La communauté de l'IA est très inventive et propose toujours de nouveaux termes et acronymes. Cette page "petit dictionnaire IA" est juste destinée à fournir une liste non exhaustive de ceux-ci et de leurs définitions pour rendre le domaine de l'IA plus facile à comprendre.
AGI (Artificial General Intelligence)
L'intelligence artificielle générale (AGI) est également connue sous le nom d'IA « forte ». Un exemple d'Intelligence Artificielle Générale ou « AGI » est ce que nous voyons dans les robots intelligents qui peuvent « interagir » avec nous et apprendre. « Sophia » développé par Hansen Robotics est le meilleur exemple d'AGI et vous pouvez voir à quel point nous sommes encore loin des robots humains comme des robots intelligents ! L'IAG (lorsqu'elle sera pleinement développée) pourra effectuer avec succès n'importe quelle tâche intellectuelle qu'un humain peut accomplir. Le meilleur exemple d'un robot AGI développé est le film iRobot.
ANI (Artificial Narrow Intelligence)
L'intelligence artificielle étroite (ANI) est également connue sous le nom d'IA « faible ». C’est que nous voyons aujourd'hui comme le résultat du développement de différentes entreprises à travers le monde. Toutes les sortes d'intelligence artificielle qui nous entourent aujourd'hui sont des IA étroites. Google Assistant, Google Translator, Siri et Factory Robots sont tous des exemples d'IA limitée. L'objectif de l'ANI est d'effectuer des « tâches uniques » sur un « ensemble de données spécifiques ». Cela peut être fait déconnecté ou en temps réel ou en temps quasi réel.
API (Application Programming Interface)
ou Interface de Programmation d’Application, Interface logicielle permettant la communication avec un programme informatique distant.
ASI (Artificial Super Intelligence)
La Super Intelligence Artificielle (ASI) est le niveau ultime de l'Intelligence Artificielle au-delà des capacités du cerveau humain ! Le philosophe d'Oxford Nick Bostrom définit la super-intelligence comme « tout intellect qui dépasse largement les performances cognitives des humains dans pratiquement tous les domaines d'intérêt ».
Biais
Des systèmes d'IA qui produisent des résultats biaisés qui reflètent et perpétuent les préjugés humains au sein d'une société, y compris les inégalités sociales historiques et actuelles.
Chatbot
programme informatique conçu pour simuler une conversation avec des utilisateurs humains ; ChatGPT est un exemple de chatbot où les utilisateurs peuvent poser leurs questions en langage naturel et le LLM répondre en langage naturel.
Clustering
Statistiques de données ayant des valeurs similaires. Le clustering identifie les groupes au travers de l’encodage de valeurs réelles et permet d'utiliser des applications telles que la recommandation de livres traitant d’un même sujet.
Decision tree ou arbres de décisions
Un algorithme d'arbre de décision est un algorithme d'apprentissage automatique qui utilise un arbre de décision pour faire des prédictions. Il suit un modèle arborescent de décisions et de leurs conséquences possibles. L'algorithme fonctionne en divisant récursivement les données en sous-ensembles en fonction de la caractéristique la plus significative à chaque nœud de l'arbre.
Deep learning ou apprentissage profond
L'apprentissage profond est le sous-ensemble des méthodes d'apprentissage automatique basées sur des réseaux de neurones artificiels avec apprentissage de représentation. L'adjectif « profond » fait référence à l'utilisation de plusieurs couches dans le réseau.
Embedding (encodage)
Le processus de représentation du monde réel sous forme de données dans un ordinateur est appelé embedding ou encodage. Cette étape est nécessaire avant que le monde réel puisse être analysé et utilisé dans des applications informatiques. Les data scientists utilisent des encodages pour représenter des données de grande dimension dans un espace de faible dimension.
Epoch
Une passe complète du jeu de données d'apprentissage est considérée comme une « epoch » (itération, boucle) dans le domaine de l'apprentissage automatique. Il reflète le nombre de passes de l'algorithme pendant la phase d'apprentissage. Le nombre d’epoch peut être définie comme le nombre de passes effectué par un algorithme d'apprentissage sur un jeu de données.
F1-score
Le score F1 est une métrique d'évaluation de l'apprentissage automatique qui mesure la précision d'un modèle. Il combine les scores de précision et de rappel d'un modèle. Le score F1 combine la précision et le rappel en utilisant leur moyenne harmonique, et maximiser le score F1 implique de maximiser simultanément à la fois la précision et le rappel. Ainsi, le score F1 est devenu le choix des chercheurs pour évaluer leurs modèles en conjonction avec précision.
