#2 - Au coeur de l'IA : voir les neurones artificiels apprendre

Dans cette vidéo, deuxième épisode d'un cours en 8 parties pour les étudiant·es des différents masters de la HES-SO (Suisse), Richard-Emmanuel Eastes explore les principes fondamentaux de l'intelligence artificielle, de l'apprentissage automatique et des réseaux de neurones artificiels. À travers une présentation des modes d'apprentissage - supervisé, non supervisé, et par renforcement - il examine comment ces techniques permettent aux chatbots d’acquérir des compétences linguistiques, tout en posant des bases pour les prochaines réflexions du cours.
Il commence par illustrer des applications concrètes de l'IA, telles que la prédiction des divorces, la détection des tumeurs pour aider les diagnostics dermatologiques et la prévention des cambriolages, montrant ainsi l'étendue des domaines dans lesquels l'IA est employée aujourd'hui. Ces exemples permettent de saisir l'impact de l'IA sur la société, tout en soulignant les défis d’une intelligence non déterministe qui apprend par intuition sans être programmée pour une tâche unique.
Le cours présente ensuite le fonctionnement des réseaux de neurones artificiels, en les comparant aux neurones biologiques : bien que les réseaux artificiels soient performants dans la reconnaissance de motifs, ils manquent de la flexibilité du cerveau humain et nécessitent une puissance de calcul significative. Richard-Emmanuel propose une démonstration en direct, où un réseau de neurones apprend à reconnaître des chiffres grâce à l'apprentissage supervisé, permettant aux étudiant·es de visualiser les ajustements des paramètres effectués pour améliorer la précision des prédictions.
Les trois modes d'apprentissage - supervisé, non supervisé, et par renforcement - sont ensuite expliqués et appliqués au fonctionnement des chatbots. Ces derniers utilisent les probabilités et les algorithmes d’apprentissage pour générer des réponses, mettant en lumière l'importance de ces techniques dans la production de dialogues cohérents.
Enfin, Richard-Emmanuel aborde le sujet des biais algorithmiques, un problème crucial qui résulte de biais présents dans les données d’entraînement, influençant ainsi les résultats produits par les IA et nécessitant une vigilance particulière. Ces éléments offrent une vue d'ensemble sur les principes de l’IA et les défis éthiques qu’elle pose, préparant les étudiant·es aux prochaines discussions du cours sur les impacts sociétaux de ces technologies.
Testez vos connaissances sur la vidéo avec Wooflash : app.wooflash.c...

[@olivier-fabre]

Merci pour vos vidéos. Elles expliquent parfaitement bien.