Overblog Suivre ce blog
Editer l'article Administration Créer mon blog
24 février 2011 4 24 /02 /février /2011 18:23

 

Un bon exemple de programme de type ascendant est un réseau de neurones artificiels.

Comme son nom l’indique, ce type de programme reproduit plus ou moins fidèlement le fonctionnement de plusieurs neurones naturels liés entre eux comme chez l'homme par exemple.

 

* En 1837, le premier neurologiste : Jan Evangelista Purkinje, observe des cellules nerveuses. Elles furent tout d'abord baptisées les cellules de Purkinje.

* Et finalement nommées neurones en 1891.

* Peu après, la théorie du neurone de Waldeyer et Cajal, les décrive comme l'unité du système nerveux.

* En 1943, deux scientifiques pensent qu'il est possible de traduire les fonctions de nos neurones en fonctions mathématiques de façon à adapter le fonctionnement de notre cerveau à un ordinateur. C'est ainsi que le premier modèle mathématique du neurone est mis au point par le neurologue américain Warren Mc Culloch et le mathématicien Walter Pitts.

 

Le neurone formel, utilisé dans le fonctionnement de l'intelligence artificielle, est l'approche mathématique du neurone biologique. Nous étudierons ici les différences avec son homologue nerveux dont il s'inspire dans sa manière de fonctionner.

 

Les neurones biologiques :

 

Un neurone humain est une cellule nerveuse que l'on retrouve notamment dans le cerveau mais aussi dans la moelle épinière et les nerfs optiques. Ses caractéristiques sont d'abord celles d'une cellule. C'est à dire qu'il possède tout naturellement une membrane plasmique, un cytoplasme, des organites, un noyau ... Pourtant il se différencie de ses semblables sous un point. Un neurone permet de transmettre les influx nerveux à d'autres neurones grâce à différentes structures et ceci lui confère le titre de pièce maîtresse dans le fonctionnement de l'organisme humain car sa particularité est unique !

 

Les dites structures qui nous intéressent ici sont les dendrites, l’axone et le noyau.

Les dendrites, jusqu'à plusieurs milliers, sont des prolongements de la cellule. L'axone est quand à lui une passerelle reliant deux neurones, ramifiés à leurs deux extrémités par des connections : les synapses, zones de "contact" entre l'axone des neurones et une dendrite du neurone.

Le noyau «décide» si l’influx nerveux doit être transmis. Si c’est le cas, l’influx traverse l’axone pour se rendre aux dendrites d’un autre neurone, via des connections synaptiques.

 

 

neurone

 

Les parties principales d'un neurone humain


Tous ces éléments sont communs aux différents types de neurones. Il existe en effet des neurones "spécialisés" ayant des fonctions particulières et devant donc répondre à des besoin plus précis.

 

 

Des neurones, dans notre cerveau, il en existe des milliards. Les influx qui y circulent sont, en quelques sortes, à la base de tous les raisonnements, les émotions ou les comportements. Les connections synaptiques sont également essentielles à toute forme de mémoire puisque plus une connexion est utilisée plus elle conduit les influx facilement. Reproduire le fonctionnement d’une telle « communauté » de neurones est donc une excellente stratégie pour parvenir à un programme intelligent.

 

Les neurones formels (artificiels) :

 

Comme nous l'avons introduit : « Le neurone formel, utilisé dans le fonctionnement de l'intelligence artificielle, est l'approche mathématique du neurone biologique ».

Les techniques utilisées pour reproduire un « réseau intelligent » sont basées sur le fonctionnement des neurones du cerveau. L’intérêt principal est de pouvoir simuler les capacités humaines par ordinateur en modélisant mathématiquement les connexions inter neurones du cerveau humain. Notre capacité à apprendre par l’expérience pourrait alors se transmettre et nos neurones informatiques auraient alors la capacité de généraliser et apprendre à partir d’exemples et de données fournis.

 

Pour se faire il faut créer des neurones virtuels et en connecter plusieurs entre eux. Un neurone formel est un système mathématique composé de plusieurs parties. Il possède généralement plusieurs entrées mais une seule sortie. Chaque entrée se trouve associée à un coefficient numérique, ajustée lors d'une phase d’apprentissage. Il est également composé d'une fonction de décision, permettant de traiter l'ensemble des entrées et de n'en tirer qu'une valeur de sortie finale.

 

Dans sa version la plus simple, un neurone formel calcule la somme pondérée des entrées reçues d'après le poids de chaque entrée par lequel sont multipliés les signaux (ou influx) entrant. La valeur finale obtenue à la sortie du neurone, est celle assemblée des valeurs à l'entrée. Si le résultat est assez haut, un signal est transmis aux prochains neurones via les connexions sortantes (vaut 1, sinon 0).

