Intelligence artificielle (IA) : Introduction et types

Qu'est-ce que l'intelligence artificielle (IA)?

AI (Intelligence artificielle) L'intelligence artificielle (IA) désigne la capacité d'une machine à accomplir des fonctions cognitives similaires à celles des humains, comme percevoir, apprendre, raisonner et résoudre des problèmes. Le niveau humain en matière de raisonnement, de parole et de vision constitue la référence pour l'IA.

Dans ce tutoriel sur l'intelligence artificielle, vous apprendrez les bases de l'IA abordées dans les sections ci-dessous.

Comment l'IA crée de la valeur commerciale

Aujourd'hui, l'IA est utilisée dans presque tous les secteurs, offrant un avantage technologique aux entreprises qui l'intègrent à grande échelle. Selon McKinsey, l'IA a le potentiel de créer 600 milliards de dollars de valeur dans le commerce de détail et d'apporter 50 % de valeur ajoutée supplémentaire dans le secteur bancaire par rapport aux autres techniques d'analyse. Dans le transport et la logistique, la hausse potentielle des revenus peut atteindre 89 %.

Par exemple, si une entreprise utilise l'IA pour son équipe marketing, elle peut automatiser les tâches fastidieuses et répétitives afin que ses commerciaux puissent se concentrer sur le développement des relations clients et la qualification des prospects. La société Gong propose un service d'analyse conversationnelle : à chaque appel d'un commercial, le système enregistre, transcrit et analyse la conversation, et les responsables utilisent les analyses et recommandations de l'IA pour élaborer une stratégie gagnante.

En résumé, l'IA offre une technologie de pointe pour traiter des données complexes qu'un humain ne peut gérer seul. Elle automatise les tâches répétitives afin que les employés se concentrent sur des missions à forte valeur ajoutée et, déployée à grande échelle, elle réduit les coûts et augmente les revenus.

Histoire de l'intelligence artificielle

L'intelligence artificielle est un mot à la mode aujourd'hui, mais le terme n'est pas nouveau. En 1956, des experts de différents horizons ont organisé un projet de recherche estival sur l'IA. Quatre esprits brillants l'ont dirigé : John McCarthy (Dartmouth College), Marvin Minsky (Université Harvard), Nathaniel Rochester (IBM) et Claude Shannon (Bell Telephone Laboratories). Voici un bref historique de l'IA.

Année	Jalon / Innovation
1923	La pièce de Karel Čapek « Rossum's Universal Robots » a introduit le mot « robot » en anglais.
1943	FoundationDes réseaux neuronaux ont été installés.
1945	Isaac Asimov, un ancien élève de l'université Columbia, a utilisé le terme « robotique ».
1956	John McCarthy a été le premier à utiliser le terme « intelligence artificielle », et le premier programme d'IA fonctionnel a été présenté.
1964	La thèse de doctorat de Danny Bobrow au MIT a démontré comment les ordinateurs pouvaient comprendre le langage naturel.
1969	L'institut de recherche de Stanford a développé Shakey, un robot doté de capacités de locomotion et de résolution de problèmes.
1979	Le Stanford Cart, le premier véhicule autonome au monde contrôlé par ordinateur, a été construit.
1990	Démonstrations significatives en apprentissage automatique.
1997	Le programme d'échecs Deep Blue a battu le champion du monde Garry Kasparov.
2000	Des animaux de compagnie robotisés interactifs sont désormais disponibles dans le commerce ; le MIT a fait une démonstration Kismet, un robot qui exprime des émotions.
2006	L'IA a fait son entrée dans le monde des affaires ; des entreprises comme Facebook, Netflixet Twitter a commencé à l'utiliser.
2012	Google lancé "Google Maintenant, un Android Cette fonctionnalité propose des prédictions.
2018	IBML'équipe « Project Debater » a débattu de sujets complexes avec des orateurs chevronnés et a obtenu des résultats exceptionnels.

Objectifs de l'intelligence artificielle

Les principaux objectifs de l'IA sont :

Réduire le temps nécessaire à l'exécution de tâches spécifiques.
Faciliter l'interaction entre les humains et les machines.
Faciliter une interaction homme-machine plus naturelle et efficace.
Améliorer la précision et la rapidité des diagnostics médicaux.
Aider les gens à apprendre plus rapidement de nouvelles informations.
Améliorer la communication entre les humains et les machines.

Sous-domaines de l'intelligence artificielle

Voici les principaux sous-domaines de l'intelligence artificielle.

Machine Learning: L'art d'étudier les algorithmes qui apprennent par l'exemple et l'expérience. Il repose sur l'identification de tendances dans les données et leur utilisation pour des prédictions futures. Contrairement aux règles prédéfinies, la machine apprend les règles par elle-même.

