Domaine de l'intelligence artificielle basé sur le développement de systèmes informatiques qui apprennent à partir des données, de manière autonome, en s’appuyant sur les probabilités statistiques. Il est assimilé à un apprentissage, car les algorithmes tirent des informations des données qu’ils observent et améliorent leurs performances par eux-mêmes au cours du temps.
Exemples: la capacité de prédire la suite d’un texte sur la base de données textuelles de départ - les agents conversationnels ou chatbots (en anglais) comme ChatGPT, ainsi que de « reconnaître » une image et analyser le contenu d’une vidéo.
Sous-domaine du machine learning qui regroupe des techniques basées sur des réseaux de neurones artificiels permettant de résoudre des tâches complexes à partir de données brutes. Ces réseaux de neurones, inspirés des systèmes biologiques, sont composés de nœuds, ou neurones artificiels, connectés entre eux et organisés en couches. Le qualificatif de « profond » (deep) se réfère au grand nombre de couches neuronales de ces systèmes
Par rapport aux techniques de machine learning « classiques », le deep learning est capable de travailler sur des données brutes, non étiquetées préalablement, et de déterminer automatiquement un certain nombre de caractéristiques permettant de distinguer différentes catégories de données. Pour atteindre des résultats probants, les systèmes de deep learning requièrent une énorme quantité de données d’entraînement ainsi qu’une grande puissance de calcul.
Exemples : logiciels de reconnaissance faciale ou d’images, les pilotes automatiques, etc.
Technologie informatique capable de simuler certains traits de l'intelligence humaine (comme l’interprétation du langage, la visualisation ou l’apprentissage), qui implique des quantités de données importantes et fait appel à l’apprentissage automatique (machine learning) et à l’apprentissage profond (deep learning).
Ce domaine de recherche recoupe des méthodes venant de l’informatique, des statistiques, de l’ingénierie, de la linguistique, des neurosciences et d’autres disciplines encore. Il existe trois catégories d'intelligence artificielle : (1) l'IA faible qui simule des facultés cognitives très précises comme la reconnaissance de la parole ou la conduite d'automobile. (2) L'IA générale qui a des capacités de compréhension, de raisonnement et de prise de décision. (3) L'IA forte qui n'existe qu'à l'état théorique et serait capable de développer une conscience, de témoigner des sentiments et de comprendre ses propres raisonnements.
Domaine multidisciplinaire impliquant la linguistique, l'informatique et l'intelligence artificielle, qui vise à donner la capacité aux ordinateurs de manier le langage humain pour diverses applications.
Basé sur les techniques de machine learning et de deep learning, ce traitement automatique consiste à modéliser le fonctionnement de la langue humaine à partir de données provenant de plusieurs domaines de la linguistique.
Exemples de domaines d’application : la traduction automatique, les outils prédictifs d’aide à la rédaction, les assistants vocaux, les agents conversationnels ou la détection de SPAM dans les emails.
