Télécharger pour lire hors ligne
Téléchargé parAppstud
Intelligence Artificielle - La technique et l'éthique
Le document présente une introduction à l'intelligence artificielle (IA), ses techniques comme le machine learning et le deep learning, ainsi que les implications éthiques liées à son utilisation. Il aborde des concepts clés tels que les algorithmes génétiques, les réseaux de neurones et l'impact de l'IA sur les emplois et la vie privée. En conclusion, il soulève des questions sur la nécessité de réguler l'IA.
![Comprendre l’intelligence artificielle [webinaire]](https://cdn.slidesharecdn.com/ss_thumbnails/technologiawebinaireintelligenceartificielleclaudemarson01042019-190403213713-thumbnail.jpg?width=640&height=640&fit=bounds)
Intelligence Artificielle - La technique et l'éthique
- 1. www.appstud.com IA : Techniqueset Ethique Jérémy Basso 1www.appstud.com
- 2. Sommaire 1 L’IA, c’est quoi? 2 Techniques d’IA 3 Ethique 2
- 3. C’est quoi l’IA? 11 3
- 4. Définition11 4 Intelligence Artificielle Artificial Intelligence Apparitiondu terme en 1950 : scientifiques évoquent la création d’un « cerveau artificiel » « Ensemble de théories et de techniques mises en œuvre en vue de réaliser des machines capables de simuler l’intelligence humaine » Larousse C’ESTQUOI?
- 5. C’ESTQUOI? Mais concrètement, c’estquoi ? 11 5
- 6. C’ESTQUOI? Plusieurs termes portantà confusion 11 6 Source : onalytica.com
- 7. RELEASENOTE Voilà qui estplus clair ! 11 7 AI = Concept général Machine Learning = AI intégrant une notion d’apprentissage Deep Learning = Technique spécifique de réseau neuronal C’ESTQUOI?
- 8. C’ESTQUOI? Contrôle surprise ! 11 8 ☐IA ☐ Machine Learning Facile ! cf Terminator 2 Directors’s Cut Terminator T-800
- 9.
- 10. TECHNIQUES Bottom-up vs Top-down 12 10 Ensemble Détail Bottom-up Top-down Approchesde conception opposées Fonctionne en IA mais aussi en informatique par exemple Top-down est plus « idéaliste » car risque d’infaisabilité
- 11. TECHNIQUES Regression linéaire 12 11 Objectif :prédire un résultat à partir de données Solution : Créer un modèle capable de prédire à partir de données Pré-requis : Il y a une relation entre les données et le résultat
- 12. TECHNIQUES Concept d’overfitting 12 12 Résultat surles données de test: Mauvais Bon Très bon Et pourtant, quel est le meilleur modèle pour d’autres données ?
- 13. TECHNIQUES Comment mesurer laperformance de son modèle ? 12 13 Data Set Training Set Test Set + ~70% ~30% Cross Validation
- 14. TECHNIQUES Retour sur leproblème 12 14 1 2 3
- 15. TECHNIQUES Retour sur leproblème 12 15 1 2 31 2 3 Cette technique semble fonctionner !
- 16. TECHNIQUES Agents et intelligencecollective 12 16 Exemple dans la nature : vol d’étourneaux
- 17. TECHNIQUES Agents et intelligencecollective 12 17 Un agent en IA : AgentEnvironnement Informations Actions Autres agents + Facteur externes
- 18. TECHNIQUES Agents et intelligencecollective 12 18 Exemple : Recherche de minimum par « particle swarm optimization »
- 19. TECHNIQUES Algorithme génétique 12 19 Dans lanature : théorie de l’évolution Phalène du bouleau Forme typica Forme carbonari
- 20. TECHNIQUES Algorithme génétique12 20 X individus Sélectionaprès évaluation Meilleurs individus Croisement entre les individus Meilleurs individus + leurs « enfants » Ajout d’individus avec mutations (facteur aléatoire) Meilleurs individus + leurs « enfants » + « mutants » Nouvelle génération
- 21. TECHNIQUES Algorithme génétique12 21 Pour utiliserun algorithme génétique : - avoir un moyen de représenter les individus capables d’évoluer - avoir un moyen de calculer la performance / le score - choisir les méthodes de croisement et mutation Un individu peut être un arbre de décision, un algorithme, une photo, un véhicule … peu importe tant qu’on trouve les caractéristiques ci-dessus ! Domaines principaux : économie, industrie, biosciences, climatologie …
- 22.
- 23. TECHNIQUES Réseaux neuronaux12 23 Idée :Reproduire la structure du cerveau humain • Cerveau = réseau neuronal de 100 milliards de neurones • Reconnaissance d’un visage en moins de 200 ms + sentiments associés • A la naissance notre cerveau n’est pas « complet », il continue à se former ensuite Cerveau = meilleur réseau neuronal possible
- 24. TECHNIQUES Réseaux neuronaux12 24 Comment fonctionnele neurone d’un réseau artificiel ?
- 25. TECHNIQUES Réseaux neuronaux12 25 A quoiressemble un réseau neuronal artificiel ?
- 26. TECHNIQUES Deep Learning12 26 Deep Learning= réseau neuronal «profond» = beaucoup de couches Avantages : puissant, flexible, comprend des concepts complexes Défaut : très coûteux en Graphics Processing Unit (GPU)
- 27. TECHNIQUES Deep Learning12 27 Reconnaissance d’images: Réseau neuronal convolutionnel
- 28. TECHNIQUES Deep Learning12 28 DeepMind :AlphaGo (documentaire dispo sur ) Match AlphaGo vs Lee Sedol n°1 mondial de go
- 29. TECHNIQUES Deep Learning12 29 DeepMind :AlphaGo Arbre des possibles (partiel) du jeu de Go
- 30. TECHNIQUES Deep Learning12 30 DeepMind :Starcraft II But de DeepMind : algorithmes intelligents généralistes à partir de POCs
- 31.
- 32.
- 33.
- 34.
- 35. ETHIQUE 13 35 L’IA va t’ellemettre en danger nos emplois ? Les IA vont-elles se rebeller et dominer le monde ? Les IA vont elles mettre en danger notre vie privée, nos données personnelles ? Faut-il règlementer l’IA ? Si oui comment ? Ethique
- 36.
- 37.