L'apprentissage en profondeur: Sous-domaine de l'apprentissage automatique, le modèle utilise plusieurs couches pour apprendre à partir des données. Sa profondeur correspond au nombre de couches qu'il contient ; par exemple, GoogleLe modèle LeNet de [nom de l'entreprise] pour la reconnaissance d'images comporte 22 couches.

Traitement du langage naturel (PNL): La branche de l'IA qui permet aux machines de lire, de comprendre et de générer le langage humain. Elle alimente des applications telles que les chatbots, la traduction, l'analyse des sentiments et la reconnaissance vocale.

Systèmes experts: Un système d'aide à la décision informatisé, interactif et fiable, qui utilise des faits et des heuristiques pour résoudre des problèmes complexes dans un domaine spécifique. Il vise à résoudre les problèmes les plus difficiles de ce domaine.

Logique floue: Une logique à valeurs multiples dans laquelle les valeurs de vérité peuvent être n'importe quel nombre réel compris entre 0 et 1. Elle gère le concept de vérité partielle pour les situations où une affirmation n'est ni totalement vraie ni totalement fausse.

Types d'intelligence artificielle

L'IA peut être classée de deux manières : par capacité et par technique.

Par capacité :

IA étroite : Exécute intelligemment une seule tâche dédiée, comme l'étiquetage d'images ou les assistants vocaux.
IA générale : Peut accomplir n'importe quelle tâche intellectuelle aussi efficacement qu'un humain (encore théorique).
Super IA : Un niveau hypothétique où les machines surpassent l'intelligence humaine.

Par technique :

IA basée sur des règles : Applique un ensemble de règles prédéterminées à un ensemble de données d'entrée pour produire une sortie correspondante.
IA d'arbre de décision : Similaire à l'IA basée sur des règles, mais permettant la ramification et la rechercheping peser le pour et le contre des différentes options.
Les réseaux de neurones: Des modèles multicouches inspirés du cerveau humain qui apprennent des schémas complexes à partir de données et qui sous-tendent la robotique grâce à des capacités de raisonnement, de planification et d'apprentissage.

AI vs apprentissage automatique

L'intelligence artificielle (IA) et l'apprentissage automatique sont souvent utilisés indifféremment, mais ils ne sont pas synonymes. L'IA est la science qui consiste à entraîner les machines à effectuer des tâches humaines ; le terme a été inventé dans les années 1950. L'apprentissage automatique est une branche de l'IA dans laquelle une machine apprend des modèles à partir de données plutôt que d'être explicitement programmée.

Aspect	Intelligence Artificielle	Machine Learning
Domaine	vaste science de l'imitation de l'intelligence humaine	Un sous-ensemble de l'IA axé sur l'apprentissage à partir des données
Objectif	Simuler le raisonnement et la prise de décision humains	Identifier les tendances et faire des prédictions
Approche	Règles, logique et apprentissage combinés	Formation basée sur les données avec exemples
Exemple	Un système de voiture autonome	Le modèle de reconnaissance d'images à l'intérieur

Vous pouvez également lire la différence entre Apprentissage profond, apprentissage automatique et intelligence artificielle.

Où l'IA est-elle utilisée ? Exemples

L'IA a de nombreuses applications dans tous les secteurs d'activité.

Éliminer les tâches répétitives : L'IA peut répéter une tâche en continu sans se fatiguer et est indifférente au travail qu'elle effectue.
Amélioration des produits existants : Les entreprises intègrent l'IA pour améliorer les fonctionnalités de leurs produits plutôt que de les développer de A à Z. Par exemple, Facebook exigeait autrefois un marquage manuel des photos ; aujourd'hui, l'IA suggère automatiquement des amis à identifier.

L'IA est utilisée dans tous les secteurs, du marketing à la chaîne d'approvisionnement, en passant par la finance et l'agroalimentaire. Selon une étude McKinsey, les services financiers et les communications de pointe sont en tête en matière d'adoption de l'IA.

Pourquoi l'IA est-elle en plein essor actuellement ?

Les réseaux neuronaux existent depuis les années 1990, suite à l'article fondateur de Yann LeCun, mais ils n'ont acquis une véritable notoriété qu'aux alentours de 2012. Trois facteurs essentiels expliquent l'essor actuel de l'IA.

Hardware

Au cours des deux dernières décennies, la puissance des processeurs a explosé, permettant aux utilisateurs d'entraîner de petits modèles d'apprentissage profond sur un ordinateur portable. Cependant, la vision par ordinateur et les grands modèles d'apprentissage profond nécessitent une puissance de calcul bien supérieure. Grâce aux investissements de NVIDIA et d'AMD, une nouvelle génération de GPU (processeurs graphiques) permet le calcul parallèle, répartissant la charge de travail entre plusieurs GPU afin d'accélérer les calculs. Par exemple, une NVIDIA TITAN X peut entraîner un modèle ImageNet en deux jours, contre plusieurs semaines avec un processeur classique. De plus, les grandes entreprises utilisent des clusters de GPU tels que le NVIDIA Tesla K80 pour réduire les coûts de leurs centres de données et améliorer leurs performances.

