Q-learningvignette|400x400px|Dans le Q-learning, l'agent exécute une action a en fonction de l'état s et d'une fonction Q. Il perçoit alors le nouvel état s' et une récompense r de l'environnement. Il met alors à jour la fonction Q. Le nouvel état s' devient alors l'état s, et l'apprentissage continue. En intelligence artificielle, plus précisément en apprentissage automatique, le Q-learning est un algorithme d'apprentissage par renforcement. Il ne nécessite aucun modèle initial de l'environnement.
Apprentissage par renforcementEn intelligence artificielle, plus précisément en apprentissage automatique, l'apprentissage par renforcement consiste, pour un agent autonome ( robot, agent conversationnel, personnage dans un jeu vidéo), à apprendre les actions à prendre, à partir d'expériences, de façon à optimiser une récompense quantitative au cours du temps. L'agent est plongé au sein d'un environnement et prend ses décisions en fonction de son état courant. En retour, l'environnement procure à l'agent une récompense, qui peut être positive ou négative.
Apprentissage profondL'apprentissage profond ou apprentissage en profondeur (en anglais : deep learning, deep structured learning, hierarchical learning) est un sous-domaine de l’intelligence artificielle qui utilise des réseaux neuronaux pour résoudre des tâches complexes grâce à des architectures articulées de différentes transformations non linéaires. Ces techniques ont permis des progrès importants et rapides dans les domaines de l'analyse du signal sonore ou visuel et notamment de la reconnaissance faciale, de la reconnaissance vocale, de la vision par ordinateur, du traitement automatisé du langage.
Planification régionalevignette|Plan d'aménagement de la ville de Plzen en 2010 La planification régionale correspond à un « encadrement par les pouvoirs publics du développement économique et social à l'aide d'un plan, grâce à la mise en œuvre d'instruments spécifiques. On parle de plan tant que l'action menée n'implique pas la localisation précise des implantations décidées ; on parle d'aménagement lorsque les documents élaborés indiquent les lieux, axes, ou aires où les interventions doivent avoir lieu.
Urbanismevignette|upright=1.0|Gratte-ciel vus depuis la tour CN à Toronto (Canada). vignette|upright=1.0|Vue d'un quartier de Pachuca (Mexique). L'urbanisme est l'ensemble des sciences, des techniques et des arts relatifs à l'organisation et à l'aménagement des espaces urbains. Ce projet peut être sous-tendu par une volonté d'assurer le bien-être de l'homme et d'améliorer les rapports sociaux en préservant l'environnement. Les professionnels qui exercent ce métier sont des urbanistes.
Apprentissage par renforcement profondL'apprentissage par renforcement profond (en anglais : deep reinforcement learning ou deep RL) est un sous-domaine de l'apprentissage automatique (en anglais : machine learning) qui combine l'apprentissage par renforcement et l'apprentissage profond (en anglais : deep learning). L'apprentissage par renforcement considère le problème d'un agent informatique (par exemple, un robot, un agent conversationnel, un personnage dans un jeu vidéo, etc.) qui apprend à prendre des décisions par essais et erreurs.
Land-use planningLand use planning is the process of regulating the use of land by a central authority. Usually, this is done to promote more desirable social and environmental outcomes as well as a more efficient use of resources. More specifically, the goals of modern land use planning often include environmental conservation, restraint of urban sprawl, minimization of transport costs, prevention of land use conflicts, and a reduction in exposure to pollutants.
Apprentissage automatiqueL'apprentissage automatique (en anglais : machine learning, « apprentissage machine »), apprentissage artificiel ou apprentissage statistique est un champ d'étude de l'intelligence artificielle qui se fonde sur des approches mathématiques et statistiques pour donner aux ordinateurs la capacité d'« apprendre » à partir de données, c'est-à-dire d'améliorer leurs performances à résoudre des tâches sans être explicitement programmés pour chacune. Plus largement, il concerne la conception, l'analyse, l'optimisation, le développement et l'implémentation de telles méthodes.
Multi-agent reinforcement learningMulti-agent reinforcement learning (MARL) is a sub-field of reinforcement learning. It focuses on studying the behavior of multiple learning agents that coexist in a shared environment. Each agent is motivated by its own rewards, and does actions to advance its own interests; in some environments these interests are opposed to the interests of other agents, resulting in complex group dynamics. Multi-agent reinforcement learning is closely related to game theory and especially repeated games, as well as multi-agent systems.
Reinforcement learning from human feedbackIn machine learning, reinforcement learning from human feedback (RLHF) or reinforcement learning from human preferences is a technique that trains a "reward model" directly from human feedback and uses the model as a reward function to optimize an agent's policy using reinforcement learning (RL) through an optimization algorithm like Proximal Policy Optimization. The reward model is trained in advance to the policy being optimized to predict if a given output is good (high reward) or bad (low reward).
