RESEAUX

de
NEURONES:

Du vivant à l'artificiel

Retour vers le futur

1er modèle de
voiture volante
1949

Voiture autonome -Google car

Années 2010

La vie d'un neurone

Neurone
naturel

Neurone
artificiel

dendrites

entrées

poids

synapes

fonction de
transfert

corps
cellulaire

fonction
d'activation

sortie

axone

Text

Pour ceux qui n'ont pas peur des formules ...

Du neurone au
réseau de neurones

Vs

Comment ça fonctionne ?

Entrées

Sorties

resultats
attendus

Erreur

retro-propagation

L'optimisation
de la retro-propagation

1. Fixer les poids w initiaux du réseau
2. Répéter jusqu'à ce qu'un minimum de la fonction de coût J soit obtenu :

    a. Mélanger aléatoirement les observations

    b. Pour chaque observation faire :

        w = w - a . dérivée(J)

 

 

De nombreuses architectures

réseau convolutif

réseau réccurent

auto encodeur

réseau génératif adverse

Vous avez dit I.A. ?

Algorithmes
qui apprennent à partir d'exemples
sans nécessiter de règles pré-établies

3 types d'apprentissages

Apprentissage supervisé

Les données contiennent les "étiquettes"

que l'on veut apprendre

Apprentissage

non supervisé

L'algorithme exploite les propriétés
statistiques des données

Apprentissage
par renforcement

L'algorithme apprend à partir de "récompenses" positives ou négatives

Classifier & prédire

Optimiser des chaînes d'actions

Former des groupes

Quelques applications

Dangers & Promesses

Automatisation
des tâches

Une multitude de nouveaux services

Utilisation éthique des données

Transparence des algorithmes

Disparition massive d'emplois

Cohabiter avec des IA conscientes ?

Améliorer de nombreuses disciplines

grands dangers

grands progrès