L’ABC de l’intelligence artificielle

Les industries, des soins de santé aux prévisions météorologiques et aux chaînes d’approvisionnement, adoptent l’efficacité et l’automatisation fournies par les solutions d’intelligence artificielle. Alors que intelligence artificielle continue de pénétrer le marché, il existe de nombreux termes qui peuvent aider votre marque à naviguer et à mieux comprendre l’intelligence artificielle, les systèmes machine learning et les méthodes de formation.

L’intelligence artificielle est une branche de l’informatique largement axée sur la création de systèmes et de machines artificiellement intelligents capables d’imiter l’intelligence humaine et l’esprit humain. Les systèmes dotés d’une intelligence artificielle « apprennent » généralement à le faire en traitant d’énormes ensembles de données, en identifiant des modèles sur lesquels ils peuvent modéliser la prise de décision en temps réel.

Également connu sous le nom d’intelligence artificielle forte, ce terme décrit une machine qui peut vraiment penser comme un être humain, reproduisant essentiellement l’intelligence humaine en résolvant des problèmes sur lesquels elle n’a pas été spécifiquement formée via son expérience cumulative.

C’est la version de science-fiction de l’intelligence artificielle souvent vue dans les films et à la télévision ; une sorte d’intelligence artificielle qui pourrait, en théorie, passer le test de Turing (nommé d’après Alan Turing, qui a appelé sa version du concept « le jeu d’imitation » en 1950). L’AGI n’existe pas encore, bien qu’AlphaGo de Google DeepMind ait fait la une des journaux en 2016 en tant que percée possible dans ce domaine.

Ce type de intelligence artificielle pourrait avoir un énorme potentiel de résolution de problèmes et des cas d’utilisation de grande envergure, mais il s’accompagne également d’un niveau de difficulté correspondant et de grandes préoccupations éthiques concernant la création d’un tel système ont été soulevées au cours de intelligence artificielle étude. Le prochain niveau d’avancement serait la superintelligence artificielle (ASI), un système supérieur aux humains.

Un sous-ensemble de l’intelligence artificielle où l’intelligence artificielle assiste la façon dont les humains travaillent au lieu de les remplacer entièrement. L’UA vise à améliorer les humains à prendre de meilleures décisions grâce à des outils conçus pour améliorer leurs capacités cognitives et les aider à éliminer les préjugés et les erreurs humaines.

Un type de solution d’intelligence artificielle qui peut simuler la conversation, comme un chatbot ou un assistant virtuel comme Siri d’Apple, Alexa d’Amazon ou la technologie Google Assistant. Il est alimenté par le traitement du langage naturel (NLP), qui vise à permettre aux machines non seulement de traiter le langage humain, mais aussi de comprendre les nuances qu’il contient.

Une méthode d’entraînement dans les systèmes d’intelligence artificielle qui apprend aux ordinateurs à traiter les données d’une manière inspirée par le cerveau humain. Grâce à cette conception, les modèles de Deep Learning peuvent reconnaître des modèles complexes dans les données sur lesquelles ils sont entraînés et utiliser ces modèles pour produire des résultats précis.

Une philosophie qui donne la priorité à la compréhension humaine de l’impact, de la précision, des résultats et des biais des modèles d’intelligence artificielle. XAI est une approche qui aide les utilisateurs à avoir confiance dans les résultats des algorithmes de machine learning et est particulièrement importante lorsqu’il s’agit de renforcer la confiance parmi ceux qui utilisent des modèles d’intelligence artificielle. XAI peut également aider les marques à élaborer une approche responsable du développement et de l’intégration de l’intelligence artificielle dans leur organisation.

Un terme générique qui fait largement référence à toute intelligence artificielle qui génère quelque chose « par elle-même », y compris des images, du texte ou de la vidéo. ChatGPT et son équivalent générateur d’images DALL-E entrent dans cette catégorie.

Une classe de machine learning et un cadre commun en intelligence artificielle générative. Les GAN sont constitués de deux réseaux de neurones : un générateur et un discriminateur. Les réseaux neuronaux travaillent ensemble pendant le processus d’entraînement et deviennent ainsi plus compétents. Les GAN sont une approche populaire dans les cadres d’intelligence artificielle générative car ces deux réseaux neuronaux sont particulièrement utiles dans la génération de ressources de marketing multimédia.

Un type propre de grand modèle de langage (LLM), créé par OpenAI et popularisé dans ChatGPT-3 et ChatGPT-4. GPT est entraîné sur de grands ensembles de données textuelles. Ces modèles produisent des réponses aux entrées qui sont non seulement rationnelles, mais textuellement pertinentes.

Un grand modèle de langage fait également partie du sous-ensemble de l’intelligence artificielle générative. Les LLM sont un type d’algorithme qui utilise l’apprentissage profond et d’énormes ensembles de données pour générer un texte de type humain en étudiant le texte qui a été fourni et en prédisant le mot ou le symbole suivant. Les LLM sont la technologie derrière la plupart des chatbots et des assistants vocaux.

Également connu sous le nom de intelligence artificielle faible ou de intelligence artificielle spécialisée, il s’agit du terme désignant un système intelligence artificielle conçu pour une tâche propre, telle que la reconnaissance prédictif données analytiques ou vocale. Les filtres anti-spam et même les véhicules autonomes comme les voitures autonomes entrent dans cette catégorie.

Un sous-domaine qui fait le pont entre la linguistique, l’informatique et l’intelligence artificielle. Le NLP se concentre sur les interactions entre les ordinateurs et le langage humain. Il recherche des moyens propres de programmer des ordinateurs pour analyser de grandes quantités de données en langage naturel, de sorte qu’il est possible pour un ordinateur d’organiser des documents et de traiter et d’extraire des informations en fonction des nuances de langage à l’intérieur des documents.

Le NLP est la clé de nombreuses technologies d’intelligence artificielle qui aident les équipes marketing en raison de son utilité dans l’analyse des publications médiatiques des médias sociaux, des avis des clients et des tickets d’assistance.

Un modèle de machine learning basé sur la structure neuronale du cerveau humain. Il organise les nœuds interconnectés en couches – tout comme le cerveau humain le fait avec les neurones – et ajuste le poids des connexions au fur et à mesure qu’il traite les données.

Un modèle de machine learning qui peut plus facilement être décrit comme « apprendre par la pratique » où le système est récompensé pour avoir fait le bon choix jusqu’à ce qu’il apprenne à faire le bon choix par lui-même.

L’automatisation robotisée des processus (RPA) est une technologie logicielle où les utilisateurs créent des robots logiciels, ou « bots », qui peuvent apprendre, imiter, puis exécuter des processus d’entreprise basés sur des règles.

Sous-ensemble de l’intelligence machine learning et de l’intelligence artificielle, la machine learning supervisée est définie de manière unique par l’utilisation de plusieurs paires d’objets d’entrée et des valeurs de sortie souhaitées pour entraîner un algorithme.

Utilisé en machine learning, l’apprentissage par transfert est l’application d’un modèle précédemment entraîné sur un nouveau problème. Dans l’apprentissage par transfert, une machine utilise les connaissances acquises lors d’une tâche précédente pour améliorer la généralisation sur une autre.

Une approche de l’machine learning où les machines recherchent des similitudes dans les données d’entraînement non étiquetées et apprennent des données elles-mêmes plutôt que d’être instruites par des humains.

Pour en savoir plus sur intelligence artificielle et machine learning, consultez le Sitecore Knowledge Base.