Je ne sais pas si le terme est usurpé et je m'en tamponne. Je remarque simplement qu'il y a quelques années, certains qualifiaient d'IA des tâches qu'on ne savait pas bien faire (du genre de l'OCR). Maintenant qu'on sait, comme par hasard, ce n'est plus de l'IA. Mais de toute manière, ça n'enlève rien aux succès obtenus.
Tu sembles prétendre que le terme IA est plus ou moins synonyme de réseaux de neurones. Sache que c'est grossièrement faux. De nombreux chercheurs en IA répugnent même à considérer les RNs comme un domaine de l'IA. La discipline en elle-même contient de très très nombreux autres sous domaines orthogonaux aux réseaux de neurones.
Tu sembles prétendre que la logique floue n'est pas basée sur une méthode "stochastique" (je pense d'ailleurs que tu ne sais pas employer ce mot correctement). C'est faux. Certaines applications le sont, d'autres pas. Quant aux affirmations qui suivent, elles me font doucement rigoler. Connais tu le principe des impact factors ? Pour ceux qui ne connaissent pas, c'est le nombre moyen de citation d'un article scientifique dans d'autres articles, en fonction du journal contenant l'article cité. Il est amusant de constater que la revue Neural Networks est la revue d'IA qui a le plus gros impact factor de tout le domaine.
Ton délire sur la traduction est très amusant. Tu ne sembles pas savoir qu'entre 1960 et 1985 (en gros), les RNs sont morts, tués par Minski et Pappert (je ne connais pas l'orthographe exacte) qui avaient démontré que le perceptron était une grosse daube (ce qui est vrai). Il a fallut attendre les travaux du physicien Hopfield (environ 85) et ceux de Rumelhart (même époque) pour que le domaine redémarre. Je ne vois donc pas comment les RNs pourraient avoir bloqué le financement des autres méthodes dans les années 70.
Tu affirmes que je prétends avoir travailler chez Thomson. Contrairement à toi, je suis identifié, avec un mail valide qui arrive à un domaine que je possède. Les vérifications sont faisables. J'étais effectivement stagiaire au début chez Thomson, puis j'y ai fait une thèse, jsutement sur les réseaux de neurones, encadré par un chercheur du LCR (amusant, n'est-ce pas ?). Le LCR a fait pas mal de publications en réseaux de neurones et à même écrit un logiciel de classification à base de RN. Pour des raisons complexes, le LCR s'est ensuite recentré sur d'autres thèmes de recherche et c'est plutôt la division RCM qui a continué les travaux sur les RNs, avec plusieurs applications industrielles en traitement du signal. Tu es ici en flagrant délit de mensonge.
Plus fondamentalement, ton opposition entre méthodes satistiques (et pas stochastique, ça n'a rien à voir) et symboliques est assez foireuse. Je travaille actuellement dans un laboratoire de recherche (le lise-ceremade) dont le travail est justement de faire de l'analyse de données symboliques. Nous manipulons sous une forme plutôt symboliques des données numériques contenant de la variabilité (qu'on peut identifier à du hasard par exemple). Il y des liens importants entre les deux mondes.
Concernant les applications, tu sembles trop borné pour que la discussion soit utile, mais bon. J'ai rencontré à des congrès des ingénieurs qui venaient en toute humilité présenter l'amélioration obtenue par un RN par rapport à leur ancienne méthode dans du contrôle industriel. Ils gagnaient quelques pourcents en précision, soit quelques millions...
Finalement, il est amusant de voir que tu ne t'intéresses qu'au marketing dans cette histoire. La grande victoire des réseaux de neurones est très simple : ils constituent actuellement le meilleur outil d'approximation de fonctions. C'est démontré par Barron depuis 93. Dans des domaines où on a besoin de bien approcher les fonctions, les réseaux de neurones sont le meilleur choix. Les bons chercheurs du domaine essayent d'étendre ce domaine, d'améliorer les algorithmes d'apprentissage, etc. Personne ne prétend plus faire quelque chose d'intelligent.
[^] # Re: A mort le baratin
Posté par boubou . En réponse à la dépêche Des réseaux de neurones qui apprennent seuls ou presque. Évalué à 1.
