{"id":2363,"date":"2022-05-27T10:33:08","date_gmt":"2022-05-27T10:33:08","guid":{"rendered":"https:\/\/picockpit.com\/raspberry-pi\/?p=2363"},"modified":"2023-10-02T12:50:57","modified_gmt":"2023-10-02T12:50:57","slug":"ai-an-introduction-to-artificial-intelligence","status":"publish","type":"post","link":"https:\/\/picockpit.com\/raspberry-pi\/fr\/ai-an-introduction-to-artificial-intelligence\/","title":{"rendered":"Introduction \u00e0 l'intelligence artificielle"},"content":{"rendered":"
\"Une<\/figure>\n\n\n\n

Aujourd'hui, l'IA est omnipr\u00e9sente dans le secteur des technologies de l'information. Mais comment fonctionne-t-elle ? Et comment cr\u00e9er soi-m\u00eame une intelligence artificielle ? <\/p>\n\n\n\n

Dans cet article, je vais vous expliquer tout ce que vous devez savoir pour vous lancer dans l'IA.<\/p>\n\n\n\n\n\n

Histoire de l'IA<\/h2>\n\n\n\n

Depuis l'Antiquit\u00e9, l'homme a toujours pens\u00e9 \u00e0 donner vie \u00e0 des objets. Mais c'est surtout avec l'invention des ordinateurs que l'id\u00e9e de machines pensantes a commenc\u00e9 \u00e0 prendre forme.<\/p>\n\n\n\n

En 1950, Alan Turing a invent\u00e9 le test de Turing pour d\u00e9terminer si une machine est intelligente ou non.<\/p>\n\n\n\n

Le terme \"intelligence artificielle\" a \u00e9t\u00e9 mentionn\u00e9 pour la premi\u00e8re fois en 1956 lors d'une conf\u00e9rence au Dartmouth College.<\/p>\n\n\n\n

Une invention importante en 1967 a \u00e9t\u00e9 l'algorithme du plus proche voisin, qui joue un r\u00f4le important dans la classification des objets et la reconnaissance des formes.<\/p>\n\n\n\n

Le premier chariot autonome a \u00e9t\u00e9 d\u00e9velopp\u00e9 en 1979. Il s'appelait Stanford Cart et pouvait d\u00e9tecter et esquiver les murs.<\/p>\n\n\n\n

En 1985, l'IA NETtalk a \u00e9t\u00e9 invent\u00e9e. Elle utilisait l'apprentissage profond pour apprendre \u00e0 parler.<\/p>\n\n\n

\n
\"Histoire
Histoire de l'IA<\/figcaption><\/figure>\n<\/div>\n\n\n

En 1997, l'IA a vraiment commenc\u00e9 \u00e0 d\u00e9coller. Le super ordinateur Deep Blue d'IBM a r\u00e9ussi \u00e0 battre Garry Kasparov, alors champion du monde d'\u00e9checs.<\/p>\n\n\n\n

La NASA a d\u00e9velopp\u00e9 les rovers d'exploration Spirit et Opportunity, qui se sont d\u00e9plac\u00e9s de mani\u00e8re autonome sur la surface de Mars en 2004.<\/p>\n\n\n\n

En 2011, une IA nomm\u00e9e Watson a battu un humain dans le jeu t\u00e9l\u00e9vis\u00e9 \"Jeopary !\".<\/p>\n\n\n\n

AlphaGo, de Google, a battu un joueur professionnel de Go en 2016. Le Go est consid\u00e9r\u00e9 comme bien plus complexe que les \u00e9checs et la puissance de calcul n'est pas la seule chose requise pour r\u00e9ussir.<\/p>\n\n\n\n

En 2019, une IA a m\u00eame battu un joueur professionnel dans Starcraft II.<\/p>\n\n\n\n

Aujourd'hui, l'IA est partout. Elle a r\u00e9solu le probl\u00e8me du repliement des prot\u00e9ines et a m\u00eame appris \u00e0 cr\u00e9er de l'art ou \u00e0 \u00e9crire du code.<\/p>\n\n\n\n

Termes importants<\/h2>\n\n\n\n

Voici un aper\u00e7u des termes les plus importants li\u00e9s \u00e0 l'IA.<\/p>\n\n\n

\n
\"Termes
Termes importants<\/figcaption><\/figure>\n<\/div>\n\n\n

Le domaine de l'IA est vaste. Il couvre des domaines tels que la vision par ordinateur, le traitement du langage naturel, la robotique et l'automatisation, pour n'en citer que quelques-uns.<\/p>\n\n\n\n

L'apprentissage automatique constitue une partie importante de l'IA. Il s'agit d'un ensemble de m\u00e9thodes et d'algorithmes qui permettent \u00e0 un ordinateur d'apprendre. Ces m\u00e9thodes peuvent \u00eatre divis\u00e9es en trois cat\u00e9gories :<\/p>\n\n\n\n

Apprentissage supervis\u00e9, apprentissage non supervis\u00e9 et apprentissage par renforcement.<\/p>\n\n\n\n

Dans l'apprentissage supervis\u00e9, l'IA utilise des donn\u00e9es \u00e9tiquet\u00e9es pour s'entra\u00eener. Ce n'est pas le cas de l'apprentissage non supervis\u00e9. L'apprentissage par renforcement est un moyen de former un agent virtuel. L'agent re\u00e7oit une r\u00e9compense lorsqu'il fait ce qu'il est cens\u00e9 faire. Cela encourage le comportement souhait\u00e9.<\/p>\n\n\n\n

R\u00e9seaux neuronaux<\/h2>\n\n\n\n

Une m\u00e9thode sp\u00e9cifique d'apprentissage supervis\u00e9 est l'apprentissage profond. L'apprentissage profond est le processus de formation d'un r\u00e9seau dit \"neuronal\". Le r\u00e9seau se compose d'innombrables n\u0153uds (neurones). Ils sont connect\u00e9s avec un poids sp\u00e9cifique et sont empil\u00e9s en couches avec ce que l'on appelle un biais.<\/p>\n\n\n\n

Pour calculer la valeur d'un neurone \u00e0 partir du neurone pr\u00e9c\u00e9dent, il faut multiplier la valeur du neurone pr\u00e9c\u00e9dent par le poids entre les neurones et ajouter le biais.<\/p>\n\n\n

\n
\"R\u00e9seau
R\u00e9seau neuronal<\/figcaption><\/figure>\n<\/div>\n\n\n

Pour entra\u00eener le r\u00e9seau, vous devez \u00e9crire les donn\u00e9es d'entra\u00eenement \u00e9tiquet\u00e9es dans la couche d'entr\u00e9e. Le r\u00e9seau propage les donn\u00e9es \u00e0 travers un nombre variable de couches cach\u00e9es en fonction des poids et des biais.<\/p>\n\n\n\n

Enfin, les donn\u00e9es atteignent la couche de sortie. Le neurone de sortie ayant la valeur la plus \u00e9lev\u00e9e constitue la pr\u00e9diction du r\u00e9seau. Selon que la pr\u00e9diction est correcte ou non, l'IA ajuste tous les poids et biais individuels. Ainsi, les pr\u00e9dictions deviennent de plus en plus pr\u00e9cises, ce qui signifie que le r\u00e9seau apprend.<\/p>\n\n\n\n

Consultez notre Vid\u00e9o YouTube<\/a> pour voir un exemple et former votre propre IA.<\/p>\n\n\n\n

\n