GenAI, Generative AI ou IA Générative
L'intelligence artificielle générative est une intelligence artificielle capable de générer du texte, des images ou d'autres données à l'aide de modèles génératifs, souvent en réponse à des invites (prompts). Les modèles d'IA générative apprennent les motiss et la structure de leurs données d'entraînement d'entrée, puis génèrent de nouvelles données qui présentent des caractéristiques similaires.
GPT
Modèle pré entrainé d'IA générative (basé sur l’architecture Transformer)
Ground truth (vérité terrain)
connu sous le nom de cible pour l'entraînement ou la validation du modèle avec un jeu de données étiqueté.
Hallucination (LLM)
Lorsque vous posez une question à un LLM sur un sujet qui ne faisait pas partie de son jeu de données d'apprentissage, le LLM va probablement produire du charabia. Ce phénomène est appelé hallucination. Le LLM n'a pas pu déduire une réponse significative, car le LLM n'avait pas appris ni stocké ces nouvelles informations d'une manière ou d'une autre dans ses milliards de paramètres/poids.
Inférence
Utilisation d'un modèle d'apprentissage automatique sur un nouveau jeu de données et génération d'une sortie ou d'une « prédiction »
LLM Large Language Model (Grand modèle de Language)
Des modèles d'apprentissage profond « énormes » généralement basés sur l'architecture Transformer. Ces LLM sont aussi entraînés sur d'énormes ensembles de données (des milliards de milliards de jetons), ce qui donne lieu à plusieurs milliards de paramètres/pondérations de modèles.
LMM Large Multimodal Model (Grand modèle multimodale)
Type avancé de modèle d'intelligence artificielle capable de traiter et de comprendre plusieurs types de modalités de données. Ces données multimodales peuvent inclure du texte, des images, de l'audio, de la vidéo et potentiellement d'autres.
Machine Learning
l'utilisation et le développement de systèmes informatiques capables d'apprendre et de s'adapter sans suivre d'instructions explicites, en utilisant des algorithmes et des modèles statistiques pour analyser et tirer des conclusions à partir des motifs ou structures présents dans les données.
NLG Natural Language Generation
Génération de langage naturel
NLU Natural Language Understanding
Compréhension du langage naturel
Precision
La précision mesure le rapport entre les vrais et les faux positifs
RAG
RAG signifie génération augmentée par récupération d’information (Retrieval Augmented Generation). Il s'agit d’une structure de système d'IA clé pour exploiter pleinement les possibilités des LLMs avec les données de votre entreprise
Rappel
Le rappel mesure le rapport entre les vrais positifs et les faux négatifs
Shadow AI
Utilisation d'outils d'IA en dehors de la supervision des services informatique de l'entreprise, ce qui risque de provoquer des fuites de données confidentielles (par exemple, utiliser des chatbots gratuits pour aider à générer des présentations sur des sujets propriétaires). Les outils d'IA professionnels sont fournis avec des SLA garantissant que les données fournies aux outils ne sont pas utilisées pour créer de nouveaux modèles (qui peuvent potentiellement être utilisés par vos concurrents).
Similarité:
La similarité permet de déterminer à quel point les embeddings sont similaires les unes aux autres et permet des applications telles que la recommandation de produits. La similarité ou similitude est la distance entre les deux points. Les points sont plus similaires s'ils sont plus proches les uns des autres dans un espace mathématique à plusieurs centaines de dimensions.
TAL (Traitement Automatique du Langage) ou NLP Natural Language Processing
Training ou apprentissage
processus d'entrainement dans lequel un algorithme d'apprentissage automatique (ML) est alimenté avec suffisamment de données d'apprentissage lui permettant apprendre à partir de ces données.
XAI ou IA Explicable (eXplainable AI)
C'est tout, j'espère que ce Petit Dictionnaire IA vous a motivé à vouloir en savoir plus sur l'IA.
N'hésitez pas à contacter Hervé @ biZNov si vous avez des questions ou si vous pensez qu'il faudrait rajouter du contenu à cette liste.
Et n'oubliez pas de diffuser l'information si vous avez aimé cet article de blog , Il suffit de cliquer sur les boutons de réseaux sociaux ci-dessous. Partager, c'est apprécier :-)