Page d'accueil

BLOG

L'intelligence Artificielle

L'intelligence Artificielle
September 12, 2019

Nouveau

La définition moderne de l'intelligence artificielle (ou IA) est "l'étude et la conception d'agents intelligents" où un agent intelligent est un système qui perçoit son environnement et prend des mesures qui maximisent ses chances de succès.

John McCarthy, qui a inventé le terme en 1956, le définit comme "la science et l'ingénierie de la fabrication de machines intelligentes".

D'autres noms ont été proposés pour ce domaine, tels que intelligence informatique, intelligence synthétique ou rationalité informatique.

Le terme intelligence artificielle est également utilisé pour décrire une propriété des machines ou des programmes : l'intelligence que le système démontre.

La recherche en IA utilise des outils et des connaissances dans de nombreux domaines, dont l'informatique, la psychologie, la philosophie, les neurosciences, la science cognitive, la linguistique, la recherche opérationnelle, l'économie, la théorie du contrôle, la probabilité, l'optimisation et la logique.

La recherche sur l'IA chevauche également des tâches telles que la robotique, les systèmes de contrôle, la planification, l'exploration de données, la logistique, la reconnaissance vocale, la reconnaissance faciale et bien d'autres.

L'intelligence computationnelle implique le développement ou l'apprentissage itératif (p. ex. l'ajustement des paramètres dans les systèmes connexionnistes).

Les sujets en intelligence computationnelle tels que définis par l'IEEE Computational Intelligence Society comprennent principalement : Réseaux neuronaux : systèmes entraînables avec de très fortes capacités de reconnaissance de formes.

Systèmes flous : les techniques de raisonnement dans l'incertitude ont été largement utilisées dans les systèmes modernes de contrôle des produits industriels et de consommation ; capables de travailler avec des concepts tels que " chaud ", " froid ", " chaud " et " bouillant ".

Calcul évolutif : applique des concepts d'inspiration biologique tels que les populations, les mutations et la survie des plus aptes à générer des solutions toujours meilleures au problème.

Ces méthodes se divisent notamment en algorithmes évolutionnaires (p. ex. algorithmes génétiques) et intelligence d'essaim (p. ex. algorithmes de fourmis).

Avec les systèmes intelligents hybrides, on tente de combiner ces deux groupes.

Les règles d'inférence des experts peuvent être générées par le biais de réseaux neuronaux ou de règles de production à partir de l'apprentissage statistique, comme dans ACT-R ou CLARION.

On pense que le cerveau humain utilise de multiples techniques pour formuler et vérifier les résultats.

Ainsi, l'intégration des systèmes est considérée comme prometteuse et peut-être nécessaire pour une véritable IA, en particulier l'intégration de modèles symboliques et connexionnistes.