Flashcard: Introduction à l'Intelligence Artificielle Médicale — 20 carte

IA — définition ?

Systèmes simulant ou augmentant l’intelligence humaine.

Pionniers IA — Hinton ?

Révolutionné les réseaux neuronaux profonds en 2012.

Applications médicales IA — exemples ?

Imagerie, diagnostic, télémédecine, génomique.

Données en IA — rôle ?

Matière première pour entraîner et optimiser les modèles.

Apprentissage automatique — but ?

Permet aux machines d’apprendre à partir de données.

Deep Learning — base ?

Réseaux neuronaux profonds avec plusieurs couches.

Réseaux de neurones — composition ?

Couches de neurones artificiels interconnectés.

Limites IA — problème principal ?

Boîte noire, vulnérabilités, biais, enjeux éthiques.

Évolutions IA — progrès majeurs ?

Progrès en vision, langage, médecine, grâce aux réseaux profonds.

Vocabulaire IA — entrées ?

Données brutes fournies au système.

Vocabulaire IA — sorties ?

Résultats générés par le système.

Vocabulaire IA — modèle ?

Représentation abstraite apprise à partir des données.

Vocabulaire IA — algorithme ?

Procédure d’apprentissage ou de traitement.

Vocabulaire IA — entraînement ?

Phase d’ajustement des paramètres du modèle.

Vocabulaire IA — test ?

Évaluation de la performance sur données nouvelles.

Deep Learning — mécanisme ?

Modélisation hiérarchique de données via réseaux neuronaux profonds.

Réseaux de neurones — fonctionnement ?

Propagation avant, rétropropagation pour ajuster les poids.

Limites IA — boîte noire ?

Difficulté à comprendre le processus décisionnel.

Limites IA — généralisation ?

Capacité à prédire sur données inédites.

Évolutions IA — perspectives futures ?

Médecine prédictive, analyse massive, applications innovantes.