Entraînement — Introduction à l’intelligence artificielle

Ce cas de révision illustre l’orientation de S01 et le panorama de S02. Il n’atteste aucun visionnement documentaire ni activité Brio.

• Les règles représentent explicitement connaissances et inférences; le réseau apprend des paramètres.
• Combinaison neuro-symbolique : perception puis raisonnement, selon besoins et limites.
• Représenter le problème, explorer un espace d’états ou inférer, puis évaluer l’action.
• Le cours approfondit surtout le symbolique, sans réduire toute l’IA à cette famille.

Variantes : Autoévaluation explicite : accepter preuves, noms de variables, substitutions et formulations équivalentes si les étapes et hypothèses restent cohérentes.

Les difficultés de représentation, de connaissances et de calcul expliquent la diversification ultérieure; données et matériel ont facilité des méthodes déjà anciennes.

Variantes : Une réponse exacte selon les données; aucune approximation ou convention implicite supplémentaire.

La tâche, la représentation et le critère d’intelligence sont des dimensions différentes.

• Techniques pour concevoir des systèmes accomplissant des tâches associées à l’intelligence humaine.
• Pas de définition unique : perception, apprentissage, raisonnement et action donnent des critères différents.
• La même tâche peut utiliser règles, probabilités ou apprentissage.
• Un résultat correct ne prouve pas l’imitation du mécanisme mental humain.

Variantes : Autoévaluation explicite : accepter preuves, noms de variables, substitutions et formulations équivalentes si les étapes et hypothèses restent cohérentes.

Une application n’impose pas une technique unique. La fonction visée et les entrées/sorties permettent de justifier le classement; le langage peut mobiliser plusieurs de ces fonctions.

• Perception : pixels d’une caméra → objets reconnus, extraction d’information du signal.
• Apprentissage : exemples étiquetés → classificateur ajusté, modification du modèle à partir des données.
• Raisonnement : faits et règles → conclusion justifiée, inférence explicite.
• Optimisation : contraintes et coûts → horaire de coût minimal, comparaison de solutions.
• Décision sous incertitude : observations et probabilités → action selon un critère de décision.
• Ces besoins peuvent coexister dans une même application; expliquer le rôle principal retenu.

Variantes : Autoévaluation explicite : accepter preuves, noms de variables, substitutions et formulations équivalentes si les étapes et hypothèses restent cohérentes.

Le symbolique rend les connaissances explicites et traçables; l’acquisition et la formalisation des connaissances peuvent être difficiles.

Variantes : Une réponse exacte selon les données; aucune approximation ou convention implicite supplémentaire.

Reconnaître statistiquement une structure ne signifie pas disposer d’une description symbolique explicite de ses raisons.

• Les paramètres sont appris à partir d’exemples.
• Quantité, qualité et représentativité des données influencent la généralisation.
• La connaissance est implicite dans les poids; une prédiction correcte ne fournit pas forcément une justification lisible.

Variantes : Autoévaluation explicite : accepter preuves, noms de variables, substitutions et formulations équivalentes si les étapes et hypothèses restent cohérentes.

Les algorithmes génétiques explorent des populations sans garantie générale d’optimum; des agents peuvent employer des architectures différentes.

Variantes : Une réponse exacte selon les données; aucune approximation ou convention implicite supplémentaire.

Un réseau bayésien représente l’incertitude explicitement; sa qualité dépend de la structure et des probabilités retenues.

Variantes : Une réponse exacte selon les données; aucune approximation ou convention implicite supplémentaire.

Aucune famille n’est universellement meilleure. La comparaison doit porter sur représentation, besoins et contraintes.

• Symbolique : faits/règles, traçabilité, formalisation coûteuse.
• Neuronale : paramètres appris, reconnaissance, données et opacité.
• Génétique/émergente : populations/interactions, exploration flexible, coût et optimum non garanti.
• Probabiliste : dépendances/incertitude, paramètres et hypothèses fiables nécessaires.
• Un hybride peut combiner ces forces; justifier le choix selon le problème.

Variantes : Autoévaluation explicite : accepter preuves, noms de variables, substitutions et formulations équivalentes si les étapes et hypothèses restent cohérentes.

Ces conceptions se recoupent; elles ne sont pas quatre familles techniques exclusives.

• Penser humain : modélisation cognitive des processus.
• Agir humain : comportement observable, test de Turing.
• Penser rationnel : logique et inférences valides.
• Agir rationnel : action adaptée aux objectifs et informations.
• Turing n’établit pas l’identité du mécanisme mental; une inférence valide dépend de prémisses et d’une représentation adéquates.

Variantes : Autoévaluation explicite : accepter preuves, noms de variables, substitutions et formulations équivalentes si les étapes et hypothèses restent cohérentes.

La rationalité n’exige pas l’omniscience. Plusieurs architectures internes peuvent soutenir une action rationnelle.

Variantes : Une réponse exacte selon les données; aucune approximation ou convention implicite supplémentaire.

L’exemple est fictif. L’alignement porte sur l’objectif et les personnes concernées, pas seulement sur le score technique.

• La mesure de performance représente mal l’objectif humain : qualité et équité du traitement.
• Définir des objectifs et contraintes bénéfiques, sûrs et alignés, puis contrôler les effets.
• Un composant appris peut classer; des règles peuvent imposer des contraintes explicites, sans garantie magique de sûreté.

Variantes : Autoévaluation explicite : accepter preuves, noms de variables, substitutions et formulations équivalentes si les étapes et hypothèses restent cohérentes.

Le changement du modèle à partir des données caractérise ici l’apprentissage. Une optimisation numérique peut intervenir dans son entraînement, sans transformer la tâche en planification de trajet.

Variantes : Une réponse exacte sous les conventions de l’énoncé.

Une organisation collective peut émerger des interactions. Le texte ne décrit ni population de solutions sélectionnées/croisées/mutées, ni démonstration logique.

Variantes : Une réponse exacte sous les conventions de l’énoncé.

Le critère porte sur le comportement observé pendant le test. Ni identité cognitive ni rationalité universelle n’en découle.

Variantes : Une réponse exacte sous les conventions de l’énoncé.

La validité relie prémisses et conclusion dans les interprétations. Elle ne certifie pas l’exactitude empirique d’une prémisse sur les oiseaux.

Variantes : Une réponse exacte sous les conventions de l’énoncé.

Les traces de traitement et les erreurs servent ici à modéliser la pensée humaine. Le test ne se limite pas au résultat conversationnel, et l’optimalité n’est pas son critère.

Variantes : Une réponse exacte sous les conventions de l’énoncé.

Le réseau traite la perception, le probabiliste l’incertitude, les règles les contraintes explicites. L’hybridation ne garantit ni absence de biais ni qualité de l’objectif poursuivi.

Variantes : Une réponse exacte sous les conventions de l’énoncé.