspiré de la psychologie behavioriste et repose sur l’idée selon laquelle un agent logiciel peut apprendre à entreprendre des actions dans un environnement afin de maximiser une récompense.
À titre d’exemple, en 2015, DeepMind de Google a publié un article montrant comment il avait formé un I.A. jouer à des jeux vidéo classiques, sans aucune instruction autre que le score à l'écran et les environ 30 000 pixels qui composaient chaque image. Invité à maximiser son score, l'apprentissage par renforcement signifiait que l'agent logiciel apprenait progressivement à jouer au jeu par essais et erreurs.
MarI/O - Apprentissage automatique pour les jeux vidéo
Contrairement à un système expert, l’apprentissage par renforcement n’a pas besoin d’un expert humain pour lui dire comment maximiser un score. Au lieu de cela, il le découvre au fil du temps. Dans certains cas, les règles qu’il apprend peuvent être fixes (comme dans le cas d’un jeu Atari classique). Dans d’autres, il continue de s’adapter au fil du temps.
Algorithmes évolutionnaires
Connu comme un algorithme générique d'optimisation métaheuristique basé sur la population si vous n'avez pas encore été présenté, algorithmes évolutionnaires sont un autre type d’apprentissage automatique; conçu pour imiter le concept de sélection naturelle à l’intérieur d’un ordinateur.
Le processus commence lorsqu'un programmeur saisit les objectifs qu'il essaie d'atteindre avec son algorithme. Par exemple, la NASA a utilisé des algorithmes évolutifs pour concevoir des composants de satellite. Dans ce cas, la fonction peut être de trouver une solution capable de tenir dans une boîte de 10 cm x 10 cm, capable de rayonner un motif sphérique ou hémisphérique et capable de fonctionner à un certain Wi-Fi groupe.
L’algorithme propose ensuite plusieurs générations de conceptions itératives, testant chacune d’elles par rapport aux objectifs déclarés. Quand on finit par cocher toutes les bonnes cases, cela cesse. En plus d'aider la NASA à concevoir des satellites, les algorithmes évolutionnaires sont les favoris des créatifs utilisant l'intelligence artificielle pour leur travail: comme les designers de ce meuble astucieux.
Recommandations des rédacteurs
- L'IA d'apprentissage profond aide les archéologues à traduire des tablettes anciennes
- L'IA d'apprentissage profond peut imiter les effets de distorsion des dieux emblématiques de la guitare
- Une IA qui lit dans les pensées analyse vos ondes cérébrales pour deviner quelle vidéo vous regardez
- L’évaluateur immobilier du futur est probablement un IA. algorithme
- I.A. photoréaliste l'outil peut combler les lacunes des images, y compris les visages
