La réponse : trois cercles emboîtés, et une quatrième espèce qui vient s’y loger.
Le schéma de référence de l’exposé : l’IA contient le machine learning, qui contient le deep learning.
Artificial Intelligence — Mimicking the intelligence or behavioural pattern of humans
or any other living entity.
Machine Learning — A technique by which a computer can “learn” from data, without using
a complex set of different rules. This approach is mainly based on training a model from datasets.
Deep Learning — A technique to perform machine learning inspired by our brain’s own
network of neurons.
Trois précisions accompagnent le schéma :
Les manuels de référence définissent le champ comme l’étude des « agents intelligents » :
tout système qui perçoit son environnement et agit de manière à maximiser ses chances d’atteindre
ses objectifs.
Le machine learning est issu de l’étude de la reconnaissance de formes et de la
théorie de l’apprentissage computationnel.
L’adjectif « deep » ne qualifie pas une profondeur de pensée mais le nombre de
couches du réseau de neurones artificiels.
La reformulation en français de l’exposé
IA — AI is imitating or augmenting the problem-solving and decision-making capabilities
of the human mind.
Machine learning — Machine Learning is the science (and art) of programming computers so
they can learn from data.
Deep learning — Deep Learning is scalable machine learning : il automatise
l’extraction des caractéristiques, réduit l’intervention humaine, et permet d’exploiter de
très grands jeux de données.
Ajouter la GenAI
« The AI Universe » : l’IA générative prend place au cœur des cercles, à l’intérieur du deep learning.
Adding « GenAI » — Generative AI in the list of species.
La formule est juste : la GenAI n’est pas un nouveau paradigme à côté des autres, c’est une
espèce de plus dans la liste, logée au plus profond des cercles.
Source citée en note par l’orateur. Le développement sur le machine
learning (union de l’apprentissage non supervisé — le data mining — et de
l’apprentissage supervisé, avec une troisième branche en formation, l’apprentissage par renforcement,
où la performance est acquise sans qu’un enseignant la reconnaisse explicitement, comme pour la
conduite d’un véhicule) est repris de DAMA-DMBOK, 2016, p. 508.
Les diapositives 22 à 24 étaient ces mêmes définitions, une par page : elles
sont réunies ici en un bloc. La diapositive 25 (« Biological neuron / Model of artificial neuron »),
annoncée avec elles dans la note de proposition, rejoint la
fiche 7 : elle ouvre le passage sous le capot, elle ne
définit rien.