Art conceptuelvignette|Art and Language, Untitled Painting, 1965 Courtesy Tate Modern L'art conceptuel est un mouvement de l'art contemporain apparu dans les années 1960 mais dont les origines remontent aux ready-made de Marcel Duchamp au début du . L'art est défini non par les propriétés esthétiques des objets ou des œuvres, mais seulement par le concept ou l'idée de l'art. L'art conceptuel n'est pas une période précise de l'art contemporain, ni un mouvement artistique structuré ou un groupe d'artistes précis.
Neo-conceptual artNeo-conceptual art describes art practices in the 1980s and particularly 1990s to date that derive from the conceptual art movement of the 1960s and 1970s. These subsequent initiatives have included the Moscow Conceptualists, United States neo-conceptualists such as Sherrie Levine and the Young British Artists, notably Damien Hirst and Tracey Emin in the United Kingdom, where there is also a Stuckism counter-movement and criticism from the 1970s conceptual art group Art and Language.
Post-conceptual artPost-conceptual, postconceptual, post-conceptualism or postconceptualism is an art theory that builds upon the legacy of conceptual art in contemporary art, where the concept(s) or idea(s) involved in the work takes some precedence over traditional aesthetic and material concerns. The term first came into art school parlance through the influence of John Baldessari at the California Institute of the Arts in the early 1970s.
Google DeepMindGoogle DeepMind est une entreprise spécialisée dans l'intelligence artificielle appartenant à Google. L'entreprise est remarquée notamment pour son programme de jeu de Go AlphaGo, et son logiciel AlphaFold, qui permet de prédire la structure des protéines à partir de leurs séquences en acides aminés. Originellement appelée DeepMind Technologies Limited et fondée en 2010 par Demis Hassabis, Mustafa Suleyman et Shane Legg, elle est rachetée le 26 janvier 2014, par Google pour plus de 628 millions de dollars américains.
Bleuvignette|Le ciel et la mer dans diverses nuances de bleu. Le bleu est un champ chromatique, regroupant les teintes rappelant celles du ciel et de la mer par temps clair. C'est aujourd'hui la couleur la plus appréciée d'un grand nombre de personnes. Le champ chromatique « bleu » comprend de nombreuses nuances soit saturées, comme le bleu outremer, soit pâles comme le bleu ciel ou foncées comme le bleu nuit. Il s'étend des bleu-verts ou turquoise aux bleus violacés.
Conceptual blendingIn cognitive linguistics, conceptual blending, also called conceptual integration or view application, is a theory of cognition developed by Gilles Fauconnier and Mark Turner. According to this theory, elements and vital relations from diverse scenarios are "blended" in a subconscious process, which is assumed to be ubiquitous to everyday thought and language. Much like memetics, it is an attempt to create a unitary account of the cultural transmission of ideas.
Self-playSelf-play is a technique for improving the performance of reinforcement learning agents. Intuitively, agents learn to improve their performance by playing "against themselves". In multi-agent reinforcement learning experiments, researchers try to optimize the performance of a learning agent on a given task, in cooperation or competition with one or more agents. These agents learn by trial-and-error, and researchers may choose to have the learning algorithm play the role of two or more of the different agents.
Conceptual metaphorIn cognitive linguistics, conceptual metaphor, or cognitive metaphor, refers to the understanding of one idea, or conceptual domain, in terms of another. An example of this is the understanding of quantity in terms of directionality (e.g. "the price of peace is rising") or the understanding of time in terms of money (e.g. "I spent time at work today"). A conceptual domain can be any mental organization of human experience.
Shades of greenVarieties of the color green may differ in hue, chroma (also called saturation or intensity) or lightness (or value, tone, or brightness), or in two or three of these qualities. Variations in value are also called tints and shades, a tint being a green or other hue mixed with white, a shade being mixed with black. A large selection of these various colors is shown below. The color defined as green in the RGB color model is the brightest green that can be reproduced on a computer screen, and is the color named green in X11.
Réseau neuronal convolutifEn apprentissage automatique, un réseau de neurones convolutifs ou réseau de neurones à convolution (en anglais CNN ou ConvNet pour convolutional neural networks) est un type de réseau de neurones artificiels acycliques (feed-forward), dans lequel le motif de connexion entre les neurones est inspiré par le cortex visuel des animaux. Les neurones de cette région du cerveau sont arrangés de sorte qu'ils correspondent à des régions qui se chevauchent lors du pavage du champ visuel.
