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