Qu’est-ce que l’IA ?

Définition

L’intelligence artificielle relève de technologies informatiques permettant à des machines d’apprendre et de réaliser des tâches traditionnellement dévolues à l’intelligence humaine. Cette discipline scientifique est « jeune » de soixante-six ans car c’est en 1956 qu’elle a été officialisée lors de la conférence organisée par John McCarthy (Dartmouth) et Marvin Minsky (Princeton) au Dartmouth College – États-Unis. L’émergence du Machine Learning (apprentissage automatique), un sous domaine de l’intelligence artificielle, a lieu dans les années quatre-vingt-dix et entraine le développement d’algorithmes qui permettent de réaliser des prédictions à partir de données tout en s’améliorant au fil du temps.

Portée par le big data, l’explosion de la puissance de calcul (en lien avec la loi de Moore) et le deep learning (apprentissage profond), l’intelligence artificielle connaît depuis le début des année 2000 un intérêt croissant qui ne faiblit pas. Toutes les applications d’intelligence d’artificielle relèvent à ce jour de ce que l’on appelle l’IA faible (ou IA étroite) dédiée à la résolution de tâches spécifiques comme la reconnaissance d’images ou le traitement du langage naturel. Une IA forte (ou IA générale), dotée d’esprit, de sensibilité, de conscience relève encore de la science-fiction.

IA connexionniste et IA symbolique

Les rivalités entre ces deux courants de l’IA existent depuis le début de l’histoire de l’intelligence artificielle. Basée sur des règles et des connaissances, l’IA symbolique permet l’explicabilité des algorithmes ce qui est beaucoup moins évident pour l’IA connexionniste basée sur des réseaux de neurones artificiels. Alors que les modèles de deep learning nécessitent de grand volume de données pour pouvoir effectuer des prédictions, l’IA symbolique est très frugale en matière de données. En réalité, chaque approche présente des atouts et des limites et l’avenir semble s’orienter vers l’IA neuro-symbolique combinant ainsi le meilleur des deux mondes.

Le machine learning

Sous domaine de l’intelligence artificielle, le Machine Learning (Apprentissage Automatique) comprend de nombreux algorithmes pour créer à partir des données des modèles dont les performances s’améliorent au fil de leur entrainement. Le Machine Learning est divisé en trois grandes catégories : l’apprentissage supervisé, l’apprentissage non supervisé, l’apprentissage par renforcement. Toutes les formes de Machine Learning s’appuient sur des statistiques et des probabilités qu’un événement ou une action ne produise ou non.

Le Deep Learning

• Au début le perceptron

Inspiré du neurone biologique, le perceptron est un algorithme d’apprentissage supervisé parmi les plus simples pour la classification binaire (0 ou 1). Le tout premier modèle mathématique d’un neurone artificiel fut proposé par les américains Warren S. McCulloch et Walter H. Pitts en 1943 mais c’est le psychologue américain Frank Rosenblatt qui a mis au point le perceptron en 1957.

Lire la suite (IA 4 Marketing)