De la machine de Turing à l'intelligence artificielle

Définir la machine de Turing

Réponds à chaque question.

1. 1.De quoi la machine de Turing se compose-t-elle ?

   1 pt
   Voir la correction

   D’un ruban de cases, d’une tête qui lit un symbole, l’efface ou le remplace et se déplace, et d’une table de règles finie.

   C’est un modèle abstrait, décrit en 1936.

2. 2.Quel est son intérêt ?

   1 pt
   Voir la correction

   Définir ce qui est calculable : est calculable ce qu’une telle machine peut produire.

   Son intérêt n’est donc pas l’efficacité.

3. 3.Quel sens précis donne-t-elle au mot algorithme ?

   1 pt
   Voir la correction

   Une suite finie d’instructions non ambiguës.

   Sans cette définition, le mot resterait flou.

4. 4.Quel est le résultat le plus important attaché à ce modèle ?

   1 pt
   Voir la correction

   Un résultat négatif : certains problèmes n’admettent aucun algorithme, quelle que soit la puissance de la machine.

   La limite ne tient ni au matériel ni au temps disponible.

Distinguer règle et apprentissage

Réponds à chaque question.

1. 1.Comment fonctionne la première façon de faire agir une machine ?

   1 pt
   Voir la correction

   Un humain écrit les règles, et le programme applique ce qui a été prévu.

   La règle appliquée est donc lisible.

2. 2.Comment fonctionne l’apprentissage ?

   1 pt
   Voir la correction

   On fournit des données et le système ajuste ses paramètres pour reproduire au mieux les régularités qu’elles contiennent.

   Personne n’écrit alors la règle appliquée.

3. 3.Peut-on toujours énoncer cette règle après coup ?

   1 pt
   Voir la correction

   Non.

   C’est ce qui distingue le plus nettement les deux façons de faire.

4. 4.Que connaît du monde un système qui apprend ?

   1 pt
   Voir la correction

   Seulement ce que ses données en montrent.

   Ce qui manque à l’entraînement manque au système.

5. 5.Comment le système se comporte-t-il sur ce qu’il n’a jamais vu ?

   1 pt
   Voir la correction

   Il répond avec la même assurance que sur ce qu’il maîtrise.

   Rien dans son fonctionnement ne signale la différence.

Analyser une performance

Réponds à chaque question.

1. 1.D’où viennent les biais d’un système qui apprend ?

   1 pt
   Voir la correction

   De ses données : il les reproduit sans savoir qu’il en a.

   Le système ne dispose d’aucun moyen de les détecter.

2. 2.Que cache une moyenne ?

   1 pt
   Voir la correction

   Une répartition.

   Les erreurs peuvent se concentrer sur une catégorie précise.

3. 3.Sur quelle catégorie les erreurs se concentrent-elles typiquement ?

   1 pt
   Voir la correction

   Sur une catégorie sous-représentée dans les données d’entraînement.

   Le système peut y échouer systématiquement tout en affichant un score élevé.

4. 4.Que faut-il demander plutôt qu’un score moyen ?

   1 pt
   Voir la correction

   La performance par catégorie.

   Un taux global ne dit rien à la personne qui tombe dans la mauvaise catégorie.

Énoncer les limites d'un système

Réponds à chaque question.

1. 1.Que trouve un système d’apprentissage, et qu’il n’établit pas ?

   1 pt
   Voir la correction

   Il trouve des corrélations ; il n’établit pas de causes.

   Prédire n’est pas expliquer : un lien statistique ne dit pas d’où il vient.

2. 2.Ce qu’un système optimise est-il une donnée technique ?

   1 pt
   Voir la correction

   Non : il a été choisi par quelqu’un.

   Ce choix se fait dans un fichier de configuration, et n’en est pas moins un arbitrage.

3. 3.Maximiser les bonnes réponses et minimiser les erreurs les plus graves donnent-ils le même système ?

   1 pt
   Voir la correction

   Non.

   L’objectif retenu change le comportement obtenu.

4. 4.Quel est le seul critère utile en classe devant un système dit intelligent ?

   1 pt
   Voir la correction

   Savoir d’où vient son comportement : d’une règle qu’on peut lire, ou de données qu’il faut examiner.

   Savoir si la machine « pense » n’avance à rien.

Repérer une erreur et la corriger

Chaque affirmation est fausse. Écris ce qu’il fallait dire.

1. 1.« Ce système atteint 95 % de bonnes réponses : il est fiable pour tous les cas. »

   1 pt
   Voir la correction

   Une moyenne cache une répartition : les erreurs peuvent se concentrer sur une catégorie sous-représentée.

   Il faut demander la performance par catégorie.

2. 2.« L’algorithme a trouvé que ces deux variables sont liées : la première cause la seconde. »

   1 pt
   Voir la correction

   Un système d’apprentissage trouve des corrélations, il n’établit pas de causes.

   Il faudrait un protocole distinct pour établir un lien causal.

3. 3.« Ce que le système optimise est une question purement technique. »

   1 pt
   Voir la correction

   Cet objectif a été choisi par quelqu’un : c’est un arbitrage.

   Maximiser les bonnes réponses et minimiser les erreurs graves ne donnent pas le même système.