Intelligence artificielle et création artistique

 

GLOSSAIRE IA

 

A  B  C  D  E  F  G  H  I  J  K  L  M  N  O  P  Q  R  S  T  U  V  W  X  Y  Z

A

agent

agent

Entité physique ou virtuelle capable de percevoir son environnement et d’agir sur lui. L’agent peut être, par exemple, un logiciel ou un robot. Il peut également évoluer avec d’autres agents, notamment dans un système multiagent, où il interagit avec ceux-ci pour résoudre un problème. Il existe plusieurs types d’agents, dont les agents autonomes, les agents cognitifs, les agents intelligents, les agents physiques et les agents réactifs.

agent autonome

autonomous agent

Agent qui détermine lui-même ses actions et son état interne, sans l’intervention d’un tiers.

agent cognitif

cognitive agent

Agent autonome qui se représente de façon symbolique son environnement, à partir duquel il procède à des raisonnements, et dont le comportement est volontaire, avec un but et un plan explicites.

agent intelligent

intelligent agent

Agent qui utilise les ressources de l’intelligence artificielle, notamment les mécanismes d’apprentissage, et qui adapte ses actions selon l’expérience et les compétences acquises. Les agents intelligents sont employés pour la représentation d’un utilisateur ou d’une utilisatrice, la recherche d’informations, le routage d’informations dans les réseaux, le tri des courriels, etc. De plus, ils peuvent intervenir dans les processus de simulation et d’aide à la décision.

agent physique

physical agent

Agent matérialisé en un équipement concret qui évolue dans un environnement physique.

agent physique autonome

autonomous physical agent

Agent physique qui détermine lui-même ses actions et son état interne, sans l’intervention d’un tiers.

agent réactif

reactive agent

Agent dont les actions sont en réponse immédiate à des stimuli externes, ne disposant pas de la capacité de raisonner ou de se représenter son environnement. Les agents réactifs ne peuvent ni tenir compte des événements passés ni planifier leurs actions futures; ils dépendent de la perception qu’ils ont en temps réel de leur environnement.

algorithme

algorithm

Séquence de règles opératoires exécutées sur des données et qui permettent l’obtention d’un résultat.

algorithme d’apprentissage

learning algorithm

Algorithme qui a pour but de modifier le comportement d’un robot, d’un agent ou d’un réseau de neurones artificiels à partir d’un nombre important de données d’apprentissage tirées d’un ensemble de mégadonnées. L’utilisation combinée d’algorithmes d’apprentissage et de mégadonnées a permis, par exemple, de résoudre certains problèmes liés au fonctionnement de la voiture autonome.

algorithme prédictif

predictive algorithm

Algorithme qui associe des données hétérogènes tirées d’événements du passé dans le but de prédire des comportements futurs. Par exemple, en associant des données provenant de sources diverses, l’algorithme prédictif produit des résultats de recherche personnalisés, en fonction des intérêts présumés des internautes.

analyse des mégadonnées

big data analytics (BDA)

Technique de recherche qui consiste à analyser de gros volumes de données à l’aide d’algorithmes, d’outils informatiques spécialisés ou de systèmes d’intelligence artificielle, dans le but d’obtenir des informations utiles à l’action ou à la prise de décision. L’analyse des mégadonnées permet de mettre en évidence des corrélations et des structures sous-jacentes difficilement décelables parmi une masse de données brutes. Elle fournit des éléments de compréhension.

animat

animat

Système d’intelligence artificielle autonome d’inspiration animale dont les actions s’adaptent selon l’environnement ou la situation. Le fonctionnement des animats, généralement des animaux virtuels ou des robots, s’inspire du comportement adaptatif des animaux. Les situations et les environnements auxquels ils doivent s’adapter peuvent être réels ou simulés. L’approche animat a pour objet la conception d’animats.

apprentissage

learning

Processus par lequel un ordinateur, en traitant et en exploitant des données à l’aide d’algorithmes, acquiert de nouvelles compétences pour exécuter de nouvelles tâches. L’étude des mécanismes par lesquels une machine est susceptible d’apprendre est au cœur de l’intelligence artificielle. Le développement des connaissances sur l’apprentissage, et notamment sur l’apprentissage profond, permet la fabrication d’ordinateurs capables de mieux s’adapter aux diverses situations et d’y répondre plus efficacement.

