A travers la simulation, l'apprentissage artificiel étudie les mécanismes à l'oeuvre dans les modèles issus et inspirés des sciences cognitives, du traitement du signal et de l'automatique.
Un apprentissage peut prendre différentes formes:
- transformation
- généralisation: induction du particulier au général
- adaptation
L'apprentissage doit ainsi répondre à plusieurs taches:
- aquisition de connaissances: organisation mnésique et oubli
- identification de pattern: reconnaissances de formes, prédiction, résolution
En IA, on a beaucoup étudié des domaines d'apprentissage spécifiques:
- les jeux: comprendre les règles, prédire les coups d'un joueur, déveloper une stratégie gagnante
- la lecture
Pour construire des instruments capables d'apprendre l'ingénieur a à sa disposition de nombreux outils:
- les réseaux de neurones artificiels
- les algorithmes génétiques
- les cartes de kohonen
Evaluer un apprentissage nécessite de sélectionner des facteurs qualitatifs et/ou quantitatifs:
- le temps de décisions
- l'explication des décisions
- la performance (réussite/erreur)
Désolé, les commentaires sont clos pour cet article.