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.
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.
Réseau de neurones artificielsUn réseau de neurones artificiels, ou réseau neuronal artificiel, est un système dont la conception est à l'origine schématiquement inspirée du fonctionnement des neurones biologiques, et qui par la suite s'est rapproché des méthodes statistiques. Les réseaux de neurones sont généralement optimisés par des méthodes d'apprentissage de type probabiliste, en particulier bayésien.
Types of artificial neural networksThere are many types of artificial neural networks (ANN). Artificial neural networks are computational models inspired by biological neural networks, and are used to approximate functions that are generally unknown. Particularly, they are inspired by the behaviour of neurons and the electrical signals they convey between input (such as from the eyes or nerve endings in the hand), processing, and output from the brain (such as reacting to light, touch, or heat). The way neurons semantically communicate is an area of ongoing research.
Réseau de neurones récurrentsUn réseau de neurones récurrents (RNN pour recurrent neural network en anglais) est un réseau de neurones artificiels présentant des connexions récurrentes. Un réseau de neurones récurrents est constitué d'unités (neurones) interconnectées interagissant non-linéairement et pour lequel il existe au moins un cycle dans la structure. Les unités sont reliées par des arcs (synapses) qui possèdent un poids. La sortie d'un neurone est une combinaison non linéaire de ses entrées.
Apprentissage non superviséDans le domaine informatique et de l'intelligence artificielle, l'apprentissage non supervisé désigne la situation d'apprentissage automatique où les données ne sont pas étiquetées (par exemple étiquetées comme « balle » ou « poisson »). Il s'agit donc de découvrir les structures sous-jacentes à ces données non étiquetées. Puisque les données ne sont pas étiquetées, il est impossible à l'algorithme de calculer de façon certaine un score de réussite.
Écosystèmethumb|Tapis de Salix glauca sur le Scoresby Sund (Groenland) avec un crâne de bœuf musqué au premier plan, deux espèces caractéristiques de la toundra. En écologie, un écosystème est un ensemble formé par une communauté d'êtres vivants en interaction (biocénose) avec leur environnement (biotope). Les composants de l'écosystème développent un dense réseau de dépendances, d'échanges d'énergie, d'information et de matière permettant le maintien et le développement de la vie.
Automated machine learningAutomated machine learning (AutoML) is the process of automating the tasks of applying machine learning to real-world problems. AutoML potentially includes every stage from beginning with a raw dataset to building a machine learning model ready for deployment. AutoML was proposed as an artificial intelligence-based solution to the growing challenge of applying machine learning. The high degree of automation in AutoML aims to allow non-experts to make use of machine learning models and techniques without requiring them to become experts in machine learning.
Transformeurvignette|Schéma représentant l'architecture générale d'un transformeur. Un transformeur (ou modèle auto-attentif) est un modèle d'apprentissage profond introduit en 2017, utilisé principalement dans le domaine du traitement automatique des langues (TAL). Dès 2020, les transformeurs commencent aussi à trouver une application en matière de vision par ordinateur par la création des vision transformers (ViT).
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.
Réseau de neurones à propagation avantUn réseau de neurones à propagation avant, en anglais feedforward neural network, est un réseau de neurones artificiels acyclique, se distinguant ainsi des réseaux de neurones récurrents. Le plus connu est le perceptron multicouche qui est une extension du premier réseau de neurones artificiel, le perceptron inventé en 1957 par Frank Rosenblatt. vignette|Réseau de neurones à propagation avant Le réseau de neurones à propagation avant est le premier type de réseau neuronal artificiel conçu. C'est aussi le plus simple.
Explainable artificial intelligenceExplainable AI (XAI), also known as Interpretable AI, or Explainable Machine Learning (XML), either refers to an AI system over which it is possible for humans to retain intellectual oversight, or to the methods to achieve this. The main focus is usually on the reasoning behind the decisions or predictions made by the AI which are made more understandable and transparent. XAI counters the "black box" tendency of machine learning, where even the AI's designers cannot explain why it arrived at a specific decision.