apprentissage automatique / apprentissage machine

machine learning (ML)

Mode d’apprentissage par lequel un agent évalue et améliore ses performances et son efficacité sans que son programme ne soit modifié, en acquérant de nouvelles connaissances et aptitudes à partir de données et/ou en réorganisant celles qu’il possède déjà. Un logiciel capable d’émettre des prédictions ou des décisions basées sur des données, puis de faire des ajustements en se fondant sur les résultats précédents, et ce, sans intervention humaine, est un exemple d’apprentissage automatique. Il existe plusieurs types d’apprentissage automatique, notamment l’apprentissage profond, l’apprentissage par renforcement, l’apprentissage supervisé et l’apprentissage non supervisé.

 

Bien que l’usage du terme apprentissage machine soit attesté, le terme apprentissage automatique est recommandé au Québec.

apprentissage non supervisé

unsupervised learning

Mode d’apprentissage automatique dans lequel un agent formule, sans recevoir de rétroaction et à partir de données brutes, des règles basées sur le repérage, l’observation et l’analyse de similarités, de régularités ou de regroupements possibles entre ces données, et/ou sur les liens qu’il peut faire avec ses connaissances et aptitudes, dans le but d’établir leur structure sous-jacente. L’apprentissage non supervisé se distingue de l’apprentissage supervisé et de l’apprentissage par renforcement par le fait que l’agent ne reçoit aucune rétroaction par rapport à ses propositions.

apprentissage par renforcement

reinforcement learning

Mode d’apprentissage automatique qui consiste à envoyer à un agent un signal qui lui indique si l’action ou la réponse qu’il propose est correcte ou non, l’ensemble des résultats obtenus lui permettant de formuler des règles et d’apprendre à analyser l’environnement ainsi qu’à planifier ses actions pour l’accomplissement de sa tâche. L’apprentissage par renforcement est utilisé, par exemple, en robotique ou pour entraîner des machines à jouer à des jeux. L’apprentissage par renforcement se distingue de l’apprentissage supervisé, dans lequel la proposition est suivie du résultat attendu, et de l’apprentissage non supervisé, qui ne comporte aucune rétroaction.

apprentissage profond

deep learning (DL)

Mode d’apprentissage automatique généralement effectué par un réseau de neurones artificiels composé de plusieurs couches de neurones hiérarchisées selon le degré de complexité des concepts, et qui, en interagissant entre elles, permettent à un agent d’apprendre progressivement et efficacement à partir de mégadonnées. L’apprentissage profond est inspiré des connaissances en neurosciences. Il facilite notamment l’acquisition de règles complexes et la perception des signaux (images, vidéos, sons, parole, etc.). La recherche en apprentissage profond s’applique, entre autres, à la reconnaissance de la parole et à la reconnaissance des formes ainsi qu’à la robotique, à la vision par ordinateur et au traitement automatique des langues.

apprentissage supervisé

supervised learning

Mode d’apprentissage automatique dans lequel un agent cherchant à apprendre à réaliser une tâche propose, en se basant sur des exemples étiquetés et/ou un modèle de classement prédéterminé, des actions ou des réponses qui sont suivies du résultat attendu, ce qui lui permet de formuler des règles et d’ajuster ses propositions. L’apprentissage supervisé se distingue de l’apprentissage par renforcement, dans lequel le résultat attendu n’est pas énoncé, et de l’apprentissage non supervisé, où l’agent formule des règles à partir de données brutes.

approche animat

animat approach

Approche qui consiste à concevoir des systèmes d’intelligence artificielle autonomes d’inspiration animale dont les actions s’adaptent selon l’environnement ou la situation. L’approche animat contribue notamment à l’avancement des sciences cognitives, en tentant de comprendre les mécanismes qui permettent aux animaux de s’adapter et de survivre. Les systèmes d’intelligence artificielle autonomes ainsi conçus sont des animats.

approche multiagent

multiagent approach

Approche consistant à décrire, modéliser ou analyser un système complexe dans lequel des agents interagissent pour résoudre un ou des problèmes. L’approche multiagent relève de l’intelligence artificielle distribuée. Elle est également la principale approche employée dans les systèmes multiagents. Les principales interactions entre les agents visent la communication, la collaboration et la négociation.

