L'explAInator
L'intelligence artificielle expliquée en toute simplicité
Compagnon numérique
Créer des compagnons numériques
- Les compagnons numériques sont des systèmes informatiques conçus pour répondre aux besoins des humains - pour les aider à faire leur travail efficacement, confortablement et avec un minimum d'erreurs.
- Réflexions en vidéo au sujet des compagnons numériques
- La psychologie et les résultats scientifiques sur la façon dont les gens apprennent et travaillent sont la base essentielle pour le développement de compagnons numériques.
IA explicable
Parfois tu as besoin de savoir pourquoi
- Normalement, l'IA est comme une boîte noire - elle donne des résultats mais ne vous dit pas pourquoi.
- Pour les décisions importantes, ce n'est tout simplement pas acceptable.
- L'IA interprétable vous dit POURQUOI elle a pris une décision.
- Voir également les directives européennes pour une IA digne de confiance
Graphes de connaissances
Graphes de connaissances industrielles
- Sans capacité d’interprétation, les données ne sont que des caractères sans signification.
- Les graphes de connaissances industrielles donnent à l'IA apporte l’équivalent des connaissances de base. (Visualisez une vidéo sur l'importance des connaissances de base)
- Ainsi, ils permettent à l'IA de comprendre le contexte des données et d'autres informations pertinentes.
- Ils peuvent être représentés sous forme de graphes (de type carte mentale) qui montrent comment les choses sont interconnectées.
Apprentissage par renforcement
Apprentissage par renforcement
- Un terme technique pour certains algorithmes d'apprentissage de l'IA.
- L'IA découvre par elle-même (dans de très nombreuses itérations) COMMENT résoudre un problème.
- Au début, cela commence par des actions aléatoires.
- L'IA reçoit ainsi des commentaires (positifs ou négatifs) en fonction du succès de ses actions.
- Il s'adapte en conséquence et s'améliore progressivement
- Essayez par vous-même : regardez une IA apprendre à jouer aux serpents. Prenez votre temps, jouez avec les paramètres et expérimentez vous-même les différences !
Design génératif
Design génératif
- Une approche d'apprentissage de l'IA qui fonctionne comme la théorie de l'évolution, à savoir que c’est le plus apte qui survivra.
- L'IA commence à apprendre dans une configuration aléatoire et génère quelques mutations de cette configuration. Toutes ces mutations doivent accomplir une certaine tâche.
- Les plus performants «survivent» à la génération suivante lorsque de nouvelles mutations sont générées
- Normalement, il faut au moins des centaines de générations pour obtenir des résultats satisfaisants
- Essayez vous-même : regardez des robots apprendre à marcher – il a l'air très ivre au début, mais 1000 générations plus tard…
L'histoire de l'IA
L'histoire
- Les concepts de base ont été inventés dans les années 1950
- L'IA a été presque oubliée dans les années 1970 et 1980 - il n'y avait tout simplement pas les bons cas d'utilisation (ordinateurs trop lents, pas assez de données pour former l'IA).
- Le battage médiatique actuel de l'IA est dû à la numérisation, aux masses de données et à l'IoT.
- Lorsqu'on a besoin d'évaluer des masses de données, l'IA est une technologie performante.
Articles de fond
Lectures longues recommandées
- Découvrez comment l'IA influence déjà nos vies.
- Interview d'un expert sur l'IA dans un « Biergarten »
- Comprendre comment l'intelligence artificielle et la simulation interagiront à l'avenir
Qu'est-ce que l'IA ?
Définition de l'IA
- Réflexions en vidéo sur une définition simple
- Définition scientifique : l’IA en général est la capacité d’un système à :
- interpréter correctement les données externes (par exemple, lorsqu'une caméra fournit des données - connaître la différence entre une personne et une ombre)
- apprendre à partir de ces données (par exemple, l'IA doit apprendre qu'il est bien de courir sur les ombres mais pas sur les gens)
- utiliser ces apprentissages pour atteindre des objectifs et des tâches spécifiques grâce à une adaptation flexible. (par exemple, piloter un véhicule)
- À retenir : l'IA ne consiste pas à créer des humains artificiels, mais à comprendre certaines façons dont les ordinateurs traitent les données. Certains systèmes d'IA sont vraiment puissants, d'autres pas du tout.
