Ficha de revisão: Histoire et Évolutions de l'Intelligence Artificielle

📋 Plan du Cours

1. Premiers succès de l’IA symbolique
2. Deep Blue et la victoire aux échecs
3. AlphaGo et l’apprentissage du jeu de Go
4. Machine Learning et reconnaissance multimodale
5. IA actuelle : création de contenus et entraînement
6. Droits d’auteur, Deepfake et discernement du vrai

📖 1. Premiers succès de l’IA symbolique

🔑 Notions clés & Définitions

• Intelligence artificielle : Domaine de recherche visant à faire réaliser par une machine des tâches qui ressemblent à des raisonnements humains.
• IA symboliques : Approche d’IA basée sur des règles écrites à la main par des humains pour guider le raisonnement.
• Conférence de Dartmouth : Événement où le terme « intelligence artificielle » est présenté pour la première fois dans le contenu.

📝 Points essentiels

• Le terme « intelligence artificielle » apparaît en 1956 lors d’une conférence associée à Dartmouth.
• Les premières IA fonctionnent avec des règles simples écrites manuellement par des humains.
• Entre 1950 et 1960, les ordinateurs sont décrits comme trop lents, sans Internet et sans bases de données, ce qui limite la reproduction du raisonnement humain.
• Les IA symboliques sont présentées comme un premier succès historique avant les approches plus modernes.

💡 Astuce mémo

Symbolique = règles écrites à la main (comme une liste de règles).

📖 2. Deep Blue et la victoire aux échecs

🔑 Notions clés & Définitions

• Deep Blue : Système d’IA conçu pour jouer aux échecs, capable d’analyser un très grand nombre de coups.
• Champion du monde des échecs : Titre mentionné comme adversaire de Deep Blue lors de la victoire citée dans le contenu.

📝 Points essentiels

• Deep Blue est créé et bat le champion du monde des échecs en 1997.
• Deep Blue analyse plus de 200 millions de coups par seconde.
• La performance de Deep Blue est limitée au jeu d’échecs : elle ne sait jouer que dans ce cadre.
• La victoire est présentée comme un succès marquant de l’IA symbolique/à base de capacités de calcul.

💡 Astuce mémo

Deep Blue = « 200 millions » de coups/s aux échecs (spécialiste).

📖 3. AlphaGo et l’apprentissage du jeu de Go

🔑 Notions clés & Définitions

• AlphaGo : Logiciel d’IA développé par Google, conçu pour apprendre et jouer au jeu de Go.
• Jeu de Go : Jeu de plateau dont le champion du monde est battu par AlphaGo dans le contenu.

📝 Points essentiels

• En 2016, AlphaGo apparaît et bat ensuite le champion du monde de Go.
• AlphaGo est présenté comme marquant car il est capable d’apprendre.
• Le contenu relie la capacité d’apprentissage d’AlphaGo à son impact sur le monde.
• AlphaGo est associé au jeu de Go, contrairement à Deep Blue qui reste limité aux échecs.

💡 Astuce mémo

AlphaGo = apprentissage (Go) : ce n’est pas seulement calculer, c’est apprendre.

📖 4. Machine Learning et reconnaissance multimodale

🔑 Notions clés & Définitions

• Machine Learning : Processus d’IA où le système apprend à partir de données plutôt que via des règles uniquement écrites à la main.
• Reconnaissance d’images : Capacité d’IA à identifier des éléments visuels à partir d’images.
• Reconnaissance vocale : Capacité d’IA à identifier et interpréter la parole pour en extraire du sens.

📝 Points essentiels

• L’IA apprend à partir de données, et ce processus est appelé machine Learning.
• La reconnaissance d’images permet à l’IA de reconnaître des visages, des animaux, des objets et des panneaux routiers.
• La reconnaissance vocale permet de comprendre des intentions humaines à partir de la parole.
• L’IA peut transformer la voix en texte, ce qui rend les interactions décrites comme plus humanisées.

💡 Astuce mémo

Multimodal = plusieurs sens : images + voix → texte et compréhension.