assistant virtuel

virtual assistant

Logiciel conçu pour répondre aux questions qui lui sont transmises ou pour exécuter des tâches au moyen du langage naturel. Lorsque les assistants virtuels constituent des logiciels tiers intégrés à un service de messagerie instantanée, on parle plus précisément d’agent conversationnel. Lorsque l’assistant virtuel intègre un moteur de reconnaissance vocale ainsi qu’un module de synthèse de la parole, et donc que l’interaction entre le programme et l’utilisateur passe par l’utilisation de la voix, on emploie plus précisément le terme assistant vocal personnel.

assistant vocal personnel

personal voice assistant

Assistant virtuel doté d’un moteur de reconnaissance vocale et d’un module de synthèse de la parole qui lui permettent de reconnaître des commandes vocales et d’y répondre au moyen d’une voix de synthèse.

B

base de connaissances (BC)

knowledge base (KB)

Base de données contenant l’ensemble des informations intégrées dans un système d’intelligence artificielle. La base de connaissances fait généralement partie d’un système à base de connaissances.

biais

bias

Valeur numérique, ajoutée à la somme pondérée des signaux d’entrée d’un neurone artificiel ou soustraite de celle-ci, qui entre dans le calcul de la fonction d’activation.

C

coefficient synaptique

synaptic weight

Nombre qui, en multipliant les différentes valeurs des signaux reçus à l’entrée d’un neurone artificiel, sert à calculer la valeur du signal émis à la sortie.

connaissance

knowledge

Ensemble des informations intégrées dans un système d’intelligence artificielle. La connaissance peut être soit prédéterminée, soit acquise par apprentissage.

connexion synaptique

synaptic connection

Liaison entre deux neurones dans un réseau de neurones artificiels.

 connexionnisme

connectionism

Champ d’études qui s’intéresse à la création de systèmes, comme les réseaux de neurones artificiels, dans lesquels, en s’inspirant du fonctionnement du cerveau, des mécanismes potentiellement complexes sont modélisés en faisant interagir de nombreuses unités simples de traitement interconnectées.

couche cachée

hidden layer

Couche de neurones regroupant ceux qui n’ont pas de lien direct avec l’extérieur du réseau dont ils font partie. Dans les réseaux de neurones artificiels, il peut y avoir plusieurs couches intermédiaires entre les couches d’entrée et les couches de sortie. Ces couches sont dites cachées, car elles demeurent invisibles de l’extérieur du réseau.

couche de neurones

neuron layer

Regroupement de neurones artificiels au sein d’un réseau. Dans les réseaux de neurones artificiels, les signaux peuvent traverser successivement plusieurs couches de neurones. On oppose généralement les couches d’entrée, qui reçoivent les signaux de l’extérieur du réseau, aux couches de sortie, qui les transmettent vers l’extérieur.

couche d’entrée

input layer

Couche de neurones regroupant ceux qui reçoivent des signaux provenant de l’extérieur du réseau dont ils font partie.

couche de sortie

output layer

Couche de neurones regroupant ceux qui envoient les signaux qu’ils traitent à l’extérieur du réseau dont ils font partie.

D

données d’apprentissage

training data

Données utilisées pour entraîner un algorithme d’apprentissage. En général, plus les données d’apprentissage seront de qualité, plus l’algorithme permettant d’effectuer des prédictions sera performant.

E

environnement multiagent

multiagent environment

Environnement dans lequel évolue un ensemble d’agents.

exploration de données

data mining

Processus de recherche et d’analyse qui permet de trouver des corrélations cachées ou des informations nouvelles, ou encore, de dégager certaines tendances. L’exploration de données s’effectue généralement dans des bases de données ou parmi des mégadonnées. L’exploration de données permet, par exemple, d’établir des relations entre certains produits, de dégager des tendances saisonnières dans les ventes d’un magasin ou de détecter une fraude bancaire.

F

fonction d’activation

activation function

Fonction mathématique qui sert à calculer la valeur du signal émis à la sortie d’un neurone artificiel à partir de la somme pondérée des différentes valeurs des signaux à l’entrée.