Pourquoi l'IA ?
Pourquoi avons-nous besoin de l'IA?
- L'IA est une technologie qui aide à résoudre des problèmes que les ordinateurs ne peuvent pas gérer sans l'IA.
- Vidéo sur ce que l'IA peut faire
- L'IA peut gérer des tonnes de données et a besoin de tonnes de données pour être formée. C’est pour cette raison, qu’elle est si utile pour l'IoT
- À retenir : l'IA ne consiste pas à remplacer les humains, mais particulièrement utile pour gérer des masses de données.
Réseau neuronal artificiel
Réseau neuronal artificiel
- Les réseaux de neurones artificiels (NN) sont une approche largement partagée pour mettre en œuvre l'IA.
- Regardez une vidéo sur le fonctionnement d'un NN
- En utilisant des algorithmes d'apprentissage appropriés, les NN peuvent trouver par eux-mêmes des solutions à des problèmes spécifiques
- Les NN ont besoin de milliers d'exemples de formation avant de fournir des résultats satisfaisants
- Pour plus d'informations, faites le ExpAInable interactif
Explications interactives
Envie d'une plongée en profondeur ?
- Nos collègues du département Corporate Technologie ont créé des modules ExPlAInables interactifs pour les pépites d'IA choisies.
- Merci à Daniela Oelke pour le partage !
- Essayez vous-même !
IA biaisée
Soyez conscient des préjugés
- Les humains ont des préjugés sur beaucoup de choses - et très souvent même ils n’en sont pas conscients.
- Regardez une vidéo sur les biais inconscients.
- L'IA est tout aussi biaisée et discriminante que les humains si elle a été formée par des données qui - implicitement - contenaient de tels biais.
- Personne n'a besoin d'une IA mal éduquée pour devenir un raciste artificiel !
- Par conséquent : l'IA a besoin de données impartiales pour l'entraînement !
Créer des compagnons numériques
- Les compagnons numériques sont des systèmes informatiques conçus pour répondre aux besoins des humains - pour les aider à faire leur travail efficacement, confortablement et avec un minimum d'erreurs.
- Réflexions en vidéo au sujet des compagnons numériques
- La psychologie et les résultats scientifiques sur la façon dont les gens apprennent et travaillent sont la base essentielle pour le développement de compagnons numériques.
Parfois tu as besoin de savoir pourquoi
- Normalement, l'IA est comme une boîte noire - elle donne des résultats mais ne vous dit pas pourquoi.
- Pour les décisions importantes, ce n'est tout simplement pas acceptable.
- L'IA interprétable vous dit POURQUOI elle a pris une décision.
- Voir également les directives européennes pour une IA digne de confiance
Graphes de connaissances industrielles
- Sans capacité d’interprétation, les données ne sont que des caractères sans signification.
- Les graphes de connaissances industrielles donnent à l'IA apporte l’équivalent des connaissances de base. (Visualisez une vidéo sur l'importance des connaissances de base)
- Ainsi, ils permettent à l'IA de comprendre le contexte des données et d'autres informations pertinentes.
- Ils peuvent être représentés sous forme de graphes (de type carte mentale) qui montrent comment les choses sont interconnectées.
Apprentissage par renforcement
- Un terme technique pour certains algorithmes d'apprentissage de l'IA.
- L'IA découvre par elle-même (dans de très nombreuses itérations) COMMENT résoudre un problème.
- Au début, cela commence par des actions aléatoires.
- L'IA reçoit ainsi des commentaires (positifs ou négatifs) en fonction du succès de ses actions.
- Il s'adapte en conséquence et s'améliore progressivement
- Essayez par vous-même : regardez une IA apprendre à jouer aux serpents. Prenez votre temps, jouez avec les paramètres et expérimentez vous-même les différences !
