Dernière mise à jour :2008-11-22

sciences

Le rêve de créer une machine dotée d'une forme d'intelligence est présente depuis fort longtemps dans l'imagination humaine. Comment l'homme fait-il pour penser, raisonner ou même épprouver des sentiments? Des recherches menées par des scientifiques ont abouties à deux types d'approches. L'étude des réseaux de neuronnes formels est l'une d'entre elles.

La pensée entourrant le développement de systèmes de neuronnes et l'étude du fontionnement du cerveau est aussi connue sous le nom de connexionnisme. Le but du connexionnisme est de rendre compte de la cognition humaine par les réseaux de neuronne.

La création de systèmes de neuronnes exige la connaissance approfondie de plusieurs domaines scientifiques. Des spécialisations au niveau médical, principalement en neurophysiologie sont requises pour l'apport d'informations sur le fonctionnement du cerveau humain. Des notions de mathématiques ainsi que de la physique sont impérative pour la création de formules permettant la modélisation du cerveau. Finalement, une expertise informatique est utiliser pour créer le système.

Histoire des réseaux de neuronnes

Le début des premiers travaux associés à cette étude s'est déroulée dans les années 40. Mc Culloch et Pitts font alors une description d'un système simple décrivant les propriétés du système nerveu. Selon leur description, chaque neurone est relié à d'autres par des connexions. L'activation du neuronne se produit lorsque celui-ci atteind un certain seuil (degré) d'activation. Cette activation est générée par les connexions qui ont pour propriété d'être excitatrice ou inhibitrice.

Le premier modèle de réseau est apparu au début des années 50s mais c'est à la fin de celles-ci que Frank Rosenblatt présentat le Perceptron, premier modèle démontrant un réel processus d'apprentissage.

Les réseaux de neuronnes perdront litéralement du terrain sur l'intelligence artificielle à partir du milieu des années 60. En effet, les ordinateurs de neurones étaient extremement dispendieux, le rythme d'apprentissage était execivement lent. Les résultats attendus étaient décevant comparativement à l'approche cognitiviste qui pour même prix, offrait de meilleur performances. Par exemple, le Perceptron n'arrivait que difficilement, et ce après un long moment, à reconnaitre des lettres sur la rétine.

Suite à la publication 'Perceptrons' de Minski et Papert en 1969 qui contient une étude critique des perceptrons démontrant par exemple que les perceptrons ont l'impossibilité de comprendre la fonction XOR, facultée dont tout être humain dispose.

Durant les années 70, les réseaux de neuronnes semblent oubliés à jamais. C'est l'évolution des systèmes informatique et leur disponibilité qui permettent plus facilement la simulation de réseaux de neurones au début des années 80. De plus, de nouvelle découverte en la matière contribues au retour de cette approche comme par exemple, le modèle de Hopfield (mémoire associative et attravteurs) en 1982 ou les recherches du groupe Mcclelland et Rumelhart qui démontre que des règles d'apprentissage donnent la possibilité aux réseaux de neurones d'apprendres des fonction tel le XOR, qui était impossible pour le perceptron.

Domaines d'application des réseaux de neurones

évidemment, à l'heure ou j'écris ce texte, nous sommes encore loin d'appliquer cette approche à la création d'une machine aussi intelligente que l'être humain.

Le domaine ou semblent le plus exceller les réseaux de neuronnes est la reconnaissance de formes comme par exemple, des visages humains ou des objets.

Certain logiciel de traitement de texte que vous avez peut être utilisé on une fonction de lecture. L'application est capable lire entièrement votre texte à haute voix. C'est en fait un réseau de neuronnes qui a apprit à transformer un texte en phonèmes correspondant à sa lecture.

Le marketing est aussi l'un des domaines où les réseaux de neurones sont utiles. Les entreprises utilises les services de réseaux pour diminuer les taches d'administration d'énormes bases de données. On appele cette méthode, le data mining (déminage de données).

Pour l'instant on ne peut que s'imaginer le résultat d'un monde peuplé de machines intelligentes en visionnant des films de science fiction tel que Blade Runner ou AI car que ce soit l'approche cognitive ou connexionniste, nous sommes encore bien loin de tels résultats. La grande question reste toujours cependant. Est-ce qu'il y a réellement possibilité de réaliser une machine aussi intelligente que nous même.

Auteur : Sylvain Bilodeau

Date de mise en ligne : 2001-08-05

Aucun commentaire pour l'instant.