L’analyse de cas en détection de véhicules révèle que les modèles de vision par ordinateur, comme Faster R-CNN, atteignent une précision impressionnante de 89%. Ces résultats transforment notre compréhension des technologies de sécurité routière, offrant des solutions prometteuses pour la classification des véhicules.
Chapitre II : Réseaux de neurones et réseaux de neurones convolutifs (CNN)
Introduction
Depuis plus d’une dizaine d’année, l’intelligence artificielle vit une accélération dans son développement et son adoption. Aujourd’hui, cette technologie émergente est devenue applicable à tous les secteurs d’activité tels que le commerce, la médecine, l’énergie, l’industrie, la logistique, finance ou encore le transport.
Ce chapitre a pour but de donner une vision générale sur l’intelligence artificielle qui représente un domaine complexe. Également d’accroître les connaissances sur les réseaux de neurones artificiels, qui sont parmi les techniques récemment utilisées dans la reconnaissance et la classification des objets, ainsi que les réseaux de neurones convolutifs (CNN).
De plus, nous allons comprendre en quoi consiste l’apprentissage profond.
Introduction à l’intelligence artificielle
Qu’est-ce que l’intelligence artificielle
L’intelligence artificielle est un ensemble de techniques permettant de résoudre des problèmes complexes en s’inspirant de mécanismes cognitifs humains, agissant de manière rationnelle en fonction de faits, données et expériences, et capables d’atteindre de manière optimale un ou plusieurs objectifs donnés. [Ezratty, 2018]
Le but de l’intelligence artificielle est double. D’une part, l’IA s’attache à résoudre des problèmes qui relèvent d’activités humaines ou animales de nature variée : perception, planification, interprétation de données, diagnostic, prise de décision, compréhension du langage, conception. D’autre part, l’IA cherche à mieux comprendre et modéliser l’intelligence [Haton, 2013]. Elle se rapproche ainsi des sciences cognitives dont elle s’inspire par ailleurs pour la conception de modèles (mémoire, raisonnement, apprentissage).
L’intelligence artificielle est un mélange de mathématiques et d’informatique. Ce n’est pas de la magie, mais bien des calculs. Prenons l’exemple d’une voiture autonome, une intelligence artificielle est capable de conduire une voiture toute seule, à condition qu’un ingénieur programme les commandes utiles pour passer les vitesses, freiner, reculer et les règles du code de la route. [Ezratty, 2018]
Comme tout domaine scientifique complexe, l’IA n’a jamais été un terrain d’unanimité et cela risque de perdurer. A haut niveau, on peut la découper en trois grands domaines :
- Le symbolisme qui se focalise sur la pensée abstraite et la gestion des symboles, l’algorithmique et la logique. Le symbolisme modélise notamment les concepts sous la forme d’objets reliés entre eux par des prédicats logiques (appartient à, etc.). C’est dans cette catégorie que l’on peut ranger les systèmes experts et moteurs de règles qui les font fonctionner, et dans une certaine mesure, le web sémantique.
- Le connexionnisme qui se focalise sur la perception, dont la vision, la reconnaissance des formes et s’appuie notamment sur les réseaux neuronaux artificiels qui reproduisent à petite échelle et de manière approximative le fonctionnement générique du cerveau. C’est ici que l’on peut ranger le deep Learning utilisé dans la vision artificielle ou le traitement de la parole.
- Le comportementalisme qui s’intéresse aux pensées subjectives de la perception. C’est dans ce dernier domaine que l’on peut intégrer l’informatique affective qui étudie les moyens de reconnaître, exprimer, synthétiser et modéliser les émotions humaines. [Ezratty, 2018]
Brève histoire sur l’intelligence artificielle
L’IA a été définie de multiples manières et reste de ce fait un domaine dont il n’est pas facile de circonscrire précisément les contours. [Zouinar, 2020]
Les premières machines pensantes apparaissent dans les histoires de science-fiction dès les années 1920. Tandis que la véritable naissance de l’Intelligence Artificielle coïncide avec l’apparition des ordinateurs dans les années 1940-1950. [CEA, 2018]
Il faudra attendre les années 1970 pour que l’IA prenne véritablement son essor, avec l’émergence de nouveaux langages de programmation et logiciels tels que les systèmes experts. Aujourd’hui, ce sont les réseaux de neurones qui deviennent la norme et ce succès soulève des questions sur l’utilisation de l’IA, qui dépassent largement le cadre de la seule informatique. [Ezratty, 2018]
- Canard de Vaucanson 1738
Jacques de Vaucanson célèbre par ses automates créé le Canard Digérateur en 1738. Ce canard artificiel de cuivre doré boit, mange, cancane, barbote et digère comme un vrai canard, dont les ailes étaient représentées, os par os, d’un mécanisme identique à ceux des vrais oiseaux. Il était possible de programmer les mouvements de cet automate, grâce à des pignons placés sur un cylindre gravé, qui contrôlaient des baguettes traversant les pattes du canard.
