A condition que l’espace de recherche du problème soit suffisamment vaste ou que l’approche s’adapte à d’autres problèmes. On a des algos spécifiques et efficaces pour des problèmes bien circonscrit et on parle pas d’IA. Dans le cas de l’apprentissage profond on parle d’intelligence parce que l’approche s’applique relativement bien à plein de problème de classification, bien que pris deux à deux ces problèmes sont relativement éloignés.
On pourrait peut-être adapter cette approche « d’adaptabilité » avec une notion d’équivalence de modélisation, par exemple on sait qu’une instance d’un pb NP-complet s’exprime de manière équivalente comme une instance de n’importe quel autre problème NP-complet. Du coup on a un gros pouvoir d’expression dans cette classe. Bien résoudre un seul problème NP-complet, potentiellemet c’est donc bien résoudre n’importe lequel (a condition que les instances transformées d’autres problème soient dans les instances que « l’IA » sait bien résoudre, mais c’est une hypothèse un peu comprise dans l’énoncé :) )
Tout ça pour dire que je te rejoins dans l’esprit, sachant qu’en nuançant on peut dire « résoudre n’importe quel problème « difficile » ». Sachant que qui peut le plus peut le moins, donc l’approche est probablement applicable à bien des problèmes plus faciles.
[^] # Re: Bêtise naturelle
Posté par thoasm . En réponse au journal "Intelligence artificielle", vraiment?. Évalué à 2.
A condition que l’espace de recherche du problème soit suffisamment vaste ou que l’approche s’adapte à d’autres problèmes. On a des algos spécifiques et efficaces pour des problèmes bien circonscrit et on parle pas d’IA. Dans le cas de l’apprentissage profond on parle d’intelligence parce que l’approche s’applique relativement bien à plein de problème de classification, bien que pris deux à deux ces problèmes sont relativement éloignés.
On pourrait peut-être adapter cette approche « d’adaptabilité » avec une notion d’équivalence de modélisation, par exemple on sait qu’une instance d’un pb NP-complet s’exprime de manière équivalente comme une instance de n’importe quel autre problème NP-complet. Du coup on a un gros pouvoir d’expression dans cette classe. Bien résoudre un seul problème NP-complet, potentiellemet c’est donc bien résoudre n’importe lequel (a condition que les instances transformées d’autres problème soient dans les instances que « l’IA » sait bien résoudre, mais c’est une hypothèse un peu comprise dans l’énoncé :) )
Tout ça pour dire que je te rejoins dans l’esprit, sachant qu’en nuançant on peut dire « résoudre n’importe quel problème « difficile » ». Sachant que qui peut le plus peut le moins, donc l’approche est probablement applicable à bien des problèmes plus faciles.