Introduction à l'intelligence artificielle

Objectifs de la séance

Dans cette séance, vous découvrirez les fondements de l’Intelligence Artificielle (IA). Le sens de cette expression a largement évolué, et l’objectif de la séance consiste à vous donner les bases de compréhension de ce que l’on appelle IA aujourd’hui. Nous parlerons en particulier d’apprentissage automatique et de d’apprentissage profond (Deep Learning), et en quoi ces deux notions sont aujourd’hui centrales à l’IA telle que vous en avez entendu parler.

Avant le cours

Pré-requis

Pour pouvoir commencer à travailler sur l’activité, vous devez remplir les conditions suivantes :

• Apportez votre propre ordinateur.
• Assurez-vous d’avoir une connexion réseau fonctionnelle.

Articles à étudier

Pour cette première séance, vous n’aviez rien à préparer avant d’arriver en cours.

Pendant le cours

Ce cours sera en deux parties:

• Une session en amphithéatre qui présente les fondements de l’IA,
• Une session pendant laquelle vous découvrirez les travaux en IA effectués à IMT Atlantique.

Après le cours

Cette séance est la dernière du bloc Algorithmique. Voici quelques ressources pour aller plus loin dans la découverte de l’IA.

Ressources bibliographiques d’approfondissement

Quelques livres de référence pour aller plus loin :

• Bishop, C. M. (2006). Pattern recognition and machine learning. springer.. Cet ouvrage est plus ancien, mais reste une référence incontournable. Il couvre les bases statistiques de l’apprentissage automatique.
• Hastie, T., Tibshirani, R., & Friedman, J. (2009). The elements of statistical learning: data mining, inference, and prediction. Springer Science & Business Media. Un autre ouvrage de référence sur l’apprentissage automatique, avec un focus plus prononcé sur les aspects algorithmiques.
• Deep Learning, Foundations and Concepts (2024). Ouvrage récent qui permet de comprendre les fondements du Deep Learning. En particulier, il couvre les architectures de réseaux de neurones modernes : les convolutional neural networks et les Transformers.
• Atlas of AI, Kate Crawford, 2021. Un ouvrage qui explore les implications sociales et éthiques de l’IA.

Outils et bibliothèques

Les outils et bibliothèques suivants sont couramment utilisés en IA :

• Pytorch : la bibliothèque de deep learningla la plus populaire.
• Hugging Face : site incontournable, qui comporte aujourd’hui de nombreux modèles d’IA pré-entraînés, notamment dans le domaine du traitement du langage naturel, ainsi que des bibliothèques logicielles pour les utiliser facilement.
• sklearn : bibliothèque Python très utilisée pour l’apprentissage automatique classique.

 Les grandes conférences en IA

Voici quelques-unes des conférences les plus prestigieuses en IA :

• NeurIPS (Neural Information Processing Systems) : l’une des conférences les plus importantes en apprentissage automatique et en intelligence artificielle.
• ICML (International Conference on Machine Learning) : une autre conférence majeure en apprentissage automatique.
• ICCV (International Conference on Computer Vision) : une conférence de premier plan en vision par ordinateur.
• CVPR (Conference on Computer Vision and Pattern Recognition) : la principale conférence en vision par ordinateur.
• ACL (Association for Computational Linguistics) : la conférence de référence en traitement du langage naturel.
• ICLR (International Conference on Learning Representations) : une conférence axée sur les nouvelles architectures de réseaux de neurones et les représentations apprises.

Quelques ressources additionnelles diverses

• Machine Learning Flowchart : pour vous aider à choisir les bons algorithmes d’apprentissage automatique en fonction de votre problème.
• Interview d’Arthur Mensch par Hugo Decrypte : une interview très accessible d’Arthur Mensch, CEO de Mistral.
• Le podcast de Dwarkesh Patel : sujets actuels et controverses en IA, basé sur des interviews de personalités du domaine.