Ton précédent texte ne contient aucun argument.
<<Le choix du terme "Intelligence Articifielle">>
Je ne sais pas si le terme est usurpé et je m'en tamponne. Je remarque simplement qu'il y a quelques années, certains qualifiaient d'IA des tâches qu'on ne savait pas bien faire (du genre de l'OCR). Maintenant qu'on sait, comme par hasard, ce n'est plus de l'IA. Mais de toute manière, ça n'enlève rien aux succès obtenus.
Tu sembles prétendre que le terme IA est plus ou moins synonyme de réseaux de neurones. Sache que c'est grossièrement faux. De nombreux chercheurs en IA répugnent même à considérer les RNs comme un domaine de l'IA. La discipline en elle-même contient de très très nombreux autres sous domaines orthogonaux aux réseaux de neurones.
Tu sembles prétendre que la logique floue n'est pas basée sur une méthode "stochastique" (je pense d'ailleurs que tu ne sais pas employer ce mot correctement). C'est faux. Certaines applications le sont, d'autres pas. Quant aux affirmations qui suivent, elles me font doucement rigoler. Connais tu le principe des impact factors ? Pour ceux qui ne connaissent pas, c'est le nombre moyen de citation d'un article scientifique dans d'autres articles, en fonction du journal contenant l'article cité. Il est amusant de constater que la revue Neural Networks est la revue d'IA qui a le plus gros impact factor de tout le domaine.
Ton délire sur la traduction est très amusant. Tu ne sembles pas savoir qu'entre 1960 et 1985 (en gros), les RNs sont morts, tués par Minski et Pappert (je ne connais pas l'orthographe exacte) qui avaient démontré que le perceptron était une grosse daube (ce qui est vrai). Il a fallut attendre les travaux du physicien Hopfield (environ 85) et ceux de Rumelhart (même époque) pour que le domaine redémarre. Je ne vois donc pas comment les RNs pourraient avoir bloqué le financement des autres méthodes dans les années 70.
Tu affirmes que je prétends avoir travailler chez Thomson. Contrairement à toi, je suis identifié, avec un mail valide qui arrive à un domaine que je possède. Les vérifications sont faisables. J'étais effectivement stagiaire au début chez Thomson, puis j'y ai fait une thèse, jsutement sur les réseaux de neurones, encadré par un chercheur du LCR (amusant, n'est-ce pas ?). Le LCR a fait pas mal de publications en réseaux de neurones et à même écrit un logiciel de classification à base de RN. Pour des raisons complexes, le LCR s'est ensuite recentré sur d'autres thèmes de recherche et c'est plutôt la division RCM qui a continué les travaux sur les RNs, avec plusieurs applications industrielles en traitement du signal. Tu es ici en flagrant délit de mensonge.
Plus fondamentalement, ton opposition entre méthodes satistiques (et pas stochastique, ça n'a rien à voir) et symboliques est assez foireuse. Je travaille actuellement dans un laboratoire de recherche (le lise-ceremade) dont le travail est justement de faire de l'analyse de données symboliques. Nous manipulons sous une forme plutôt symboliques des données numériques contenant de la variabilité (qu'on peut identifier à du hasard par exemple). Il y des liens importants entre les deux mondes.
Concernant les applications, tu sembles trop borné pour que la discussion soit utile, mais bon. J'ai rencontré à des congrès des ingénieurs qui venaient en toute humilité présenter l'amélioration obtenue par un RN par rapport à leur ancienne méthode dans du contrôle industriel. Ils gagnaient quelques pourcents en précision, soit quelques millions...
Finalement, il est amusant de voir que tu ne t'intéresses qu'au marketing dans cette histoire. La grande victoire des réseaux de neurones est très simple : ils constituent actuellement le meilleur outil d'approximation de fonctions. C'est démontré par Barron depuis 93. Dans des domaines où on a besoin de bien approcher les fonctions, les réseaux de neurones sont le meilleur choix. Les bons chercheurs du domaine essayent d'étendre ce domaine, d'améliorer les algorithmes d'apprentissage, etc. Personne ne prétend plus faire quelque chose d'intelligent.