Intelligence computationnelleLintelligence computationnelle (IC) est un domaine scientifique. Il n'existe pas de définition admise par tous les auteurs, mais c'est un domaine lié à l'intelligence artificielle. Parmi les méthodes utilisées dans ce domaine, la plupart des auteurs comptent les heuristiques, la logique floue, les réseaux de neurones et les algorithmes évolutionnistes. Il n'existe pas de définition majoritaire pour « intelligence computationnelle ». En particulier son lien avec l'intelligence artificielle n'est pas le même pour tous les auteurs.
Réseau de neurones à impulsionsLes réseaux de neurones à impulsions (SNNs : Spiking Neural Networks, en anglais) sont un raffinement des réseaux de neurones artificiels (ANNs : Artificial Neural Networks, en anglais) où l’échange entre neurones repose sur l’intégration des impulsions et la redescente de l’activation, à l’instar des neurones naturels. L’encodage est donc temporel et binaire. Le caractère binaire pose une difficulté de continuité au sens mathématique (cela empêche notamment l’utilisation des techniques de rétropropagation des coefficients - telle que la descente de gradient - utilisées classiquement dans les méthodes d'apprentissage).
Efficacité énergétique (thermodynamique)En physique et ingénierie mécanique, l'efficacité énergétique (ou efficacité thermodynamique) est un nombre sans dimension, qui est le rapport entre ce qui peut être récupéré utilement de la machine sur ce qui a été dépensé pour la faire fonctionner. Aux États-Unis, pour les appareils et équipements résidentiels, elle est déterminée par le facteur énergétique (energy factor). Cette notion est souvent confondue avec une définition du rendement thermodynamique, pour des systèmes dont l'efficacité énergétique théorique maximale est inférieure à un, comme les moteurs dithermes ou les moteurs électriques.
Models of neural computationModels of neural computation are attempts to elucidate, in an abstract and mathematical fashion, the core principles that underlie information processing in biological nervous systems, or functional components thereof. This article aims to provide an overview of the most definitive models of neuro-biological computation as well as the tools commonly used to construct and analyze them.
Optique non linéaireLorsqu'un milieu matériel est mis en présence d'un champ électrique , il est susceptible de modifier ce champ en créant une polarisation . Cette réponse du matériau à l'excitation peut dépendre du champ de différentes façons. L'optique non linéaire regroupe l'ensemble des phénomènes optiques présentant une réponse non linéaire par rapport à ce champ électrique, c'est-à-dire une réponse non proportionnelle à E.
Bio-inspired computingBio-inspired computing, short for biologically inspired computing, is a field of study which seeks to solve computer science problems using models of biology. It relates to connectionism, social behavior, and emergence. Within computer science, bio-inspired computing relates to artificial intelligence and machine learning. Bio-inspired computing is a major subset of natural computation. Early Ideas The ideas behind biological computing trace back to 1936 and the first description of an abstract computer, which is now known as a Turing machine.
Calculateur analogiquethumb|L'Elwat, un calculateur analogique polonais fabriqué entre 1967 et 1969 ; les éléments visibles sont, de gauche à droite, un voltmètre, un téléscripteur, un oscilloscope et l'ordinateur à proprement parler. Un calculateur analogique est une application particulière des méthodes analogiques consistant à remplacer l'étude d'un système physique donné par celle d'un autre système physique régi par les mêmes équations. Pour que cela présente un intérêt, le système « analogue » doit être facile à construire, les mesures aisées et moins coûteuses que sur le système réel.
Intelligence artificielle généralevignette|Image générée en juin 2022 par le modèle de génération d'images DALL-E-mini, à partir de la consigne « Intelligence artificielle ». Une intelligence artificielle générale (IAG) est une intelligence artificielle capable d'effectuer ou d'apprendre pratiquement n'importe quelle tâche cognitive propre aux humains ou autres animaux. La création d'intelligences artificielles générales est un des principaux objectifs de certaines entreprises comme OpenAI, DeepMind et Anthropic.
Nonlinear system identificationSystem identification is a method of identifying or measuring the mathematical model of a system from measurements of the system inputs and outputs. The applications of system identification include any system where the inputs and outputs can be measured and include industrial processes, control systems, economic data, biology and the life sciences, medicine, social systems and many more. A nonlinear system is defined as any system that is not linear, that is any system that does not satisfy the superposition principle.
Système linéaireUn système linéaire (le terme système étant pris au sens de l'automatique, à savoir un système dynamique) est un objet du monde matériel qui peut être décrit par des équations linéaires (équations linéaires différentielles ou aux différences), ou encore qui obéit au principe de superposition : toute combinaison linéaire des variables de ce système est encore une variable de ce système. Les systèmes non linéaires sont plus difficiles à étudier que les systèmes linéaires.
Éthique de l'intelligence artificielleL'éthique de l'intelligence artificielle est le domaine de l' propre aux robots et autres entités artificiellement intelligents. Il est généralement divisé en roboéthique, qui se préoccupe de l'éthique humaine pour guider la conception, la construction et l'utilisation des êtres artificiellement intelligents, et l', préoccupée par le comportement moral des agents moraux artificiels. Pour l'aspect philosophique de l'intelligence artificielle, voir Philosophie de l'intelligence artificielle.
Grand modèle de langageUn grand modèle de langage, grand modèle linguistique, grand modèle de langue, modèle massif de langage ou encore modèle de langage de grande taille (LLM, pour l'anglais large language model) est un modèle de langage possédant un grand nombre de paramètres (généralement de l'ordre du milliard de poids ou plus). Ce sont des réseaux de neurones profonds entraînés sur de grandes quantités de texte non étiqueté utilisant l'apprentissage auto-supervisé ou l'apprentissage semi-supervisé.
