Intelligence artificielle – Facilement expliquée pour les débutants

Ce cours vidéo sur l’intelligence artificielle s’adresse aux débutants et est conçu pour vous enseigner les bases du développement historique de l’IA. Pour cette raison, notre voyage commence par la section “Introduction et contexte historique de l’IA”.

Sujets et contenus des leçons :

I. Introduction et contexte historique

• Qu’est-ce que l’IA – une considération philosophique
• IA forte et faible
• Le test de Turing
• La naissance de l’IA
• L’ère des grands attentes
• Rattraper la réalité
• Comment apprendre à une machine à apprendre
• Systèmes distribués dans l’IA
• Deep Learning, Machine Learning, Natural Language Processing

II. Le résolveur général de problèmes

• Proof Program – Logical Theorist
• Exemple de “Human Problem Solving” ( Simon)
• La structure d’un problème

Dans cette section, nous reprenons d’abord les techniques initiales de l’IA. Vous découvrirez les concepts et les systèmes d’exemples célèbres qui ont déclenché cette première phase d’euphorie.

III. Systèmes experts

• Connaissances factuelles et heuristiques
• Cadres, slots et remplissage
• Chaînage avant et arrière
• Le programme MYCIN
• Probabilités dans les systèmes experts
• Exemple – Probabilité de fissures capillaires

Dans cette section, nous discutons des systèmes experts qui, à l’instar des résolveurs de problèmes généraux, ne traitent que avec des problèmes spécifiques. Mais au lieu de cela, ils utilisent des règles et des faits excessifs sous la forme d’une base de connaissances.

IV. Réseaux de neurones

• Le neurone humain
• Traitement du signal d’un neurone
• Le Perceptron

Cette section annonce un retour à l’idée de pouvoir reproduire le cerveau humain et ainsi le rendre accessible au traitement numérique de l’information sous la forme des réseaux de neurones. Nous examinons les premières approches et soulignons les idées qui manquaient encore pour aider les réseaux de neurones à réaliser une percée.

V. Machine Learning (Deep Learning & Computer Vision)

• Exemple – récolte de pommes de terre
• L’année de naissance de Deep Apprentissage
• Couches de réseaux d’apprentissage en profondeur
• Vision artificielle / Vision par ordinateur
• Réseau de neurones convolutifs.

L’idée d’un agent et son interaction dans un système multi-agents est décrite dans la cinquième section. L’objectif principal d’un tel système est de répartir la complexité sur plusieurs instances.

La sixième section traite de la percée des réseaux de neurones multicouches, de l’apprentissage automatique, de la vision artificielle, de la reconnaissance vocale et de certaines autres applications d’aujourd’hui. IA.