Semaine 1 > 30/09 - 14h | Comment les machines apprennent ?

Comment les machines apprennent ?

Arnaud Ferré
Unité mathématiques et informatique appliquées du génome à l'environnement (MaIAGE)
Institut national de recherche pour l’agriculture, l’alimentation et l’environnement (INRAE), Université Paris-Saclay

Chargé de recherche à INRAE, Arnaud Ferré travaille en extraction et organisation automatique des connaissances en sciences du vivant. Ses travaux s’appuient sur de l’apprentissage neuronal profond ainsi que sur des grands modèles de langues, tel que celui derrière le populaire robot conversationnel ChatGPT.

Présentation

Comment un algorithme peut-il « apprendre » à reconnaître des images, traduire une phrase ou prédire une tendance ?

Pour répondre à cette question, nous remonterons aux origines de l’intelligence artificielle, puis nous explorerons les fondements de l'apprentissage neuronal profond ("deep learning"), qui constitue encore aujourd’hui le cœur de nombreuses applications d’IA.
Cette intervention a pour objectif de donner une intuition claire des mécanismes qui permettent aux machines d’apprendre à partir de données.

Programme

1. Un peu d'histoire de l'IA : des débuts aux progrès récents dus à l'apprentissage neuronal profond ;
   
   
2. Comment les données brutes (texte, image, etc.) sont-elles transformées pour être utilisables par une machine ? ;
   
   
3. Présentation de l’apprentissage supervisé : comment apprendre à partir d'observations ? ;
   
   
4. Les bases de l'apprentissage neuronal profond : comment fonctionnent les réseaux de neurones artificiels ? ;
   
   
5. Premiers pas dans le deep learning : les réseaux de neurones et leur fonctionnement.

Vidéothèque

Interview Arnaud Ferré - Robots conversationnels (5min30)