AI1 GLOSSARY - FR-FR
AI1 GLOSSARY - FR-FR
AI1 GLOSSARY - FR-FR
Algorithmes
Les algorithmes sont des instructions mathématiques écrites par des
spécialistes en science de données qui indiquent à la machine comment
trouver des solutions à un problème. Lorsqu'une petite sélection de données
(appelée données de formation) est soumise à plusieurs reprises à un
algorithme, et est ajustée à chaque fois par un spécialiste en science de
données jusqu'à ce que ses résultats soient exacts et fiables, on obtient un
modèle que la machine peut utiliser pour apprendre par elle-même.
Données
Les données alimentent l'IA. Elles permettent aux systèmes d'IA de révéler
des modèles, des tendances, et des associations en toute confiance.
Certaines données sont structurées, c'est-à-dire qu’elles ont été organisées
dans un format que les ordinateurs peuvent facilement lire et analyser, par
exemple une base de données ou un fichier Excel. Certaines autres données ne
sont pas structurées, par exemple des tweets, des PDF et des fichiers vidéo.
Apprentissage en profondeur
L'apprentissage en profondeur (deep learning) est un groupe de réseaux de
neurones (qui sont eux-mêmes des groupes de modèles d'apprentissage
automatique). L'apprentissage en profondeur peut détecter des modèles dans
des structures de données telles que les images, la vidéo et l'audio. De
nombreux modèles n'ont pas de formation explicite pour trouver une solution.
Ils sont excellents pour résoudre des problèmes de trop grande ampleur ou
trop complexes pour pouvoir être traités par des humains. L'apprentissage en
profondeur a permis de former des véhicules autonomes, de détecter les
fraudes et même de créer des vidéos “DeepFake” de célébrités.
Apprentissage automatique
L'apprentissage automatique (machine learning) est le moteur de tout système
d'IA. Il s'agit de machines qui apprennent sans recevoir d'instructions
explicites sur la façon d'exécuter des tâches. L'apprentissage automatique
dépend souvent de modèles, c'est-à-dire d'artefacts formés qui guident les
machines lors de l’interprétation de nouvelles données. Les modèles
représentent des tendances des données et aident le système d'apprentissage
automatique à établir des prédictions sans lui indiquer comment procéder.