Glossaire des termes en intelligence artificielle

Il y a beaucoup de désaccords parmi les universitaires et les experts quant à l’avenir de Intelligence artificielle. Alors que certains sont ravis des perspectives d’auto-apprentissage des ordinateurs et des robots, d’autres, comme Stephen Hawkings, ont des réserves à ce sujet. Selon Stephen Hawkings, les robots pourraient prendre le contrôle de la planète si la recherche sur l’intelligence artificielle n’est pas effectuée correctement.

Il y a quelques semaines, il y avait un robot dans les nouvelles qui voulait faire des humains, son animal de compagnie. Il aurait pu être programmé pour le dire. Une autre nouvelle concerne un robot « frustré » tuant un humain sur une chaîne de montage de voitures au Japon. Nous ne savons pas avec certitude quels sont les progrès dans le domaine de l’intelligence artificielle. Nous ne savons pas non plus si ce sera bien ou si les craintes de Stephen Hawkings se réaliseront. Indépendamment de cela, nous devons connaître les mots à la mode utilisés dans le monde de l’intelligence artificielle afin de pouvoir étudier les articles sur le terrain et de ne pas nous perdre dans le labyrinthe des termes. J’ai compilé une petite mais importante liste de termes utilisés dans l’intelligence artificielle afin que la prochaine fois que vous lirez un article sur le sujet, vous n’ayez pas à chercher sur Google les mots utilisés dans l’article.

Termes en Intelligence Artificielle

Chaînage avant: Un processus où les machines étudient en avant à partir d’un point donné – en utilisant une séquence de sous-processus si-alors pour atteindre l’objectif requis. Le but est de trouver un système qui fonctionne pour un ensemble donné de problèmes.

Raisonnement inductif: Un processus où des preuves et des ensembles de données sont utilisés pour atteindre des objectifs spécifiques. Cela ne devrait pas être très différent de la programmation normale car cela fonctionne sur des ensembles de données déjà présents au lieu de les construire. Le processus de collecte de données et de leur agrégation en fonction de leur nature est appelé exploration de données et Le raisonnement inductif utilise les ensembles de données créés à la suite de l’exploration de données.

Apprentissage automatique: Un autre des termes effrayants utilisés dans l’intelligence artificielle, Machine Learning fait référence à des machines agissant sans être alimentées par des programmes pour effectuer des tâches. L’apprentissage automatique entre en jeu et s’améliore à mesure que la durée de vie du système augmente. Il utilise les modèles de résultats obtenus dans le passé pour agir pour les objectifs actuels.

NLP – Traitement du langage naturel: Un autre des termes populaires utilisés dans l’intelligence artificielle, le traitement du langage naturel est basé sur la reconnaissance vocale ou les entrées basées sur les gestes. Il s’agit ici de comprendre le langage humain tel qu’il le prend comme commandes. Plus vous interagissez avec la machine à l’aide de la PNL, mieux elle comprend et traite vos commandes.

Taille: Le processus de nettoyage du code afin que les solutions indésirables puissent être éliminées. Mais avec la réduction du code (élagage), le nombre de décisions pouvant être prises par les machines est restreint.

IA forte: Strong fait référence au domaine de l’intelligence artificielle qui vise à fournir des pouvoirs semblables à ceux du cerveau aux machines d’IA ; en effet, cela fonctionne pour rendre les machines aussi intelligentes que les humains

IA faible: La plupart des systèmes d’IA sur le marché aujourd’hui sont des IA faibles (intelligence artificielle). Les machines d’IA faibles peuvent toujours prendre leurs propres décisions en fonction du raisonnement et des ensembles de données antérieurs.

Ce sont les termes les plus importants utilisés en intelligence artificielle selon ma compréhension.

Lire: Faits et mythes sur l’intelligence artificielle : IA faible, IA forte et super IA.