Design génératif
- Une approche d'apprentissage de l'IA qui fonctionne comme la théorie de l'évolution, à savoir que c’est le plus apte qui survivra.
- L'IA commence à apprendre dans une configuration aléatoire et génère quelques mutations de cette configuration. Toutes ces mutations doivent accomplir une certaine tâche.
- Les plus performants «survivent» à la génération suivante lorsque de nouvelles mutations sont générées
- Normalement, il faut au moins des centaines de générations pour obtenir des résultats satisfaisants
- Essayez vous-même : regardez des robots apprendre à marcher – il a l'air très ivre au début, mais 1000 générations plus tard…
L'histoire
- Les concepts de base ont été inventés dans les années 1950
- L'IA a été presque oubliée dans les années 1970 et 1980 - il n'y avait tout simplement pas les bons cas d'utilisation (ordinateurs trop lents, pas assez de données pour former l'IA).
- Le battage médiatique actuel de l'IA est dû à la numérisation, aux masses de données et à l'IoT.
- Lorsqu'on a besoin d'évaluer des masses de données, l'IA est une technologie performante.
Lectures longues recommandées
- Découvrez comment l'IA influence déjà nos vies.
- Interview d'un expert sur l'IA dans un « Biergarten »
- Comprendre comment l'intelligence artificielle et la simulation interagiront à l'avenir
Définition de l'IA
- Réflexions en vidéo sur une définition simple
- Définition scientifique : l’IA en général est la capacité d’un système à :
- interpréter correctement les données externes (par exemple, lorsqu'une caméra fournit des données - connaître la différence entre une personne et une ombre)
- apprendre à partir de ces données (par exemple, l'IA doit apprendre qu'il est bien de courir sur les ombres mais pas sur les gens)
- utiliser ces apprentissages pour atteindre des objectifs et des tâches spécifiques grâce à une adaptation flexible. (par exemple, piloter un véhicule)
- À retenir : l'IA ne consiste pas à créer des humains artificiels, mais à comprendre certaines façons dont les ordinateurs traitent les données. Certains systèmes d'IA sont vraiment puissants, d'autres pas du tout.
Pourquoi avons-nous besoin de l'IA?
- L'IA est une technologie qui aide à résoudre des problèmes que les ordinateurs ne peuvent pas gérer sans l'IA.
- Vidéo sur ce que l'IA peut faire
- L'IA peut gérer des tonnes de données et a besoin de tonnes de données pour être formée. C’est pour cette raison, qu’elle est si utile pour l'IoT
- À retenir : l'IA ne consiste pas à remplacer les humains, mais particulièrement utile pour gérer des masses de données.
Réseau neuronal artificiel
- Les réseaux de neurones artificiels (NN) sont une approche largement partagée pour mettre en œuvre l'IA.
- Regardez une vidéo sur le fonctionnement d'un NN
- En utilisant des algorithmes d'apprentissage appropriés, les NN peuvent trouver par eux-mêmes des solutions à des problèmes spécifiques
- Les NN ont besoin de milliers d'exemples de formation avant de fournir des résultats satisfaisants
- Pour plus d'informations, faites le ExpAInable interactif
Envie d'une plongée en profondeur ?
- Nos collègues du département Corporate Technologie ont créé des modules ExPlAInables interactifs pour les pépites d'IA choisies.
- Merci à Daniela Oelke pour le partage !
- Essayez vous-même !
Soyez conscient des préjugés
- Les humains ont des préjugés sur beaucoup de choses - et très souvent même ils n’en sont pas conscients.
- Regardez une vidéo sur les biais inconscients.
- L'IA est tout aussi biaisée et discriminante que les humains si elle a été formée par des données qui - implicitement - contenaient de tels biais.
- Personne n'a besoin d'une IA mal éduquée pour devenir un raciste artificiel !
- Par conséquent : l'IA a besoin de données impartiales pour l'entraînement !
2020-06
Aenne Barnard, Rebecca Johnson
Abonnez-vous à la newsletter
Restez à jour à tout moment : ce que vous devez savoir sur la transformation numérique au sein des infrastructures et des industries.