I

intelligence artificielle (IA)

artificial intelligence (AI)

Domaine d’étude ayant pour objet la reproduction artificielle des facultés cognitives de l’intelligence humaine dans le but de créer des systèmes ou des machines capables d’exécuter des fonctions relevant normalement de celle-ci. L’intelligence artificielle touche à de nombreux domaines, comme les sciences cognitives et les mathématiques, et à diverses applications, notamment en reconnaissance des formes, en résolution de problèmes, en robotique, dans les jeux vidéo ainsi que dans les systèmes experts.

intelligence artificielle distribuée (IAD)

distributed artificial intelligence (DAI)

Domaine d’étude portant sur la conception d’agents autonomes, la distribution des connaissances entre eux pour l’accomplissement collectif d’une ou de plusieurs tâches, et le développement de systèmes multiagents.

intelligence artificielle faible

weak artificial intelligence

Système d’intelligence artificielle conçu pour imiter une portion spécifique du fonctionnement de l’intelligence humaine, lui permettant de reproduire certains comportements humains afin d’accomplir une ou des tâches particulières. L’intelligence artificielle faible se distingue de l’intelligence artificielle forte, cette dernière imitant l’ensemble du fonctionnement de l’intelligence humaine.

intelligence artificielle forte

strong artificial intelligence

Système d’intelligence artificielle conçu pour imiter le fonctionnement de l’intelligence humaine dans son ensemble, et ayant la capacité de se questionner, d’analyser et de comprendre ses raisonnements. L’intelligence artificielle forte se distingue de l’intelligence artificielle faible, cette dernière n’imitant qu’une portion spécifique du fonctionnement de l’intelligence humaine.

interaction personne-machine

human-machine interaction (HMI)

Échange d’informations entre une personne et une machine. L’interaction personne-machine est particulièrement présente en intelligence artificielle, la machine étant alors un système d’intelligence artificielle. Les assistants virtuels et les assistants vocaux personnels sont des exemples de systèmes d’intelligence artificielle pour lesquels il y a une interaction personne-machine.

interaction personne-robot

human-robot interaction (HRI)

Échange d’informations entre une personne et un robot. L’interaction personne-robot permet notamment d’indiquer à un robot les tâches qu’il doit accomplir.

L

langage de représentation des connaissances (LRC)

knowledge representation language (KRL)

Langage formel permettant d’encoder des connaissances au moyen de chiffres, de signes et de symboles, de manière à ce qu’elles puissent être utilisées par un système d’intelligence artificielle. Un langage de représentation des connaissances se caractérise essentiellement par sa syntaxe, soit les signes et les règles qui structurent les assertions, et par sa sémantique, c’est-à-dire la manière dont les assertions sont interprétées.

langage naturel

natural language (NL)

Langage humain par opposition aux langages de programmation.

logiciel d’intelligence artificielle

artificial intelligence software

Logiciel capable d’exécuter des fonctions relevant normalement de l’intelligence humaine, en simulant le fonctionnement de celle-ci.

M

mégadonnées

big data

Ensemble d’une très grande quantité de données, structurées ou non, se présentant sous différents formats et en provenance de sources multiples, qui sont collectées, stockées, traitées et analysées dans de courts délais, et qui sont impossibles à gérer avec des outils classiques de gestion de bases de données ou de gestion de l’information. Lorsqu’il est question de mégadonnées, il y a souvent une référence au principe des « trois V » : volume (généralement massif), variété (sources et formats divers) et vitesse (rapidité de traitement). Certains spécialistes ajoutent également la véracité (données crédibles et réelles). Les mégadonnées proviennent notamment des publications dans les médias sociaux, des données publiques mises en ligne, des données transmises par les téléphones intelligents, des relevés de transactions électroniques, des signaux des systèmes de localisation GPS, etc. Elles peuvent être de nature autant personnelle que professionnelle ou institutionnelle.

multiagent

multiagent

Relatif à un ensemble d’agents.

N

neurone artificiel

artificial neuron

Unité de base d’un réseau de neurones artificiels dont le rôle est de convertir les signaux porteurs d’information qu’elle reçoit en un signal unique qu’elle transmet à d’autres unités du réseau ou qu’elle dirige vers la sortie. À l’origine, les inventeurs du neurone artificiel se sont inspirés du neurone biologique en tentant de lui donner un modèle mathématique.

