" le meilleur chatbot avec qui j´ai parlé
http://www.a-i.com/ "

j´aime bien cette adresse, même si le bot est un peu lourd par moment avec ses citations à la con.

Par contre les PDF expliquant leurs axes de recherche sont TRES TRES intéressants. L´apprentissage de la langue par le mimétisme et comme le ferait un bébé, puis un enfant etc...Je trouve l´approche très originale, est pas bête du tout. Ensuite faut pouvoir associer l´apprentissage aux concepts de notre monde, là encore on reparle de sémantique

@Altonfrere: B&, Créatures, c´est basé sur des réseaux de neurones à " apprentissage par renforcement". ( c´est ça le terme pour " récompense/dissuasion"). Maintenant, supervisé ou pas. Je dirais supervisé dans le cas de B&.

@yoda: Ce que tu racontes concernant des machines capables de se tromper est vrai, mais " elles se trompent" uniquement parce qu´on le veut bien. Mon ordinateur, ton ordinateur peuvent se tromper si on le leur demande. Par exemple, dans les réseaux de neurones, quelqu´ils soient, les poids des différentes " synapses" sont initialisés avec une valeur aléatoire pour chaque synapse. Dans les algorithmes génétiques, les opérateurs de croisement et de mutations fournissent les outils nécessaires à l´exploitation et l´exploration des différents génômes possibles, et là aussi, l´ordi " se trompe beaucoup" avant de trouver la solution.
Dans le cas d´un jeu d´échecs, c´est pareil. Le problème posé à l´IA d´un jeu d´échecs est de trouver un chemin qui mène à une position totalement stable du jeu. Maintenant il y a deux types de positions totalement stables : soit l´ia a gagné, soit l´ia a perdu. Ces situations sont totalement stables, dans la mesure où aucun coup n´est possible à partir de ces positions. Comme le but du jeu est de donner un challenge au joueur, on choisit si possible " l´ia gagne." Maintenant, faut se dire que l´ia d´un jeu d´échecs se trompe aussi. Pourquoi ? Parce que si on devait dès le début de la partie trouver un chemin qui mène à la victoire de l´ia, il faudrait calculer un nombre astronomique de coups, et ça prendrait un nombre astronomique d´années, d´où le principe de minmax/alphabeta, etc... Et la fonction d´évaluation. Les erreurs se produisent non pas par une initialisation aléatoire, ni par une exploration +/- aléatoire des possibilités, mais par une connaissance partielle de l´univers.

Les " agents intelligents" fonctionnent de la même manière. Du moins pour certains. exemple: dans le cas d´une fourmillière, chaque fourmi effectue un calcul plutôt simple et unitaire, et ne connait que partiellement son environnement, pourtant, de la fourmillière se dégage un comportement qu´on considère " intelligent". Pourtant une fourmillière " n´apprend pas".

bon quand quelqu´un à un programme de fou, je le prend et on fait un robot ? avec robotmaker ? ...

--log

Le meilleur exemple d´I.A. ce sont ces robots avec plusieurs pattes à qui on apprends à déplacer un membre, et qu´on laisse ensuite se débrouiller pour trouver le moyen le plus efficace de se déplacer. Places une centaine de ses robots et tu verras que certains n´y arriveront jamais alors que d´autre arriveront à une méthode optimale , d´ailleurs bizarement proche de ce qu´on trouve dans la nature, quelle coïncidence !

Des arachnoides ! ça tate ça, comme les réplicants dans stargate, j´en ferais un ( =

-log

C´est pas une coïncidence, dans la mesure où on a imité la nature pour " inventer" les principes qui régissent ces robots.
C´est à dire, réseaux de neurones, et/ou algorithmes génétiques.
Si tu dis que certains n´y parviennent pas, je dirais plutôt qu´il s´agit d´algorithmes génétiques d´ailleurs.
Pourquoi est-ce le meilleur exemple d´ia ?

Les jeux d´échecs, raisonnent à partir de parties déjà jouées, ils " n´apprenent" pas !

Parce qu´à partir d´une quantité de donnée minime, l´entité arrive à un résultat optimal et en conserve le cheminement en mémoire.