📖 5. IA actuelle : création de contenus et entraînement

🔑 Notions clés & Définitions

• Création de contenus : Capacité d’une IA actuelle à produire des éléments comme de la musique ou du texte.
• Entraînement sur données : Phase où l’IA est ajustée à partir de très grandes quantités de données pour atteindre de bonnes performances.
• Internet : Source de données mentionnée comme utilisée par l’IA pour répondre rapidement à des questions.

📝 Points essentiels

• De nos jours, l’IA est capable de créer de la musique et du texte.
• Pour atteindre ces performances, l’IA est entraînée par des milliards de données.
• En quelques secondes, l’IA peut répondre à des questions en se servant d’Internet.
• Le contenu insiste sur le fait que l’IA n’a pas toujours raison dans ses réponses.

💡 Astuce mémo

Contenus + vitesse : entraînement sur milliards de données, réponses en quelques secondes.

📖 6. Droits d’auteur, Deepfake et discernement du vrai

🔑 Notions clés & Définitions

• Droits d’auteur : Cadre légal évoqué pour encadrer l’usage de contenus produits ou protégés.
• Deepfake : Terme utilisé pour désigner des contenus trompeurs produits par IA quand on ne peut pas distinguer le vrai du faux.
• Discernement du vrai : Compétence attendue pour distinguer des informations fiables des contenus manipulés.

📝 Points essentiels

• Le contenu indique que l’IA n’utilise pas toujours les droits d’auteur.
• Pour remédier à cela, l’État doit appliquer une loi (mentionnée dans le texte).
• L’IA peut se tromper, et ces cas sont appelés Deepfake dans le contenu.
• Le contenu conclut que les futures générations devront apprendre à discerner le vrai du faux.

💡 Astuce mémo

Deepfake = quand l’IA fait croire : il faut vérifier pour discerner le vrai.

📅 Repères chronologiques

Date	Événement
1956	Apparition du terme « intelligence artificielle » lors d’une conférence associée à Dartmouth.
1997	Deep Blue bat le champion du monde des échecs.
2016	AlphaGo apparaît et bat ensuite le champion du monde de Go.

📊 Tableaux de synthèse

Deep Blue vs AlphaGo

IA	Jeu	Ce qui la rend marquante
Deep Blue	Échecs	Analyse plus de 200 millions de coups par seconde, mais ne joue que aux échecs.
AlphaGo	Go	Capable d’apprendre et bat ensuite le champion du monde de Go.

⚠️ Pièges & confusions fréquents

1. Confondre IA symboliques et machine Learning : les premières reposent sur des règles écrites à la main, le second apprend à partir de données.
2. Croire que Deep Blue sait jouer à d’autres jeux : le contenu précise qu’elle ne sait jouer qu’aux échecs.
3. Penser qu’AlphaGo est surtout un système de calcul : le contenu insiste sur sa capacité d’apprentissage.
4. Oublier que l’IA peut se tromper : le texte relie ces erreurs à la notion de Deepfake.

✅ Checklist Examen

1. Savoir ce qui caractérise les IA symboliques et pourquoi les ordinateurs des années 1950-1960 limitent la reproduction du raisonnement humain.
2. Retenir le rôle de la conférence de Dartmouth et l’année 1956 pour l’apparition du terme « intelligence artificielle ».
3. Connaître la date 1997 et le fait que Deep Blue bat le champion du monde des échecs, avec l’ordre de grandeur « plus de 200 millions de coups par seconde ».
4. Retenir l’année 2016 pour AlphaGo et le fait qu’il bat ensuite le champion du monde de Go grâce à sa capacité d’apprendre.
5. Définir machine Learning comme apprentissage à partir de données et citer des exemples de reconnaissance d’images et de reconnaissance vocale.
6. Savoir que l’IA actuelle peut créer du texte et de la musique, et que ses performances viennent d’un entraînement sur des milliards de données.
7. Expliquer le lien entre erreurs de l’IA et Deepfake, et rappeler l’idée de discernement du vrai ainsi que la mention d’une loi sur les droits d’auteur.