P

perceptron

perceptron

Modèle de neurone artificiel dans lequel les signaux reçus sont d’abord pondérés, puis additionnés et enfin transformés collectivement, à l’aide d’une formule mathématique, en un signal unique émis à la sortie. Le perceptron a été conçu à l’origine comme un classificateur binaire permettant de déterminer si un élément appartient ou non à une classe d’objets. Il a servi de modèle pour la conception des réseaux de neurones artificiels qui ont suivi. Il possède un mécanisme de correction d’erreurs.

perceptron monocouche

single-layer perceptron (SLP)

Perceptron constitué d’un neurone artificiel dans lequel les entrées sont directement liées à la sortie pour ne former qu’une seule couche. On oppose le perceptron monocouche au perceptron multicouche, dans lequel les neurones sont regroupés en une couche d’entrée, une ou plusieurs couches cachées et une couche de sortie.

 perceptron multicouche

multi-layer perceptron (MLP)

Réseau de neurones artificiels, construit en s’inspirant du fonctionnement du perceptron, dans lequel les neurones sont regroupés en une couche d’entrée, une ou plusieurs couches cachées et une couche de sortie. Dans un perceptron multicouche, les signaux se propagent dans une seule direction. On oppose le perceptron multicouche au perceptron monocouche, dans lequel les entrées d’un neurone sont directement liées à sa sortie pour ne former qu’une seule couche.

R

raisonnement

reasoning

Procédé par lequel un système informatique effectue un enchaînement logique, à partir de propositions de départ et d’une base de connaissances, afin d’arriver à une conclusion. Parmi les différents types de raisonnement, on trouve notamment le raisonnement déductif, le raisonnement inductif et le raisonnement abductif.

raisonnement abductif

abductive reasoning

Raisonnement qui permet d’augmenter la vraisemblance d’une hypothèse par l’ajout de nouveaux faits.

raisonnement déductif

deductive reasoning

Raisonnement qui consiste à mettre en rapport plusieurs propositions initiales pour aboutir à une conclusion logique.

raisonnement inductif

inductive reasoning

Raisonnement par lequel on tire des règles générales à partir de faits particuliers. Parce qu’il produit des connaissances générales à partir d’informations partielles, le raisonnement inductif peut être vu comme un type d’apprentissage en intelligence artificielle.

reconnaissance de la parole

voice recognition

Technique qui permet à une machine de reconnaître les sons, les mots ou les phrases d’un locuteur, dans le but de les transformer en données numériques exploitables. On a recours à la reconnaissance de la parole notamment pour la gestion des appels, la recherche d’horaires, d’adresses ou d’indications routières. Commander son ordinateur, naviguer sur Internet, envoyer des textos, piloter son GPS, grâce à la voix, sont autant de possibilités offertes par la reconnaissance de la parole.

reconnaissance de l’écriture manuscrite

handwriting recognition (HWR)

Technique reposant sur les méthodes appliquées en reconnaissance des formes, qui permet à un système informatique ou à un système d’intelligence artificielle de lire, de stocker et de traiter de façon automatique du texte écrit à la main.

reconnaissance des formes (RF / RDF)

pattern recognition (PR)

Technique permettant à l’ordinateur de détecter, à partir de données brutes, la présence de formes ou de régularités. Le système de reconnaissance des formes est mis au point par des techniques d’apprentissage automatique, notamment l’apprentissage supervisé et l’apprentissage non supervisé. Les domaines d’application de la reconnaissance des formes sont très variés, allant de la lecture optique de textes imprimés ou manuscrits à la programmation de robots qui fonctionnent dans des environnements changeants. Le mot forme, employé ici dans un sens très général, se dit par exemple de contenu visuel ou sonore, d’images médicales, satellitaires, etc.

reconnaissance d’images

image recognition

Technique qui fait appel aux méthodes appliquées en reconnaissance des formes et qui permet à un système informatique de reconnaître automatiquement le contenu d’une image qui lui est soumise. La reconnaissance d’images permet, par exemple, d’identifier un visage ou un objet, de déterminer le nombre de personnes dans un groupe, la race d’un chien sur une photo. Pour ce faire, le système analyse au préalable des milliers d’images dans le but de se constituer une base de données.

reconnaissance optique de caractères (ROC)

optical character recognition (OCR)

Technique reposant sur les méthodes appliquées en reconnaissance des formes, qui permet de convertir des caractères dactylographiés, imprimés, manuscrits ou sous forme d’image en caractères exploitables par un système informatique. La reconnaissance optique de caractères peut s’effectuer au moyen d’un logiciel de reconnaissance optique de caractères, ou encore au moyen d’un dispositif muni d’un tel logiciel, par exemple un lecteur optique.

représentation des connaissances (RC)

knowledge representation (KR)

1. Procédé qui consiste à encoder et à stocker des connaissances, de manière à ce qu’elles puissent être utilisées par un système d’intelligence artificielle. Les connaissances sont généralement stockées dans une base de connaissances.