Mon jeu d´échecs n´a aucune base de connaissance, il utilise uniquement un algorithme de type minmax. Il n´apprend pas de parties en parties, en revanche, dans une même partie, il se rapproche de plus en plus de la solution à atteindre, autrement dit, il s´adapte.

" Par exemple, dans les réseaux de neurones, quelqu´ils soient, les poids des différentes " synapses" sont initialisés avec une valeur aléatoire pour chaque synapse"

Un système à base de réseaux neuronaux est rarement balancé dans la nature ( utilisable je veux dire) sans une phase d´apprentissage. S´ils sont initialisés bêtement au début c´est juste pour un souci de simplicité des programmeurs. Vient ensuite la phase d´apprentissage où le système va " apprendre" et se rapprocher de la solution en adaptant les valeurs de seuil de chaque neurone. Tu peux voir cela dans la reconnaissance de forme ( pour les OCR par ex) ou la reconnaissance vocale, tu as toujours une phase d´apprentissage adaptée à ta voix, sinon il existe des systèmes déjà entrainés pouvant s´adapter à la majorité des utilisateurs, mais qui peuvent se tromper en effet.

Mais en y réfléchissant peut etre fonctionnons nous sur les mêmes principes, avec plus de complexité certainement. Nous avons tendance à privilégier les solutions qui nous semblent justes plutôt que les mauvaises, mais l´erreur est humaine comme on dit souvent Je connais très peu de personne répondant à côté à un examen volontairement pensant qu´il va réussir. Cela arrive pour certains qui ne savent pas ou qui n´ont pas été suffisament entrainé justement, ou alors pour les révoltés aussi mais bon là c´est un autre problème

mais il n´a pas retenu !

il n´y a pas seulement imitation de la nature, puisque des tests ont été fait avec des robots à 3 pattes, à roues, . ..
Sinon, dans l´imitation, seule la morphologie est inspirée de la nature.

" Parce qu´à partir d´une quantité de donnée minime, l´entité arrive à un résultat optimal et en conserve le cheminement en mémoire."
Concernant un jeu d´échecs, il ne connait que la position de l´échiquier, ce qui ne constitue pas l´ensemble des données de l´univers ( il ne connait pas les intentions de son adversaire, par exemple). Un jeu d´échecs, malgré ça, arrive à un résultat plus ou moins optimal, et si on le souhaite peut conserver des informations concernant la partie qu´il vient de jouer. Mais de manière générale, il conserve en mémoire, le temps d´une partie, ce qu´il a déjà accompli, lors de cette partie.

C´est le principe de toutes les heuristiques ça.

" Les jeux d´échecs, raisonnent à partir de parties déjà jouées, ils " n´apprenent" pas ! "

Certains oui ! imagine que le système perd de plus en plus de parties ? un système adaptatif est justement fait pour palier à ce problème. Il enregistre les parties qu´il joue pour choisir de nouvelles solutions meilleures que celles qu´il peut avoir apprises jusque là.

" Sinon, dans l´imitation, seule la morphologie est inspirée de la nature."
Euh non. C´est moins la morphologie que les principes d´adaptation qui sont des inspirées de la nature.

Bon, je vais devoir aller au mariage d´un cousin, je serais pas revenu avant demain 5h du mat, autant dire demain après midi :p

Altonfrere d je suis d´accord, pour ceux qui se constituent au fur et à mesure une BDD

Mais sinon, celui qui " oublie" d´une partie à l´autre comment il a fait, je n´appelle pas ça une I.A. !

Ben amuses toi bien alors =p

--log

Que tu n´appelles pas ça une IA est une chose, que ça n´en soit pas en est une autre ; )

Ah ok bin c´est juste une anticipation sur les coups à venir et comme le disais Evanescence un solution à un sous-ensemble du problème. De la pure algorithmique mais une approche de l´IA tout de même ( c´est d´ailleurs l´un des premiers thèmes que tu abordes dans un cours d´IA à la fac, les jeux d´échecs, les minimax, les algo alpha-beta etc..).

Bon je suis pas sorti de l´auberge =(

Et qui, si ont suit l´évolution de la définition d´une I.A., n´en fait plus partie !