Accès rapide:

Présentation des différentes techniques utilisées en Intelligence Artificielle

Les techniques de l’Intelligence Artificielle – IA

Approches bio-inspirées

Famille d’approches de l’IA inspirées par des systèmes biologiques plutôt que par une technique précise.

Ceux-ci incluent des algorithmes génétiques, qui imitent les mécanismes d’évolution génétique pour mieux adapter les décisions à de nouveaux problèmes et nouvelles données, et l’intelligence en essaim, où de simples règles mises en œuvre par des agents individuels peuvent conduire à un comportement sophistiqué et robuste via une interaction au niveau du groupe.

Arbres de classification et de régression

Modèles prédictifs d’aide à la prise de décision utilisant des représentations sous forme d’arborescence de faits et leurs conséquences possibles, parfois appelés arbres de décision.

Le résultat d’un arbre de classification est une valeur discrète, telle que la classe à laquelle appartiennent les données.

Le résultat d’un arbre de régression prend des valeurs continues, telles que le prix d’une maison.

Apprentissage approfondi

Une approche d’apprentissage automatique qui tente de comprendre le monde en termes de hiérarchie de concepts.

La plupart des modèles d’apprentissage en profondeur sont mis en œuvre en augmentant le nombre de couches dans un réseau de neurones.

Système expert

Système informatique qui résout des problèmes complexes dans un domaine spécialisé, nécessitant généralement un niveau élevé d’intelligence et de compétences humaines.

Cette expertise est exprimée manuellement par des experts humains sous la forme d’un ensemble de règles qui constituent de simples tests logiques.

Logique floue

Une approche décisionnelle qui ne repose pas sur l’évaluation habituelle «vrai ou faux», mais plutôt sur des «degrés de sécurité».

“vérité” (où la “vraie” valeur se situe entre complètement vrai et complètement faux).

La logique floue repose sur le principe selon lequel les personnes prennent des décisions basées sur des informations imprécises et non numériques.

Apprentissage par instance

Une famille d’algorithmes d’apprentissage automatique qui comparent un nouveau problème à des cas observés dans le cadre d’une formation et peuvent adapter le modèle à des données inédites.

Il est appelé apprentissage «basé sur une instance» car il construit des hypothèses directement à partir des instances de formation elles-mêmes.

Représentation récente

Représentation mathématique de variables déduites plutôt que directement observées.

La représentation latente s’applique dans le traitement du langage naturel, par exemple, où elle est généralement déduite de la distribution statistique des mots, et dans l’apprentissage en profondeur, où elle est souvent utilisée pour effectuer un apprentissage par transfert, c’est-à-dire des connaissances acquises lors de la résolution d’un problème et de son application.

Un problème différent mais lié.

La programmation logique

Utilise des faits et des règles pour prendre des décisions, sans spécifier d’étapes intermédiaires supplémentaires, dans le but d’atteindre un objectif particulier.

Apprentissage automatique

Processus d’IA utilisant des algorithmes et des modèles statistiques pour permettre aux ordinateurs de prendre des décisions sans avoir à le programmer explicitement pour exécuter la tâche.

Les algorithmes d’apprentissage automatique construisent un modèle sur des exemples de données utilisés en tant que données d’apprentissage afin d’identifier et d’extraire des modèles à partir de données, et donc d’acquérir leurs propres connaissances.

Un exemple typique est un programme qui identifie et filtre les courriers indésirables.

Apprentissage multi-tâches

Approche d’apprentissage automatique dans laquelle un seul modèle est utilisé pour résoudre plusieurs tâches d’apprentissage en même temps, en exploitant les points communs et les différences entre les différentes tâches.

Réseau naturel

Un processus d’apprentissage inspiré par les structures neuronales du cerveau.

Le réseau est un cadre connecté de nombreuses fonctions (neurones) travaillant ensemble pour traiter plusieurs entrées de données.

Le réseau est généralement organisé en couches de fonctions successives, chaque couche utilisant en entrée la sortie de la précédente.

Ingénierie d’ingénierie

Ensemble de tâches liées aux méthodologies de construction d’ontologies, à savoir la manière dont les concepts et leurs relations dans un domaine particulier sont formellement représentés.

Modèles technologiques probabilistes

Cadre pour la représentation de domaines complexes à l’aide de la distribution de probabilités, où les modèles utilisent une représentation graphique pour définir les relations de dépendance statistique ou d’indépendance entre les données.

Raisonnement probabiliste

Une approche d’intelligence artificielle combinant logique déductive et théorie des probabilités pour modéliser les relations logiques sous incertitude dans les données.

Apprentissage par renforcement

Un domaine d’apprentissage automatique qui utilise un système de récompense et de punition pour apprendre à atteindre un objectif complexe.

Cette approche vise à inciter les agents de logiciel à apprendre les bonnes décisions par essais et erreurs et à rechercher une récompense à long terme.

Apprentissage de règles

Méthodes d’apprentissage automatique qui identifient et généralisent automatiquement un ensemble de règles à utiliser pour la prédiction ou la classification de nouvelles données invisibles.

Ces règles sont généralement de simples tests conditionnels.

Apprentissage supervisé

La forme d’apprentissage automatique la plus largement adoptée.

Dans l’apprentissage supervisé, le regroupement attendu des informations dans certaines catégories (sortie) est fourni à l’ordinateur au moyen d’exemples de données (entrée) correctement classées manuellement et constituant l’ensemble de données d’apprentissage.

Sur la base de ces exemples d’entrées-sorties, le système d’intelligence artificielle peut classer de nouvelles données invisibles dans les catégories prédéfinies

Souhaitez-vous échanger sur ce sujet?

Articles de la même thématique

Les techniques de l'Intelligence Artificielle - IA

, ,
Cet article s'inscrit dans une série d'articles relatifs aux technologies avancées qui impactent les relations clients et la fonction compliance. L'article liste les différentes techniques relevant du champ l'intelligence artificielle.
République française

FRANCE: Publication du décret "BlockChain" n° 2018-1226 du 24 décembre 2018

,
Décret n°2018-13226 du 24 décembre 2018 relatif à l’utilisation d’un dispositif d’enregistrement électronique partagé pour la représentation et la transmission de titres financiers et pour l’émission et la cession de minibons.

FRANCE: L'ACPR publie un document de réflexion sur les enjeux de l'intelligence artificielle pour le secteur financier

,
Document de réflexion sur les enjeux de l'Intelligence artificielle dans le secteur financier, en date du 20 décembre 2018. Ce document sert de base à une consultation