Les réseaux neuronaux sont un élément essentiel du montage de l’IA, ce qui ne veut pas dire que tous les algorithmes sont fondés dessus. On est au cœur du fantasme, simuler le comportement d’un cerveau humain. On verra qu’il n’en est rien. On les trouvera essentiellement dans les session «deep learning ». Il est essentiel de bien comprendre leur fonctionnement général, ce qu’ils font et comment sont implémentés les algorithmes d’apprentissage et d’inférence.
Un réseau neuronal est constitué d’une couche d’entrée, d’une couche de sortie et d’un ensemble de couches intermédiaires, des niveaux porteurs des traitements de simulation et d’apprentissage. Il nous faut maîtriser leurs différentes organisations, ce qu’est un perceptron, une fonction d’activation, la pondération des liens inter-neurones, le type « forward propagation », la propagation arrière, l’algorithme de « Gradient Descent », la fonction erreur, etc. Nous veillerons à ne pas nous perdre dans les méandres de l’expression mathématique.