 

neuroneFormel

Les parties principales d'un neurone artificiel

 

Une fois l'assemblage des neurones effectué, ceux-ci forment un réseau à même d'apprendre un tas de chose. La méthode à suivre ensuite, consiste à introduire différents ensembles de données dans le réseau, puis de vérifier la validité du résultat. Dans le cas où celui-ci serait faux, il faut corriger les poids des connexions afin d'arriver progressivement à une réponse correcte. Notons également que le poids d'une connexion fluctue selon son importance et sa moyenne d'utilisation durant le processus. Son poids augmente plus elle est utilisé et inversement.

 

Une fois le processus d’apprentissage achevé, le réseau est amené à accomplir sa tâche, celle pourquoi il a été conçu. Comme exemple, ces réseaux sont fréquemment utilisés dans la reconnaissance de formes comme l'écriture. C'est leurs capacités à s'adapter et à posséder une grande liberté d'interprétation voir d’abstraction des valeurs d'entrées qui en font d’excellents outils. Leurs aptitudes très diverses va jusqu'à reconnaître une lettre d'après les différentes formes possibles de celle-ci fournie en entrée. Celui-ci même avec des formes très diverses, même grossières, ou dénaturées (lettre en italique, gras, avec un style d'écriture particulière) arrive à les décortiquer pour finalement pouvoir les ramener à une valeur plus générale : la lettre recherchée.

La polyvalence est donc une grande force de ces réseaux.

reconnaissanceFormes

La reconnaissance de formes : ici le A sous différentes déclinaisons.

 

L'IA forte est donc une copie conforme de l'Homme. Celle-ci est toute fois abstraite puisque les scientifiques n'ont toujours pas compris tous les aspects de l'homme tel que son cerveau qui est donc pour l’instant impossible à répliquer. L'IA forte reste cependant le rêve d'une grande partie des chercheurs du monde entier.

Partager cet article

Repost 0
Published by Julien P - dans Découvrir L'IA
commenter cet article

commentaires

Jacque 01/12/2016 09:42

Ma parole, cette article est très pertinent. Continuez ainsi.

Faculté des Sciences de la Technologie 22/10/2014 21:39


bon article

Julien P 10/11/2011 19:26



Tiens je viens de tomber là dessus :


 


L'Intelligence artificielle va-t-elle
dépasser l'intelligence humaine aux alentours de 2020 ?


Avec un lien pour la définition du concept de singularité technologique ! (qui devrait t'intéresser
je pense ;])



Julien S 27/10/2011 18:55



Bonsoir,


mon groupe et moi avons aussi un tpe sur l'ia et notre problématique est: l'ia peut-elle surpasser l'intelligence humaine ?


Je ne vois pas dans votre partie où vous avez-mis de la physique, où est la physique (les exemples que vous avez-mis qui sont de la physique).


Merci.



Julien P 03/11/2011 19:10



Bonsoir,


Dans le sommaire nous avons précisé quels parties concernaient, plus ou moins, chacun des


2 thèmes généraux :


Ça marche comment ? (cette partie fait principalement intervenir la Physique)


Situons l'IA dans son contexte (cette partie fait principalement intervenir l'Histoire)


Les répercutions liées à l'IA (cette partie fait principalement intervenir l'Histoire)


 


Nous avons donc plutôt concentré la physique dans la première partie, elle regroupe en effet le fonctionnement de l’intelligence artificielle :


La physique est alors visible sous la forme de l’électronique : au niveau de la machine. Mais aussi au niveau de l'informatique avec les langages de programmations, tels Lisp etc... La chimie
peut également être perçu avec Les réseaux de neurones
artificiels. même si je pense que la physique pourrait très bien y trouver sa place.


Si tu ne vois pas où intervient la physique, dis-toi qu'elle permet en quelque sorte de répondre à cette question : Comment arrive-t-on à nous faire comprendre des machines qui ne connaissent que
le binaire ? 0110 Bien sûr l'IA suit ensuite ce raisonnement...).


En fait, il faut se rendre compte quel les ordinateurs ne sont qu'un amas de câbles auxquels on fait passer du courant : donnant 1 lorsque l’électricité passe et 0 lorsqu'il ne passe pas
(=binaire). C'est donc totalement de la physique (ce sont des physiciens qui sont en partie à l'origine de la naissance des ordinateurs) et il est claire que vous ne trouverez pas dans ce TPE les
notions auquel vous aviez l'habitude en cour de physique : tels les forces, les prismes et je ne sais quoi d'autres encore (réfléchissez électricité/mécanique/électronique)...


Pour ce qui est des exemples, quelques-uns ont été donnés, notamment celui d'un robot confronté à des choix logiques (si... alors...) dans la partie Lisp et les courants d'intelligences.


Et également celui du robot PUMA dans la partie La robotique, les prémisses de l'IA. (Très
important ! La décortication d'un robot nous avait été très demandé par notre examinateur de physique...)


Pour ta problématique je te suggère de regarder surtout la partie concernant "Les répercutions liées à l'IA"...


Voila j’espère que vous vous en sortirez, bon courage ! ;]