Engies78

a. Historique et définition Le concept d'intelligence artificielle forte est apparu progressivement après le développement de l'intelligence artificielle faible. Il a cependant fallu attendre longtemps pour voir apparaitre les premières simulations de réseau de neurones du fait de leur complexité. Un ordinateur standard des années 1970 pouvait effectuer 10^7 opérations logiques par seconde alors que le cerveau humain fait l'équivalent de 2 x 10^14 opérations logiques par seconde. L'idée en elle même a émergé avec le test de Turing mais la question s'est posée lors d'une conférence en 1951: "Les calculateurs numériques peuvent-ils penser ?". L'intelligence artificielle forte regroupe les différents concepts d'intelligence possédant une véritable conscience. Le réseau de neurones artificiels (RDN) en lui même est un modèle de calcul algorithmique étant inspiré du cerveau biologique. Ce concept est, tout comme l'intelligence artificielle faible, capable de produire un comportement intelligent mais pourrait en plus posséder une véritable conscience. Recréer une conscience virtuelle serait finalement le dernier grand rêve de l'Homme. b. La conscience Celle-ci est une faculté mentale nous permettant de comprendre les phénomènes extérieurs (les sensations) ou ceux intérieurs (les sentiments). Voir se comprendre elle-même. La psychanalyse nous apprendra qu'elle est composée d'une partie inconsciente (Freud). Reproduire une conscience artificielle est toutefois un projet qui laisse perplexe. On peut s'imaginer que cela prouverait l'inexistence de Dieu dans certaines religions. Ce problème pose de la même façon que le clonage humain de nombreuses questions éthiques. c. Les réseaux de neurones artificiels  Inspiré du cerveau biologique, les réseaux de neurones artificiels ont pour but d'être des intelligences artificielles fortes. Bien que ce ne soit pas sûr qu'ils soient capables d'avoir une conscience lorsqu'ils sont installés sur des ordinateurs standards. A l’instar du rapport entre les algorithmes génétiques et la sélection naturelle, les réseaux de neurones artificiels ressemblent en tout point aux cerveaux des êtres vivants. Pour introduire le sujet, il faut d'abord parler du cerveau biologique. Nous, les humains, possédons environ 100 milliards de neurones dans notre cerveau. Il en existe différents types et chacun d'entre eux s’assemblent pour former un réseau (par l'intermédiaire de synapse). Les neurones s'envoient des signaux par l'intermédiaire de neurotransmetteurs ou communiquent par des impulsions électriques. Grâce à cela, nous sommes capables d’interpréter les perceptions du monde extérieur.

   Le neurone formel Le neurone formel est une modélisation mathématique de sa version biologique. Cela implique qu'il peut-être associé à une fonction. La première proposition d'un neurone artificiel a été faite par McCulloch et Pitt. Dans cette version, très simple, il possède plusieurs entrées et une unique sortie. Il fait la sommation de toutes les entrées et compare la valeur obtenue au seuil du neurone. Si elle est supérieure, le neurone s'active et envoie un signal en sortie. (1 sur le schéma, sinon -1). Il s'agit en fait d'une sortie booléen. Finalement, cette version reste très simple mais assez éloignée de sa version biologique. Par contre, elle est encore très utilisée aujourd'hui, et de nombreuses variantes ont aussi vu le jour. Notamment avec des fonctions de seuil différentes comme par exemple: les fonctions Sigmoïdes, les fonctions tangentes hyperboliques et les fonctions d'identités :

Dans le schéma ci-dessous, est la fonction d'activation, la valeur d'entrée est calculé tel que:

Cela signifie la sommation de toutes les entrées associées à un poids (ou un facteur). Pour résumer, la fonction d'un neurone formel est représenté par:

 Les perceptrons Vers les années 1950, de nombreuses théories sur l'assemblage des neurones ont été proposées. La théorie des perceptrons, tout en restant très simple, est néanmoins très efficace. Cette théorie est l'un des premiers modèles de réseau à être basé sur le neurone de McCulloch et Pitt. Par conséquent, il s'agit d'un type de réseau de neurones non bouclé qui ne possède qu'une seule couche. Il possède plusieurs entrés et une unique sortie étant tous booléennes.

   

Autres concepts de réseaux On distingue les réseaux de neurones bouclés et non bouclés (rétro propagation ou cycle), le premier est plus difficile à mettre en place du fait de la quantité de calculs à effectuer. Un autre type de réseaux de neurones non bouclés étant similaires au perceptron est le modèle ADALINE. La seule différence étant qu'il possède une fonction d'activation linéaire et non booléenne. Cependant, les réseaux avec retro propagation ont des possibilités plus larges. Le plus connu est le perceptron multicouche. Dans ce modèle, les neurones d'une couche sont reliés à la totalité des neurones des couches adjacentes.

d. Possibilité De nombreuses applications sont possibles. En partant d'un programme simple jusqu'à un véritable cerveau, en voici quelques exemples :  Utilisation courante Dans la vie de tous les jours, de nombreux systèmes informatiques sont construits selon le modèle du réseau de neurones artificiels. Le plus simple sont les ROCs (Reconnaissance Optique de Caractères, plus couramment OCR en anglais) est un de exemple de système permettant de numériser les livres, et divers textes. Il en existe d'autres nombreuses applications tel que la reconnaissance facial (qui été utilisé avant dans Facebook) ou certainement dans la recherche informatique (On peut imaginer un réseau de neurones aidant à l'interprétation des pages web dans un moteur tel que Google ou Bing). La reconnaissance vocal serait aussi l'application la plus courante étant embarqué sur la plupart des Smartphones actuels tel que les Android ou Siri de Apple. Vers une conscience artificielle En 2008, des chercheurs du Blue Brain Project en collaboration avec IBM ont simulé un fragment du cerveau d'un rat dans la recherche. On pense qu'en 2018, il sera possible de créer les premières consciences virtuelles. En effet, selon des prévisions, les ordinateurs auront atteint la puissance de calcule suffisante pour égaler l'équivalence biologique. L'Union Européenne elle-même s'intéresse de près à ce qu'elle appelle des "technologies futures émergentes" avec des projets tel que Iter ou le LHC. Elle a investi presque 1 milliards d'euro pour la recherche dans ce domaine pour ainsi par exemple, créer des patients virtuels et rendre les recherches sur le cerveau plus rapide. e. Réseau de neurones et ordinateurs quantiques Les ordinateurs quantiques repose sur les propriétés quantiques de la matière, c'est-à-dire à l'échelle de l'infiniment petit. Les algorithmes quantiques rendraient possible des applications hors de porté des ordinateurs actuelles. On peut s'imaginer que les ordinateurs quantiques seront eux capables de recréer un réseau de neurones aussi complet que le cerveau humain, seulement la recherche progresse lentement. Bien que des petits ordinateurs quantiques ont été construits en 1990.