 

2. Ensemble des études et des techniques qui s’intéressent à la structure et à l’utilisation des modèles d’encodage et de stockage des connaissances.

réseau de neurones à propagation avant

feedforward neural network

Réseau de neurones artificiels dans lequel les signaux ne peuvent se propager que dans un seul sens, d’une couche d’entrée vers une couche de sortie, sans possibilité de retour en arrière. On oppose les réseaux de neurones à propagation avant aux réseaux de neurones récurrents, dans lesquels les signaux peuvent revenir en arrière et alimenter des neurones d’une couche précédente ou de la même couche. Les perceptrons multicouches sont des réseaux de neurones à propagation avant.

réseau de neurones artificiels (RNA)

artificial neural network (ANN)

Ensemble organisé de neurones artificiels interconnectés, créé dans le but de pouvoir effectuer des opérations complexes ou de résoudre des problèmes difficiles grâce à un mécanisme d’apprentissage lui permettant d’acquérir une forme d’intelligence. À l’origine, les créateurs de réseaux de neurones artificiels se sont inspirés du fonctionnement du système nerveux, lequel est organisé en fonction des liaisons qui s’établissent entre des neurones biologiques. D’autres termes peuvent aussi être utilisés : réseau neuroniqueréseau connexionniste ou réseau neuromimétique. Leur fréquence d’emploi demeure cependant peu élevée.

réseau de neurones convolutif

convolutional neural network (CNN)

Réseau de neurones artificiels qui permet de détecter la présence de motifs simples à différentes échelles d’une image et d’identifier progressivement le contenu de celle-ci par association et recoupement. Le fonctionnement des réseaux de neurones convolutifs s’inspire de celui du cortex visuel des vertébrés.

réseau de neurones profond

deep neural network (DNN)

Réseau de neurones artificiels comportant de nombreuses couches cachées qui lui permettent, en multipliant les possibilités de traitement, d’augmenter ses capacités d’apprendre, d’améliorer son efficacité à effectuer certaines opérations complexes et d’accroître ses moyens de résoudre certains problèmes difficiles. On mesure la profondeur des réseaux de neurones artificiels par le nombre de couches cachées qu’ils comportent.

réseau de neurones récurrent

recurrent neural network (RNN)

Réseau de neurones artificiels dans lequel les signaux peuvent revenir en arrière et alimenter des neurones d’une couche précédente ou de la même couche. On oppose les réseaux de neurones récurrents aux réseaux de neurones à propagation avant, dans lesquels les signaux ne peuvent se diriger que dans un seul sens, d’une couche d’entrée vers une couche de sortie.

résolution de problèmes

problem solving

Processus qui détermine la séquence optimale d’opérations ou d’actions qui permet d’atteindre l’état final souhaité. Selon le problème à résoudre, l’état final peut correspondre à toutes les solutions possibles, à une solution quelconque ou à la meilleure solution.

rétropropagation d’erreurs

error feedback propagation

Mécanisme par lequel les erreurs d’interprétation, calculées à la sortie d’une ou de plusieurs couches de neurones d’un réseau de neurones artificiels, produisent des signaux qui sont transmis vers les neurones qui ont contribué précédemment à créer des écarts, afin que des correctifs soient apportés en ajustant les coefficients synaptiques ou les biais responsables.

robot

robot

Machine programmable, généralement contrôlée par ordinateur, qui est conçue pour effectuer de manière autonome une ou plusieurs tâches dans des environnements spécifiques. Les robots sont généralement des automates évolués qui possèdent l’équipement nécessaire pour s’adapter à leur environnement et interagir avec les objets qui les entourent. Ils effectuent souvent des tâches variées qui exigent des facultés propres à l’être humain à la fois sur les plans moteur et cérébral. Les progrès de l’intelligence artificielle vont accroître l’autonomie des robots en leur permettant de disposer de mécanismes perfectionnés d’apprentissage et de prise de décisions.