Centres de données

L'apprentissage profond constitue la structure du modèle, et les données en sont le fluide vital. Sans données, rien n'est possible. Les technologies de stockage modernes facilitent la conservation d'énormes quantités de données dans un centre de données, et Internet permet la collecte et la distribution de ces données afin d'alimenter les algorithmes d'apprentissage automatique.

Des applications comme Flickr et Instagram Nous disposons de millions d'images étiquetées permettant d'entraîner un réseau neuronal à reconnaître des objets sans intervention manuelle. L'intelligence artificielle combinée aux données est le nouvel or : l'entreprise qui possède le plus de données bénéficie d'un avantage concurrentiel. Le monde génère environ 2.2 exaoctets (2.2 milliards de gigaoctets) de données chaque jour, et la diversité des sources de données aide les modèles à identifier des tendances et à apprendre à grande échelle.

Algorithme

Le matériel informatique est plus puissant que jamais et les données sont facilement accessibles, mais ce sont les algorithmes plus précis qui rendent les réseaux neuronaux fiables. Les premiers réseaux neuronaux se limitaient à de simples multiplications matricielles sans propriétés statistiques profondes ; depuis 2010, des découvertes remarquables les ont améliorés. L’IA utilise des algorithmes d’apprentissage progressif qui laissent les données programmer l’ordinateur, lui permettant ainsi d’apprendre par lui-même à effectuer des tâches telles que la détection d’anomalies ou le fonctionnement d’un chatbot.

⚡ Résumé intelligent

L'intelligence artificielle permet aux machines d'accomplir des fonctions cognitives telles que la perception, l'apprentissage, le raisonnement et la résolution de problèmes, à l'instar des humains. Ce tutoriel présente la définition, l'histoire, les objectifs, les sous-domaines et les types d'IA, et explique en quoi elle diffère de l'apprentissage automatique et pourquoi elle connaît un essor aussi important aujourd'hui.

🧠 Définition principale : L'IA est la capacité d'une machine à effectuer des tâches cognitives similaires à celles des humains, telles que le raisonnement, la parole et la vision.
(I.e. Longue histoire: Le terme a été inventé en 1956, avec des étapes marquantes allant de Deep Blue (1997) à l'apprentissage profond moderne.
🧩 Sous-domaines : Apprentissage automatique, apprentissage profond, traitement automatique du langage naturel (TALN), systèmes experts et logique floue.
???? IA vs ML : L'apprentissage automatique est une branche de l'IA qui apprend des modèles à partir de données plutôt que de règles prédéfinies.
🚀 Pourquoi maintenant : Trois facteurs expliquent cet essor : le matériel puissant (GPU), l'abondance des données et de meilleurs algorithmes.

FAQ

L'IA est la capacité d'une machine à effectuer des tâches qui requièrent normalement l'intelligence humaine, comme la compréhension du langage, la reconnaissance d'images, le raisonnement et la prise de décisions.

Selon ses capacités, l'IA est classée en trois catégories : spécialisée (monotâche), générale (niveau humain) et super-intelligence (surpassant l'humain). Selon sa technique, elle peut être basée sur des règles, des arbres de décision ou des réseaux de neurones.

L'intelligence artificielle (IA) est la science qui vise à rendre les machines capables d'imiter l'intelligence humaine. L'apprentissage automatique est une branche de l'IA qui permet d'apprendre des modèles à partir de données plutôt que de se fier à des règles prédéfinies.

Les principaux sous-domaines sont l'apprentissage automatique, l'apprentissage profond, le traitement automatique du langage naturel, les systèmes experts et la logique floue. Chacun aborde un aspect différent de la reproduction de l'intelligence humaine.

John McCarthy a utilisé pour la première fois le terme « intelligence artificielle » en 1956 lors du projet de recherche d'été de Dartmouth, largement considéré comme l'événement fondateur du domaine de l'IA.

Parmi les exemples d'applications, citons les assistants vocaux, le marquage de photos, les recommandations de produits, la détection de fraudes, les chatbots et les fonctionnalités de conduite autonome. L'IA est utilisée dans la finance, le commerce de détail, la logistique, la santé et bien d'autres secteurs.

L'intelligence artificielle spécialisée (IA) se concentre sur une tâche précise, comme la traduction ou la reconnaissance d'images, et correspond à ce qui existe aujourd'hui. L'IA générale, qui serait capable de gérer n'importe quelle tâche intellectuelle comme un humain, demeure un objectif théorique.

Trois facteurs ont convergé : la puissance des processeurs graphiques pour un entraînement rapide, l’abondance des données disponibles sur Internet et des algorithmes plus précis. Ensemble, ils rendent l’apprentissage profond moderne pratique et évolutif.