Par Pierre Guillemin | Photo : Pixabay
Les réseaux de neurones sont une des techniques d’Intelligence Artificielle. Leur conception et fonctionnement répondent aux tentatives de simulation du fonctionnement du cerveau humain.
Contrairement aux idées communément admises, les principes de l’intelligence artificielle sont anciens : c’est en 1943 que Mc Culloch (neurophysiologiste) et Pitts (logicien) ont proposé les premières notions de neurone formel. Ce concept fut ensuite mis en réseau avec une couche d’entrée et une de sortie par Franck Rosenblatt en 1959 pour simuler le fonctionnement rétinien et dans le but de reconnaître des formes. C’est l’origine du « perceptron » qui se veut la traduction mathématique d’un neurone artificiel ; le réseau de neurones est constitué d’un assemblage de perceptrons. Il effectue des calculs pour détecter des caractéristiques ou des tendances dans les données d’entrée. Le perceptron reçoit ainsi de multiples signaux d’entrée : si la somme des signaux excède un certain seuil, un signal est produit ou au contraire aucun résultat n’est émis. C’est ce principe qui permet de « décider », voire de « prédire ».
Ces dernières années, la puissance des ordinateurs a permis aux réseaux de neurones de se développer extrêmement rapidement leur assurant une couverture médiatique très importante. Les succès obtenus par ces réseaux en matière de reconnaissance d’images (médecine, satellites), de reconnaissance faciale, en traitement du signal (ondes sonores, électromagnétiques), en traitement du langage naturel, en jeux de société (go, échecs) ont suscité un engouement incroyable et des interrogations légitimes.
Le succès technique d’un réseau de neurones réside dans la phase « d’apprentissage » qui va conditionner son succès final pour les tâches qu’il est censé traiter. La phase d’apprentissage consiste à injecter au réseau des données connues engendrant des réponses par le réseau qui seront comparées aux réponses souhaitées (connues). C’est donc un processus itératif qui, petit à petit, va affiner les réponses du système.
Pour nous, humains, c’est un défi dans la mesure où (pas encore heureusement !) la machine devient, sur certaines tâches, plus experte que nous. Mais il manque encore à ces systèmes d’intelligence artificielle cette notion d’imagination, d’invention qui nous est propre.