Ecosystem managementEcosystem management is an approach to natural resource management that aims to ensure the long-term sustainability and persistence of an ecosystem's function and services while meeting socioeconomic, political, and cultural needs. Although indigenous communities have employed sustainable ecosystem management approaches implicitly for millennia, ecosystem management emerged explicitly as a formal concept in the 1990s from a growing appreciation of the complexity of ecosystems and of humans' reliance and influence on natural systems (e.
Service écosystémiqueLes écosystèmes procurent de nombreux services dits services écologiques ou services écosystémiques. Certains étant vitaux pour de nombreuses espèces ou groupes d'espèces (comme la pollinisation), ils sont généralement classés comme bien commun et/ou bien public. Les notions d'évaluation (économique et parfois marchande) de la biodiversité et des services fournis par les écosystèmes, basées sur une vision anthropocentrée de la nature, ont émergé dans les années 1970-1990 avec notamment les travaux de Westman (1977), puis de Randall (1988), Pearce & Moran en 1994 et de Perrings (1995).
Aire marine protégéeUne aire marine protégée (AMP) est un espace délimité en mer afin d’assurer à long terme la conservation de la nature ainsi que les services écosystémiques et les valeurs culturelles qui lui sont associés. Il s'agit d'un exemple possible de stratégie de conservation utilisée dans la gestion des ressources naturelles.
Intelligence artificiellevignette|redresse=0.8|Les assistants personnels intelligents sont l'une des applications concrètes de l'intelligence artificielle dans les années 2010. L'intelligence artificielle (IA) est un ensemble de théories et de techniques visant à réaliser des machines capables de simuler l'intelligence humaine. Souvent classée dans le groupe des mathématiques et des sciences cognitives, elle fait appel à la neurobiologie computationnelle (particulièrement aux réseaux neuronaux) et à la logique mathématique (partie des mathématiques et de la philosophie).
Aire protégéevignette|320px|Aires protégées dans plusieurs pays lusophones. De gauche à droite, et de haut en bas : , aux Açores ; parc national du Limpopo ; aire de protection de l'environnement de l'île de Maiandeua ; parc national Nino Konis Santana ; vue aérienne de la Guinée-Bissau ; parc naturel de Monte Verde (Cap-Vert) ; réserve marine Arraial do Cabo ; Parc naturel Obô de São Tomé ; réserve nationale de Niassa au Mozambique ; parc national de Peneda-Gerês au Portugal et enfin le parc national de l'Iguaçu au Brésil.
Ecosystem-based managementEcosystem-based management is an environmental management approach that recognizes the full array of interactions within an ecosystem, including humans, rather than considering single issues, species, or ecosystem services in isolation. It can be applied to studies in the terrestrial and aquatic environments with challenges being attributed to both. In the marine realm, they are highly challenging to quantify due to highly migratory species as well as rapidly changing environmental and anthropogenic factors that can alter the habitat rather quickly.
Adaptation fondée sur les écosystèmesL'adaptation fondée sur les écosystèmes ( en anglais : Ecosystem based adaptation, EbA) englobe un large éventail d'approches visant à s'adapter au changement climatique . Elles impliquent toute la gestion des écosystèmes et de leurs services afin de réduire la vulnérabilité des communautés humaines aux effets du changement climatique . La Convention sur la diversité biologique définit l'EbA comme "l'utilisation de la biodiversité et des services écosystémiques dans le cadre d'une stratégie globale d'adaptation visant à aider les populations à s'adapter aux effets néfastes du changement climatique ".
Applications de l'intelligence artificielleL'intelligence artificielle, définie comme intelligence présentée par les machines, a de nombreuses applications dans la société actuelle. Plus précisément, c'est l'IA faible, la forme d'IA avec laquelle les programmes sont développés pour effectuer des tâches spécifiques, qui est utilisée pour un large éventail d'activités, y compris le diagnostic médical, le commerce électronique, le contrôle des robots et la télédétection. L'IA a été utilisée pour développer et faire progresser de nombreux domaines et industries, y compris la finance, la santé, l'éducation, le transport, et plus encore.
