Tous les termes cles de l'intelligence artificielle expliques simplement. Chaque definition renvoie vers les outils IA associes.
La simulation des processus d'intelligence humaine par des systemes informatiques, incluant l'apprentissage, le raisonnement et l'auto-correction.
Un domaine de l'IA qui permet aux ordinateurs d'interpreter et comprendre l'information visuelle.
Un sous-ensemble du machine learning utilisant des reseaux de neurones a couches multiples pour modeliser des patterns complexes.
Des systemes IA capables de creer du nouveau contenu incluant texte, images, audio, video et code.
Un sous-ensemble de l'IA ou les systemes apprennent et s'ameliorent a partir de l'experience sans etre explicitement programmes.
Un systeme informatique inspire des reseaux neuronaux biologiques, compose de noeuds interconnectes qui traitent l'information.
Un domaine de l'IA centre sur l'interaction entre les ordinateurs et le langage humain.
Un type de machine learning ou le modele est entraine sur des donnees etiquetees avec des paires entree-sortie connues.
Un type de machine learning ou le modele trouve des patterns dans les donnees sans exemples etiquetes.
Une architecture de reseau de neurones concue pour traiter des donnees en grille comme les images en utilisant des filtres convolutifs.
Un modele d'IA generative qui cree des donnees en apprenant a inverser un processus de bruitage progressif.
Un grand modele IA entraine sur des donnees larges qui peut etre adapte a un large eventail de taches en aval.
Une paire de reseaux de neurones (generateur et discriminateur) qui se font concurrence pour produire des sorties de plus en plus realistes.
Une famille de grands modeles de langage developpes par OpenAI qui generent du texte similaire au langage humain en utilisant l'architecture transformer.
Un reseau de neurones entraine sur d'enormes jeux de donnees textuels, capable de comprendre et generer du texte similaire au langage humain.
Des systemes IA capables de traiter et generer plusieurs types de donnees comme le texte, les images, l'audio et la video.
Des modeles et outils IA dont le code source et/ou les poids sont librement disponibles pour l'utilisation, la modification et la distribution.
Une technique permettant aux reseaux de neurones de se concentrer sur les parties pertinentes de l'entree lors de la production de sortie.
Une technique de prompting qui encourage les modeles IA a decomposer les problemes complexes en raisonnement etape par etape.
Une representation numerique de donnees (texte, images) dans un espace vectoriel continu ou les elements similaires sont proches.
Une technique ou un modele IA apprend a effectuer une tache a partir de seulement quelques exemples fournis dans le prompt.
Le processus d'entrainement supplementaire d'un modele IA pre-entraine sur un jeu de donnees specifique pour l'adapter a une tache particuliere.
Une technique d'affinage efficace qui adapte de grands modeles en entrainant uniquement de petites matrices de rang faible.
La pratique de creation d'entrees (prompts) efficaces pour guider les modeles IA vers les sorties souhaitees.
Une technique qui reduit la taille du modele et l'utilisation memoire en utilisant des nombres de precision inferieure pour les poids.
Une technique qui combine la recuperation d'information avec la generation de texte pour produire des reponses IA plus precises et fondees.
Un type de machine learning ou un agent apprend a prendre des decisions en recevant des recompenses ou penalites pour ses actions.
Une technique d'entrainement qui utilise les preferences humaines pour affiner les modeles IA vers des sorties plus utiles et sures.
Le processus de decoupage du texte en unites plus petites (tokens) qu'un modele IA peut traiter.
Une technique ou un modele entraine sur une tache est reutilise comme point de depart pour un modele sur une tache differente.
Une architecture de reseau de neurones basee sur des mecanismes d'auto-attention, fondamentale pour le NLP moderne et l'IA generative.
Une technique ou un modele IA effectue une tache pour laquelle il n'a pas ete explicitement entraine, sans aucun exemple.
Des systemes IA concus pour planifier, raisonner et executer de facon autonome des taches en plusieurs etapes avec une intervention humaine minimale.
Un systeme IA autonome capable de percevoir son environnement, prendre des decisions et effectuer des actions pour atteindre des objectifs specifiques.
Un assistant IA integre dans un workflow ou une application qui augmente la productivite humaine en suggerant des actions.
Une application logicielle alimentee par l'IA concue pour simuler la conversation humaine par texte ou voix.
Des systemes IA qui ecrivent, completent ou suggerent automatiquement du code de programmation a partir de langage naturel ou de code partiel.
L'utilisation de l'IA pour creer de nouvelles images a partir de prompts textuels, croquis ou autres images.
Une technique de recherche qui comprend le sens et le contexte des requetes plutot que de simplement faire correspondre des mots-cles.
Une technique NLP qui identifie et extrait l'information subjective (positif, negatif, neutre) du texte.
Une technologie IA qui convertit l'audio parle en texte ecrit, aussi connue comme reconnaissance automatique de la parole.
Une technologie IA qui genere des images a partir de descriptions en langage naturel.
Une technologie IA qui convertit le texte ecrit en audio parle au son naturel.
Un ensemble de protocoles permettant a differentes applications logicielles de communiquer avec des modeles et services IA.
La quantite maximale de texte (mesuree en tokens) qu'un modele IA peut traiter en une seule interaction.
Un processeur specialise originellement concu pour les graphiques mais maintenant essentiel pour l'entrainement et l'execution de modeles IA.
Le processus d'utilisation d'un modele IA entraine pour faire des predictions ou generer des sorties sur de nouvelles donnees.
Une base de donnees optimisee pour le stockage et la recherche d'embeddings vectoriels de haute dimension.
Un systeme IA hypothetique avec des capacites cognitives de niveau humain dans toutes les taches intellectuelles.
Le defi de s'assurer que les systemes IA se comportent conformement aux valeurs et intentions humaines.
Des erreurs systematiques dans les sorties IA qui refletent des prejuges presents dans les donnees d'entrainement ou la conception du modele.
Quand un modele IA genere des informations confiantes mais factuellement incorrectes ou fabriquees.