Le mécanisme, placé dans l’imposant piédestal, visible par tous, dans le but de montrer la complexité du travail accompli. [Benbrahim, 2020]
[5_analyse-de-cas-detection-de-vehicules-en-video_9]
Source: URL
Figure 11: Le Canard Digérateur 1738. [Benbrahim, 2020]
Toutefois, il fallait attendre les années 30 (1930) pour que certains mathématiciens fassent progresser la logique ; analyse des fondements mêmes des raisonnements mathématiques et les années 50 (1950) pour que les calculateurs rentrent dans le domaine civil. Ces deux outils rassemblés ont provoqué la naissance de l’IA, terme introduit en 1954 par John McCarthy. [Benbrahim, 2020]
- Le test de TURING 1950
En 1950, c’est au tour des scientifiques d’imaginer des machines pensantes. Le mathématicien britannique, Alan Turing, père de l’informatique moderne, publie un article intitulé « l’ordinateur et l’intelligence », dans lequel il décrit comment savoir si une machine s’approche d’une intelligence humaine. Il appelle cette méthode « le jeu de l’imitation », plus connu aujourd’hui sous le nom de test de Turing. Depuis, les recherches sur l’IA ont connu successivement des périodes d’essor et de gel. [CEA, 2018]
- La méthode de résolution 1965
La Méthode de Résolution (Robinson), cette méthode a donné naissance au langage PROLOG, ainsi que l’apparition des premiers chatbots comme c’est le cas du programme ELIZA créé en 1966. Ces chatbots tenaient le coup pendant des conversation avec quelques échanges mais ne passaient pas le test de Turing. [Ezratty, 2018]
- Les années 1970
La fin des années 60 marque une période de crise pour l’IA on parle d’hiver de l’IA, la recherche s’effondre suite à désillusion scientifique. Cette crise a duré une décennie, dès les années 1970 l’intelligence artificielle prend un nouveau tournant.
Avant : les méthodes sont des améliorations du combinatoire : on restreint l’énumération exhaustive à l’aide du bon sens, de fonctions d’évaluations et d’heuristiques.
Après : les chercheurs sont convaincus que les programmes doivent avoir une connaissance approfondie du domaine étudié.
Un programme d’IA doit avoir toute la connaissance nécessaire et ne l’utiliser qu’à bon escient. Ces idées ont conduit à la réalisation et à l’étude des systèmes experts ou systèmes à base de connaissances. [Pastre, 2000]
- Les années 1980 et 1990
Le début des années 1980 vit la première renaissance avec les systèmes experts, mais cette vague n’a pas duré longtemps. La fin des années 80, l’IA subit une nouvelle crise avec l’émergence des nouveaux ordinateurs personnels. [Ezratty, 2018]
Pendant les années 1990, l’IA réintégré des labos de recherche et le début du « big data » cela est dû grâce à l’augmentation importante des capacités de calcul des machines. D’autre part, les réseaux de neurones et le deep Learning ont connu un premier essor au milieu des années 1990. [Ezratty, 2018]
Domaines d’application de l’IA
Beaucoup de réalisations mettant à profit des techniques d’intelligence artificielle dépassent les facultés humaines ; L’intelligence artificielle est présente sous diverses formes et dans des domaines variés mais elle vise toujours à faciliter la vie des hommes, elle a un impact considérable sur de nombreux domaines, dont certains sont mentionnés ci-dessous :
[Zouinar, 2020]
- Les jeux : L’intelligence artificielle a très vite intégré les jeux vidéo. Évidemment, tout jeu est basé sur des programmes donnant l’illusion de réactions intelligentes par rapport aux actions qui s’y déroulent. La machine devrait alors être en mesure de penser à plusieurs étapes possibles basées sur la connaissance heuristique.
- Les systèmes experts : un logiciel capable de simuler le comportement d’un humain effectuant une tâche très précise. C’est un domaine où l’intelligence artificielle est incontestablement un succès, dû au caractère très précis de l’activité demandée à simuler.
- Traitement du langage naturel : Le langage naturel a d’abord été étudié dans le but de faire de la traduction automatique. Devant les difficultés, on s’est plutôt intéressé aux sous-problèmes de la compréhension et de la génération du langage naturel, domaines qui se rattachent aussi maintenant au dialogue et aux interfaces.
- Les robots Intelligents : La robotique n’est pas forcément de l’IA. Elle peut en être par l’aspect Reconnaissance des formes et Résolution de problèmes. Il peut être nécessaire de faire face à des situations imprévues. Quelques applications sont particulièrement utiles : travaux dangereux, réparations dans les centrales nucléaires ou dans l’espace
Autres :
- Interaction homme/machine
- Médecine, Modélisation cognitive
- Réseaux neuronaux et approche connexionnistes
- Reconnaissance des formes et perception
- Reconnaissance de la parole et des visages
- Reconnaissance de l’écriture manuscrite… [Pastre, 2000]
________________________
2 Définition donnée par l’article 62 de la loi sur les nouvelles régulations économiques (NRE) du 15 mai 2001. ↑
3 Auchan Les 4 Temps, La Défense. ↑
Questions Fréquemment Posées
Qu’est-ce que l’intelligence artificielle?
L’intelligence artificielle est un ensemble de techniques permettant de résoudre des problèmes complexes en s’inspirant de mécanismes cognitifs humains, agissant de manière rationnelle en fonction de faits, données et expériences.
Quels sont les principaux domaines de l’intelligence artificielle?
À haut niveau, l’IA peut être découpée en trois grands domaines : le symbolisme, le connexionnisme et le comportementalisme.
Comment les réseaux de neurones contribuent-ils à la reconnaissance d’objets?
Les réseaux de neurones artificiels reproduisent à petite échelle et de manière approximative le fonctionnement générique du cerveau, ce qui est utilisé dans le deep Learning pour la vision artificielle.