L'intelligence artificielle simplifiée

Publié le: 31 octobre 2018 / mise à jour du: 8 avril 2019 - Auteur: Konrad Wolfenstein

L'intelligence artificielle expliquée simplement. Maintenir une vue d’ensemble dans la masse, par exemple Big Data ? Cela n’est possible que si vous suivez certains schémas ou si vous vous laissez guider.

Intelligence artificielle (IA) – Syntaxe simple

Une auto-expérience : Vous avez une certaine image dans votre tête. Aujourd’hui, ce devrait être une armoire rouge avec des poignées blanches. Que fais-tu?

Dans la recherche Google, «Cabinet rouge, poignées blanches».

Rendement? Modeste.

Tentative 2: Vous entrez «Cabinet rouge, mains blanches» dans la recherche Google.

Le résultat est déjà meilleur, mais pourrait certainement être encore meilleur.

Le premier pas dans la programmation se fait avec la recherche Google. La collection de requêtes de recherche et leur conversion en algorithmes et codes forment le réseau neuronal.

L’apprentissage automatique, comme le montre le graphique du haut, n’est donc pas destiné à une mise en œuvre rapide. Cela demande beaucoup de temps et de travail. Cela explique également les coûts de développement correspondants. Mais si l’on considère que l’IA n’a pas de vacances, pas de pension ou autres pertes naturelles, les choses semblent complètement différentes.

Mais l'armoire rouge avec des poignées blanches est-elle encore à jour demain? Cela correspond-il toujours au style de vie? Les goûts changent. C'est exactement là que l'apprentissage en profondeur entre en jeu. Pour rester avec notre exemple: avec la recherche plus approfondie, l'IA apprend et, sur la base des autres sujets qui s'intéressent à la façon dont votre comportement de recherche a changé et indépendamment, développe de nouveaux algorithmes pour «prédire» qu'une armoire verte avec des poignées bleues pourrait être intéressée par la cuisine en un an.

Terrible? Pour certains, c'est effrayant. Mais ce n’est en réalité pas le cas. La peur de l’inconnu nous joue des tours. Si nous demandions à un groupe de personnes ce qui pourrait vous intéresser à la télévision demain, vous obtiendriez diverses réponses. Pas uniforme. Maintenant, comment décidez-vous quelle proposition vous accepteriez ? S’agit-il de l’apport professionnel ou de l’apparence attractive de la personne en question ?

C'est comme ça avec l'IA. Selon la faiblesse ou la forte du réseau neuronal, le réseau neuronal a été «programmé», la déclaration est en conséquence. Il s'agit de l'analyse des modèles qui devrait nous aider à prendre une bonne décision. Ne pas nous contrôler. Parce que si nous ne créons pas d'analyse d'échantillons dans les mégadonnées, nous allons sans pitié. Et c'est le vrai scénario d'horreur.