Capacité d’une machine à utiliser des algorithmes pour analyser leur environnement, apprendre des données et utiliser ce qui a été appris pour agir et prendre des décisions – avec un certain degré d'autonomie – en vue d’atteindre des objectifs spécifiques.
Note
- Un système d'IA peut apprendre de son environnement en produisant un extrant (prédictions, recommandations ou décisions) pour un ensemble donné de facteurs ou de variables de caractéristiques;
- il existe trois grands niveaux d'intelligence artificielle:
- l’apprentissage automatique: application de l'IA qui offre aux machines la possibilité d'apprendre et de s'améliorer automatiquement à partir de l'expérience (ensemble de données d'entraînement) sans être explicitement programmées;
- l’apprentissage profond: technique d'IA où des réseaux de neurones artificiels avec différentes couches, des algorithmes basés sur la structure et le fonctionnement du cerveau humain, apprennent à partir de grandes quantités de données pour créer des modèles de prise de décision;
- apprentissage par renforcement: approche informatique de l'apprentissage par l’expérience par laquelle un agent (robot, etc.) essaie de maximiser la « récompense » quantitative qu'il reçoit au cours du temps lorsqu'il interagit avec un environnement complexe et incertain.
Source
Adapté de Rouhiainen, 2018; OECD.AI, 2021; expert.ai; The Economist, 2017; Sutton R. and Barto, A., 1998.