Définition de l’intelligence artificielle: glossaire des termes clés relatifs à l’IA

Important la terminologie de l’IA expliquée.

Source: istockphoto

UNE

Algorithme : un algorithme est une séquence d’instructions explicites pas à pas permettant à un ordinateur de résoudre un problème.

Intelligence artificielle générale (AGI) : également appelée superintelligence, c’est lorsque les capacités de l’intelligence artificielle sont égales ou supérieures à celles de l’intelligence humaine.

• Êtes-vous assez persuasif pour changer l’esprit?
• Chiens, Prisonniers et Personnes
• 3 raisons pour lesquelles le «petit cerveau» pourrait devenir la prochaine grande chose
• L’activité physique pourrait-elle être aussi efficace que les antidépresseurs?
• Traitement radiculaire ou reconfiguration d’un autre mot de passe?

Intelligence artificielle (IA) : domaine de l’informatique dans lequel les machines sont capables de simuler la cognition et l’apprentissage humains.

Intelligence artificielle étroite (ANI) : désigne une intelligence artificielle limitée à un ensemble spécifique de sujets et de capacités.

Réseau de neurones artificiels (RNA) : Un modèle utilisé dans l’IA, il est vaguement basé sur le cerveau humain. Il se compose de couches neurales utilisées pour l’apprentissage automatique.

• Comment les animaux parlent: un livre remarquablement perspicace et prescient
• Musique, fiction et neurosciences de l’oubli actif
• Attention à la triade sombre malveillante
• Transformer le paradigme du traumatisme
• Rapide ou lent: souffrons-nous du syndrome des deux esprits?

B

Propagation en retour: également appelée «propagation en arrière des erreurs», il s’agit d’une technique d’apprentissage supervisé dans laquelle les erreurs sont calculées à la sortie et distribuées en arrière à travers les couches du réseau neuronal artificiel. Il s’agit d’une méthode courante d’apprentissage d’un réseau de neurones artificiels dans lequel la sortie initiale du système est comparée à la sortie souhaitée, puis le système est ajusté jusqu’à ce que la différence soit minimisée.

C

Réseau de neurones convolutifs (CNN) : C’est un type de réseaux de neurones utilisé pour identifier et analyser des images.

ré

Apprendre en profondeur : Méthode d’apprentissage automatique consistant en un réseau de neurones artificiels à plusieurs couches. Utilise de nombreuses couches de traitement non linéaire pour extraire des entités des données, puis les transformer en différents niveaux d’abstraction. Il peut être supervisé, semi-supervisé ou non supervisé. Utilisé dans la reconnaissance vocale, la vision par ordinateur, le traitement du langage naturel et la reconnaissance de formes.

E

Système expert : Un système d’IA qui utilise une base de connaissances d’expertise du domaine humain pour la résolution de problèmes.

F

Chaînage direct : méthode dans laquelle AI examine et analyse le système à base de règles pour rechercher les règles «si» et déterminer les règles à utiliser pour trouver une solution.

g

Réseaux génératifs d’adversaire (GAN) : type d’algorithme d’intelligence artificielle utilisé dans l’apprentissage automatique non supervisé dans lequel deux réseaux de neurones (générateur et discriminateur) sont formés sur le même ensemble de données. Le générateur produit une sortie et le discriminateur compare la sortie produite avec le jeu de données d’origine afin de déterminer quelles images sont authentiques. En fonction de ces résultats, le générateur ajuste ses paramètres pour créer une nouvelle sortie. Ce processus est itéré jusqu’à ce que le discriminateur ne soit plus en mesure de distinguer la sortie du générateur avec le jeu de données d’origine. Utilisé pour créer des images photoréalistes.

H

Heuristique : règles de bon sens basées sur l’expérience. Dans la programmation heuristique, les programmes s’auto-apprennent et s’améliorent avec l’expérience. Fréquemment utilisé avec des systèmes experts.

je

Raisonnement inductif : Processus logique où plusieurs prémisses vraies ou vraies la plupart du temps sont combinées pour former une conclusion. Souvent utilisé en prévision et en prévision.

M

Apprentissage automatique : un sous-ensemble de l’IA. Les algorithmes informatiques tirent des enseignements des modèles de données identifiés et ajustent leurs actions en conséquence, sans programmation explicite.

N

Traitement du langage naturel (NLP) : Application d’algorithmes informatiques pour déterminer les propriétés du langage humain naturel dans le but de permettre aux machines de comprendre le langage parlé ou écrit.

Réseau de neurones : voir «Réseau de neurones artificiels».

R

Apprentissage par renforcement : Une méthode d’apprentissage automatique inspirée de la psychologie du comportement. L’algorithme d’apprentissage par renforcement (agent) apprend en interagissant avec son environnement et est soit pénalisé, soit récompensé. L’agent cherche à prendre des décisions pour maximiser la récompense au fil du temps.

S

IA forte : Voir «Intelligence artificielle générale».

T

Test de Turing : Test de la capacité d’une machine à se comporter de manière intelligente, indiscernable du comportement humain. Développé par Alan Turing en 1950.

Copyright © 2018 Cami Rosso. Tous les droits sont réservés.