Les IA oublient de nos jours. C'est un peu le principe de la regression lineaire: tu lis une fois toute les donnees, et tu n'en retiens que deux parametres de ta droite. Les donnees sont alors oubliees et on n'utilise que cette droite.
Cette comparaison a sa limite parceque dans la régression linéaire ou plus généralement dans les modèles statistiques, on essaie d'atterrir sur un petit nombre de paramètres "explicatifs" qui par construction représentent les paramètres essentiels du problème. Ces paramètres suffisent à expliquer les évaluations faites par le modèle, permettent de faire de l'analyse qualitative et leur évolution au fil du temps peut aussi révéler des informations intéressantes.
Dans les mécanismes d'apprentissage comme par exemple les réseaux de neurones on a un très grand nombre de paramètres qui n'ont de plus a priori rien à voir avec les lois internes supposées de la situation étudiée. Avec pour conséquence qu'il est largement impossible d'expliquer l'influence de tel ou tel paramètre spécifique sur les résultats du calcul.
[^] # Re: Et l'apprentissage automatique?
Posté par Michaël (site web personnel) . En réponse au journal "Intelligence artificielle", vraiment?. Évalué à 5.
Cette comparaison a sa limite parceque dans la régression linéaire ou plus généralement dans les modèles statistiques, on essaie d'atterrir sur un petit nombre de paramètres "explicatifs" qui par construction représentent les paramètres essentiels du problème. Ces paramètres suffisent à expliquer les évaluations faites par le modèle, permettent de faire de l'analyse qualitative et leur évolution au fil du temps peut aussi révéler des informations intéressantes.
Dans les mécanismes d'apprentissage comme par exemple les réseaux de neurones on a un très grand nombre de paramètres qui n'ont de plus a priori rien à voir avec les lois internes supposées de la situation étudiée. Avec pour conséquence qu'il est largement impossible d'expliquer l'influence de tel ou tel paramètre spécifique sur les résultats du calcul.