*Concepts de l’intelligence artificielle :

Algorithm:

Un algorithme est une séquence de calculs et de règles permettant de résoudre un

problème ou d’analyser un jeu de données. Il est similaire à un organigramme, avec
des instructions pas à pas relatives aux questions à poser, mais écrit en code
mathématique et de programmation. Un algorithme peut décrire comment déterminer si
un animal de compagnie est un chat, un chien, un poisson, un oiseau ou un lézard.
Un autre algorithme bien plus complexe peut décrire comment identifier un langage
écrit ou parlé, analyser ses mots, les traduire dans une langue différente, puis
vérifier la précision de la traduction.

Apprentissage automatique:

Le Machine Learning (ML) est une technique d’intelligence artificielle qui utilise
des algorithmes mathématiques pour créer des modèles prédictifs. Un algorithme
permet d’analyser les champs de données et d’« apprendre » à partir de ces données
à l’aide de modèles trouvés dans celui-ci pour générer des modèles. Ces modèles
sont ensuite utilisés pour établir des prédictions ou des décisions informées sur
de nouvelles données.
Les modèles prédictifs sont validés par rapport aux données connues, mesurés par
des mesures de performances sélectionnées pour des scénarios d’entreprise
spécifiques, puis ajustés en fonction des besoins. Ce processus d’apprentissage et
de validation est appelé formation. Grâce à la reformation périodique, les modèles
ML sont améliorés au fil du temps.

Apprentissage approfondi:

Le Deep Learning est un type de ML capable de déterminer pour lui-même la précision

de ses prédictions. Il utilise également des algorithmes permettant d’analyser des
données, mais sur une échelle plus importante que le ML.
Le Deep Learning utilise des réseaux neuronaux artificiels, constitués de plusieurs
couches d’algorithmes. Chaque couche recherche les données entrantes, effectue sa
propre analyse spécialisée et produit une sortie compréhensible par les autres
couches. Cette sortie est ensuite transmise à la couche suivante, où un algorithme
différent effectue sa propre analyse et ainsi de suite.
Avec de nombreuses couches dans chaque réseau neuronal et parfois à l’aide de
plusieurs réseaux neuronaux, un ordinateur peut apprendre par le biais de son
propre traitement de données. Cela nécessite une plus grande quantité de données et
une puissance de calcul supérieure au ML.

Bots:

Un bot est un programme logiciel automatisé conçu pour effectuer une tâche
particulière. Considérez-le comme un robot sans corps. Les premiers bots étaient
comparativement simples et géraient les tâches répétitives et volumineuses avec une
logique algorithmique relativement simple. Par exemple, les analyseurs web utilisés
par les moteurs de recherche capables d’explorer et de cataloguer automatiquement
le contenu web.
Les bots sont devenus bien plus sophistiqués, en utilisant l’intelligence
artificielle et d’autres technologies pour imiter l’activité et la prise de
décision humaines, souvent en interagissant directement avec les êtres humains via
du texte ou même la parole. Des exemples représentent des bots capables de prendre
une réservation pour diner, suivre des chatbots (ou une IA conversationnelle) pour
simplifier les interactions avec le service client et des bots de réseaux sociaux
qui publient des actualités ou des données scientifiques sur des sites de réseaux
sociaux.

Systèmes autonomes:

Les systèmes autonomes font partie d’une nouvelle classe en constante évolution qui
va au-delà de l’automatisation de base. Au lieu d’effectuer une tâche spécifique de
façon répétée avec peu ou pas de variation (comme le font les bots), les systèmes
autonomes apportent de l’intelligence aux machines afin qu’elles puissent s’adapter
à l’évolution des environnements pour atteindre un objectif souhaité.
Les bâtiments intelligents utilisent des systèmes autonomes pour contrôler
automatiquement les opérations telles que l’éclairage, la ventilation, l’air
conditionné et la sécurité. Un exemple plus sophistiqué serait un robot auto-dirigé
qui explore un puits de mine réduit pour mieux en mapper l’intérieur, déterminer
quelles parties sont structurellement saines, analyser la respirabilité de l’air et
détecter des signes de mineurs captifs ayant besoin d’être rescapés, le tout sans
surveillance humaine en temps réel et à distance.