robotique

robotics

Ensemble des disciplines et des techniques qui permettent de concevoir, de mettre en œuvre et de faire fonctionner des robots capables d’exécuter de manière autonome une ou plusieurs tâches dans des environnements spécifiques

S

seuil d’activation

activation threshold

Valeur numérique que doit atteindre ou dépasser un signal à la sortie d’un neurone artificiel afin que celui-ci soit activé.

surapprentissage

overlearning

Phénomène responsable d’erreurs, qui se produit lorsqu’un système comme un réseau de neurones artificiels est contraint d’analyser de nouveaux cas en se basant presque exclusivement sur les caractéristiques spécifiques de ceux qu’il a déjà rencontrés en phase d’apprentissage, au détriment de caractéristiques plus générales qui lui permettraient de mieux cerner ce qu’on ne lui a pas déjà présenté.

synthèse de la parole

speech synthesis

Technique informatique qui permet de générer automatiquement une voix de synthèse. La synthèse de la parole constitue notamment une composante essentielle des assistants vocaux personnels. Lorsque la voix de synthèse est générée à partir d’un texte écrit, on fait alors référence à la synthèse texte-parole.

synthèse texte-parole

text-to-speech (TTS)

Technique de synthèse de la parole qui consiste à générer une voix de synthèse à partir d’un texte écrit.

synthétiseur texte-parole

text-to-speech synthesizer (TTS synthesizer)

Synthétiseur de la parole qui génère une voix de synthèse à partir d’un texte écrit.

système à base de connaissances (SBC)

knowledge-based system (KBS)

Système dans lequel un moteur d’inférence tire des conclusions à partir d’une base de connaissances, afin de résoudre des problèmes. Lorsqu’un système à base de connaissances cherche à résoudre, à la manière d’un spécialiste, des problèmes dans un domaine d’application déterminé, on parle alors d’un système expert.

système d’intelligence artificielle

artificial intelligence system (AIS)

Système conçu pour simuler le fonctionnement de l’intelligence humaine afin d’exécuter des fonctions relevant normalement de celle-ci.

système expert (SE)

expert system (ES)

Système à base de connaissances conçu pour remplacer l’expertise des spécialistes dans un domaine donné. Les systèmes experts sont constitués d’une base de connaissances contenant une représentation formalisée des connaissances d’un domaine. Il revient au cogniticien de colliger celles-ci auprès d’experts et de les formaliser en langage de représentation. Les systèmes experts sont notamment employés dans les domaines de la médecine, de la finance, de l’assurance et de la réparation d’équipement.

système multiagent (SMA)

multiagent system (MAS)

Système complexe composé d’un environnement dans lequel des agents interagissent afin de résoudre un problème. Un système multiagent peut également comporter des objets, par exemple des données, que les agents peuvent percevoir, créer, modifier ou supprimer. Les principales interactions entre les agents visent la communication, la collaboration et la négociation. Les systèmes multiagents découlent de l’approche multiagent.

T

test de Turing

Turing test

Test qui consiste à mettre en communication, à l’aveugle, un être humain et un ordinateur afin de vérifier s’ils sont capables d’atteindre les mêmes niveaux de performance. Si l’opérateur humain ne parvient pas à distinguer lequel de ses interlocuteurs est l’ordinateur, on considère que la machine a passé le test de Turing et est ainsi dotée d’intelligence artificielle. Le test de Turing a été imaginé par le mathématicien britannique Alan Turing.

traitement automatique des langues (TAL)

natural language processing (NLP)

Technique d’apprentissage automatique qui permet à l’ordinateur de comprendre le langage humain. Les applications du traitement automatique des langues incluent, entre autres, la traduction automatique, la synthèse de la parole, la reconnaissance de la parole, la reconnaissance de l’écriture manuscrite et l’assistant virtuel.

V

vision par ordinateur

computer vision

Domaine dans lequel on étudie et on met au point des techniques permettant à un système informatique ou à un système d’intelligence artificielle d’analyser et de comprendre les données visuelles obtenues à l’aide de caméras ou d’autres dispositifs électroniques.

voix de synthèse

computer-generated speech

Parole ou voix générée par un ordinateur, et qui simule la voix humaine.

SOURCES

Office québécois de la langue française, avec la collaboration de l’Institut des algorithmes d’apprentissage de Montréal, du Département d’informatique de l’Université de Sherbrooke et du Département de génie électrique et de génie informatique de l’Université Laval, 2017.