Relevancer - The Web is moving away from just curating content,... Intelligence artificielle : un réseau neuronal estime un nombre sans savoir compter. Vous n’avez rien compris au titre ?
Quand j’ai découvert la nouvelle, moi non plus mais c’est assez génial. Un exemple simple : regardez le clavier de votre ordinateur, combien y a-t-il de touches ? Vous n’allez pas les compter une par une mais comme ça, en regardant une seconde vous pouvez dire que c’est moins de 1000 et plus de 10 ou en tout cas plus que sur un clavier de téléphone et ce immédiatement ! Cette capacité à estimer très rapidement un nombre sans avoir à utiliser de calcul est une caractéristique que l’on retrouve chez certains animaux comme les poissons, les lions et les humains.
Les réseaux neuronaux. Quand Google règnera sur la posthumanité… » Article » OWNI, Digital Journalism. Jean-Christophe Féraud nous fait part de son enthousiasme pour le roman d'anticipation "Google démocratie".
Billet non sponsorisé :) Palo Alto, Californie, 2018. Sergey « Brain » est l’empereur d’un monde connecté. Google est partout, anywhere, everywhere, anytime. Il a mis à genoux Microsoft, le géant déchu du logiciel qui a initié la grande révolution numérique. Des milliards investis dans la techno-médecine, la cybernétique et le génie génétique Deux milliards d’individus se connectent chaque jour sur ses serveurs.
Google a aussi un projet caché : la Singularité. Serguey a peur, moi aussi Mais Sergey est inquiet. Sergey Brain ne voulait pas finir comme Howard Hugues, malade et dément, richissime et parano. Coucou, tu veux voir mes circuits intégrés ? Un techno-thriller qui pose les bonnes questions Voilà, c’était en résumé le meilleur des Googlemonde, un futur possible très proche, tel qu’il est raconté dans Google Démocratie. Réseau de neurones artificiels. Un article de Wikipédia, l'encyclopédie libre.
Un réseau de neurones artificiels est un modèle de calcul dont la conception est très schématiquement inspirée du fonctionnement des neurones biologiques. Les réseaux de neurones sont généralement optimisés par des méthodes d’apprentissage de type probabiliste, en particulier bayésien. Ils sont placés d’une part dans la famille des applications statistiques, qu’ils enrichissent avec un ensemble de paradigmes [1] permettant de créer des classifications rapides (réseaux de Kohonen en particulier), et d’autre part dans la famille des méthodes de l’intelligence artificielle auxquelles ils fournissent un mécanisme perceptif indépendant des idées propres de l'implémenteur, et fournissant des informations d'entrée au raisonnement logique formel. IOD 2010 : IBM ouvre SPSS aux utilisateurs métiers.
01net le 21/05/10 à 18h15 C’est une première pour SPSS, le spécialiste des statistiques et de l’élaboration de modèles prédictifs.
L’éditeur lance un application de prise de décision adressée aux utilisateurs métier, Decision Management. Reposant sur sa plate-forme de datamining, celle-ci se décline en deux versions, l'une spécialisée dans la gestion de campagnes marketing, l’autre dans la déclaration de sinistres d’assurance. Le principal enjeu, dans ce dernier cas, est de déceler au fil de l’eau, les vraies déclarations des fausses. Un modèle prédictif généré sans statisticiens Pour paramétrer ce moteur de décision, l’utilisateur métier joue sur deux tableaux. Affective Computing. JAYET Arnaud Maîtrise de sciences cognitives Année 2002 – 2003 « Affective Computing » : Apport des Processus Emotionnels aux Systèmes Artificiels.
Mémoire codirigé par Messieurs : Henrique SEQUEIRA Professeur de Neurosciences, Université des Sciences et Technologies de Lille I Fabien TORRE. Introduction aux Réseaux de Neurones Artificiels Feed Forward. Plongeons-nous dans l'univers de la reconnaissance de formes.
Plus particulièrement, nous allons nous intéresser à la reconnaissance des chiffres (0, 1, ..., 9). Imaginons un programme qui devrait reconnaître, depuis une image, un chiffre. On présente donc au programme une image d'un "1" manuscrit par exemple et lui doit pouvoir nous dire "c'est un 1". Supposons que les images que l'on montrera au programme soient toutes au format 200x300 pixels.
On aurait alors 60000 informations à partir desquelles le programme déduirait le chiffre que représente cette image. De façon plus générale, un réseau de neurone permet l'approximation d'une fonction. Dans la suite de l'article, on notera un vecteur dont les composantes sont les n informations concernant un exemple donné.