Glossaire

Intelligence artificielle (IA)

Découvre les concepts fondamentaux de l'IA, ses applications dans le monde réel et ses considérations éthiques. Apprends comment Ultralytics stimule l'innovation dans le domaine de la vision par ordinateur.

Entraîne les modèles YOLO simplement
avec Ultralytics HUB

En savoir plus

L'intelligence artificielle (IA) désigne la simulation des processus de l'intelligence humaine par des machines, en particulier des systèmes informatiques. C'est un vaste domaine qui englobe la création de systèmes capables d'effectuer des tâches qui requièrent généralement l'intellect humain, comme la perception visuelle, la reconnaissance vocale, la prise de décision et la traduction des langues. Les systèmes d'IA apprennent à partir de données, identifient des modèles, résolvent des problèmes et s'adaptent au fil du temps. Le domaine est souvent divisé en deux parties : l'intelligence artificielle étroite (ANI), qui se concentre sur des tâches spécifiques telles que la classification d'images, et l'intelligence artificielle générale (AGI), plus théorique, qui vise à obtenir des capacités cognitives semblables à celles de l'homme dans divers domaines.

Concepts fondamentaux de l'IA

L'IA repose sur plusieurs concepts fondamentaux pour permettre un comportement intelligent. L'un des principaux est l'apprentissage, qui permet aux systèmes d'améliorer leurs performances en fonction de leur expérience. Cela comprend l'apprentissage supervisé, où les modèles apprennent à partir de données étiquetées, l'apprentissage non supervisé, qui trouve des modèles dans les données non étiquetées, et l'apprentissage par renforcement, où les agents apprennent par essais et erreurs au moyen de récompenses et de pénalités. D'autres aspects fondamentaux concernent le raisonnement, la résolution de problèmes et la perception, souvent alimentés par des structures telles que les réseaux neuronaux (NN).

IA vs apprentissage automatique vs apprentissage profond

Il est important de distinguer l'IA de ses sous-domaines. L'IA est le concept global de création de machines intelligentes. Le Machine Learning (ML) est un sous-ensemble de l'IA qui se concentre sur les algorithmes permettant aux systèmes d'apprendre et de prendre des décisions basées sur des données sans être explicitement programmés. Le Deep Learning (DL), quant à lui, est un sous-ensemble du ML qui utilise des réseaux neuronaux multicouches (réseaux neuronaux profonds) pour apprendre des modèles complexes à partir de grandes quantités de données, ce qui entraîne des avancées dans des domaines tels que la vision par ordinateur (CV) et le traitement du langage naturel (NLP).

Applications de l'IA dans le monde réel

Les applications de l'IA transforment les industries dans le monde entier. Voici deux exemples marquants :

  1. Véhicules autonomes: Les voitures autonomes utilisent l'IA pour la perception (détection des piétons, des autres véhicules et des obstacles à l'aide de techniques telles que la détection d'objets), la prise de décision (navigation et planification de la trajectoire) et le contrôle. En savoir plus sur l'IA dans les voitures autonomes. Des entreprises comme Waymo et Cruise développent et déploient activement des technologies de conduite autonome.
  2. Analyse d'images médicales: Les algorithmes d'IA analysent les scans médicaux (radiographies, tomographies, IRM) pour aider les radiologues à détecter les anomalies comme les tumeurs ou les fractures, ce qui améliore souvent la précision et la rapidité du diagnostic. Explore les solutions d'IA dans le domaine de la santé et de la recherche auprès d'institutions telles que le Stanford Center for Artificial Intelligence in Medicine & Imaging (AIMI).

L'IA et Ultralytics

Ultralytics contribue de manière significative au paysage de l'IA, en particulier dans le domaine de la vision par ordinateur. Notre produit phare Ultralytics YOLO y compris le modèle de pointe YOLO11, offrent des capacités de détection d'objets précises et à grande vitesse utilisées dans diverses applications. Nous proposons également Ultralytics HUB, une plateforme conçue pour simplifier la formation, la validation et le déploiement de modèles d'IA, rendant ainsi la vision artificielle avancée accessible aux développeurs et aux chercheurs. Consulte notre documentation pour obtenir des guides et des ressources complets.

Considérations éthiques

La prévalence croissante de l'IA nécessite un examen attentif de ses implications éthiques. Parmi les principales préoccupations figurent la partialité des algorithmes, la confidentialité des données, la transparence dans la prise de décision(Explainable AI - XAI) et la responsabilité. Garantir l'équité de l'IA nécessite une recherche continue et le respect de directives éthiques, telles que celles proposées par des organisations comme le Partenariat sur l'IA. En savoir plus sur l'éthique de l'IA.

Tout lire