Introduction à l'Intelligence Artificielle

📋 Plan du Cours

1. Définition IA
2. IA générative
3. Machine Learning
4. Modèles de langage
5. Réseaux antagonistes
6. Usages IA
7. Risques IA
8. Conditions d'utilisation
9. Impacts environnementaux

📖 1. Définition IA

🔑 Notions clés & Définitions

• Imitation de comportements intelligents : Capacité des systèmes à reproduire des actions ou décisions généralement associées à l’intelligence humaine, grâce à des algorithmes.
• IA faible : Systèmes conçus pour exceller dans une tâche précise, sans conscience ni compréhension générale, comme les filtres anti-spam ou la traduction automatique.
• IA forte (ou AGI) : Systèmes hypothétiques capables d’accomplir n’importe quelle tâche intellectuelle humaine, avec une compréhension et une autonomie comparables à celles de l’humain (théorique).
• Machine Learning : Apprentissage automatique où la machine reconnaît des régularités dans des données à partir d’exemples, sans programmation explicite, en utilisant notamment l’entraînement sur de larges volumes de données (voir section 3).
• Large Language Model (LLM) : Modèles d’apprentissage profond entraînés sur de très grandes quantités de données pour comprendre et générer du texte en langage naturel, comme ChatGPT (voir section 4).
• Modèles bayésiens : Approches probabilistes utilisant la théorie de Bayes pour modéliser l’incertitude et faire des prédictions ou inférences à partir de données.

📝 Points essentiels