Toute l'actualité de l'intelligence artificielle, du machine learning et du Big data dans le média CNRS le Journal thématique : Intelligence artificielle

13 actualités disponibles

La créativité peut-elle être artificielle ?
Le projet Oupoco réinvente l'expression artistique en créant des poèmes à...
Source: CNRS le Journal thématique : Intelligence artificielle

2023-12-04 09:42:04

« J'essaie de rendre l'humain plus créatif »...
Elle sculpte des formes 3D et crée des mondes virtuels animés. Les systèmes intelligents...
Source: CNRS le Journal thématique : Intelligence artificielle

2023-08-28 09:12:26

L'ère de la cancérologie numérique
À Toulouse, une équipe réunit des chercheurs en informatique et en oncologie...
Source: CNRS le Journal thématique : Intelligence artificielle

2023-07-04 11:59:14

«  La transition écologique ne pourra se faire...
Les capteurs et les intelligences artificielles s'invitent dans les réseaux électriques,...
Source: CNRS le Journal thématique : Intelligence artificielle

2023-04-27 08:40:40

Un robot plongeur pour nettoyer les zones côtières...
Testée cette année à Venise, la plateforme du projet Maelstrom dispose d'un...
Source: CNRS le Journal thématique : Intelligence artificielle

2023-01-23 09:20:45

La science-fiction, un atout pour penser le présent...
De la révolte de robots aux apocalypses climatiques, la science-fiction imagine...
Source: CNRS le Journal thématique : Intelligence artificielle

2022-11-15 09:10:44

Stéganographie : quand un contenu en cache un autre...
Moins connue que la cryptographie, la stéganographie est l'autre moyen dont nous...
Source: CNRS le Journal thématique : Intelligence artificielle

2022-10-20 15:25:35

Un logiciel, des milliards de possibilités
La combinaison de toutes les options offertes par un logiciel peut atteindre des...
Source: CNRS le Journal thématique : Intelligence artificielle

2022-10-20 15:16:15

RoboCup 2022 : une équipe de Brest championne du...
L'équipe française RoboBreizh a remporté une épreuve phare de la RoboCup 2022,...
Source: CNRS le Journal thématique : Intelligence artificielle

2022-10-17 15:35:31

Comment rendre les applications moins énergivores...
C'est un vrai problème écologique : les applications mobiles semblent consommer...
Source: CNRS le Journal thématique : Intelligence artificielle

2022-09-12 12:00:35

Une IA, juge de beauté des poissons tropicaux
Des chercheurs ont entraîné une intelligence artificielle (IA) afin d'attribuer...
Source: CNRS le Journal thématique : Intelligence artificielle

2022-08-11 15:15:13

BigScience voit grand pour les modèles de langue
Gérant quarante-six langues différentes, inscrit dans une démarche de science...
Source: CNRS le Journal thématique : Intelligence artificielle

2022-07-12 09:08:13

L'Intelligence Artificiel et le Big Data

Définitions

Intelligence Artificiel :

L'intelligence artificielle (IA) est un domaine de l'informatique qui vise à créer des systèmes et des machines capables de simuler l'intelligence humaine. L'objectif principal de l'IA est de développer des algorithmes et des modèles qui peuvent effectuer des tâches généralement associées à l'intelligence humaine, telles que la perception, le raisonnement, l'apprentissage, la planification, la prise de décision, la reconnaissance vocale, la compréhension du langage naturel, la résolution de problèmes, etc.

L'intelligence artificielle peut être divisée en deux catégories principales :

  • L'intelligence artificielle faible (IA faible) : Également appelée intelligence artificielle étroite, elle se réfère à des systèmes qui sont conçus pour exécuter des tâches spécifiques et limitées. Ces systèmes ne démontrent pas une compréhension générale ou une conscience de soi. Ils sont généralement spécialisés dans une tâche particulière et ne peuvent pas facilement être transférés pour effectuer d'autres tâches.
  • L'intelligence artificielle forte (IA forte) : Elle représente une forme d'intelligence artificielle qui est capable de fonctionner avec une compréhension similaire à celle d'un être humain. L'IA forte peut résoudre des problèmes complexes, apprendre de l'expérience, s'adapter à de nouvelles situations et accomplir des tâches variées sans avoir besoin d'être spécifiquement programmée pour chacune d'entre elles. Cependant, l'existence de l'IA forte est un sujet de débat et n'a pas encore été complètement réalisée.

L'une des approches les plus répandues pour mettre en œuvre l'intelligence artificielle est l'apprentissage automatique (machine learning) qui permet aux systèmes informatiques d'apprendre à partir de données, d'identifier des schémas et de prendre des décisions sans une programmation explicite. Les réseaux de neurones artificiels, en particulier les réseaux de neurones profonds (Deep Learning), sont devenus essentiels pour de nombreuses applications d'intelligence artificielle, comme la vision par ordinateur, la reconnaissance vocale et le traitement du langage naturel.

L'intelligence artificielle est utilisée dans une multitude de domaines, tels que la santé, la finance, la logistique, l'automobile, les jeux, la robotique et bien d'autres, offrant des avantages potentiels mais soulevant également des questions éthiques et sociales liées à l'automatisation, à la confidentialité des données, à la sécurité et à l'impact sur l'emploi.

Big Data :

Le "Big Data" (ou mégadonnées en français) est un terme utilisé pour décrire de vastes ensembles de données complexes, massives et souvent hétérogènes, qui dépassent la capacité des outils traditionnels de traitement et de gestion des données pour les analyser de manière efficace. Le Big Data se caractérise généralement par trois "V" :

  • Volume : Le Big Data implique une énorme quantité de données, généralement de l'ordre des pétaoctets (10^15 octets) ou plus. Ces données peuvent être collectées à partir de diverses sources, telles que les réseaux sociaux, les appareils connectés à Internet, les capteurs, les appareils mobiles, les transactions commerciales, etc.
  • Vitesse : Les données du Big Data sont souvent générées en temps réel ou à un rythme très rapide. Il est crucial de pouvoir traiter, analyser et prendre des décisions basées sur ces données à un rythme rapide pour en tirer un avantage concurrentiel.
  • Variété : Les données du Big Data peuvent prendre différentes formes, y compris des données structurées (bases de données relationnelles), semi-structurées (JSON, XML) et non structurées (textes, images, vidéos). La variété des données rend leur traitement et leur analyse plus complexe.

En plus des trois V mentionnés ci-dessus, certains experts ajoutent également deux autres V :

  • Vérité (Veracity) : Faire confiance à l'exactitude et à la qualité des données du Big Data peut être un défi. Les données peuvent être incomplètes, erronées ou provenir de sources peu fiables.
  • Valeur (Value) : L'objectif ultime du Big Data est de transformer ces données en informations exploitables qui apportent une valeur ajoutée significative aux organisations ou aux individus.

Le Big Data joue un rôle essentiel dans de nombreux domaines, notamment le marketing, la santé, les sciences, la finance, la logistique, les sciences sociales, etc. En exploitant ces vastes quantités de données, les entreprises et les chercheurs peuvent découvrir des tendances, des schémas cachés, prendre des décisions plus éclairées, personnaliser les offres et améliorer l'efficacité opérationnelle. Pour gérer le Big Data, des technologies avancées telles que le calcul distribué, les systèmes de stockage massivement parallèles et les bases de données NoSQL sont utilisées pour faciliter le traitement et l'analyse des mégadonnées.