Fei-Fei Li & Yuval Noah Harari in Conversation
Category Archives: IA
De l’intelligence artificielle à la singularité technologique
Brains, Minds and Machines Summer Course
The field of Artificial Intelligence has produced impressive machines, such as Deep Blue, Watson, and Siri, that can beat a world chess champion, win the game of Jeopardy, and communicate in natural language. Yet few would view their behavior as brain-like or human intelligence. Computers still fare poorly on tasks that even young infants can perform, such as answering simple questions about a visual scene, Who is there? What are they doing? What happened previously? What will happen next? In this short introduction, Tomaso Poggio talks about how the synergy of recent advances in neuroscience, cognitive science, and AI, will enable us to understand the processes underlying human intelligence, from the neural circuits of the brain to the level of cognitive behavior.
Tomaso Poggio, and Gabriel Kreiman. RES.9-003 Brains, Minds and Machines Summer Course. Summer 2015. Massachusetts Institute of Technology: MIT OpenCourseWare, https://ocw.mit.edu. License: Creative Commons BY-NC-SA.
The Deep Learning Revolution: What Does It Tell Us About Our Understanding of Intelligence?
The surprising success of learning with deep neural networks poses two fundamental challenges: understanding why these networks work so well and what this success tells us about the nature of intelligence and our biological brain.
Our recent Information Theory of Deep Learning shows that large deep networks achieve the optimal tradeoff between training size and accuracy, and that this optimality is achieved through the noise in the learning process. In this talk, I will mainly address the relevance of these findings to the nature of intelligence and the human brain.
Naftali Tishby (Hebrew University of Jerusalem)
L’apprentissage profond : une révolution en intelligence artificielle
Machine Learning
L’apprentissage automatique est la science permettant aux ordinateurs d’accomplir des tâches sans avoir été explicitement programmé dans ce sens. Dans les dernières décennies, l’apprentissage automatique à donné naissance aux véhicules sans conducteurs, à la reconnaissance de la parole, la recherche web performante et à largement contribué à l’amélioration de la compréhension du génome humain. L’apprentissage automatique est tellement présent aujourd’hui que vous l’utilisez probablement des dizaines de fois par jour sans même vous en rendre compte. Beaucoup de chercheurs pensent également qu’il s’agit du meilleur moyen de progresser vers une intelligence artificielle au niveau des humains. Dans cette classe, vous allez prendre connaissance des meilleures techniques d’apprentissage automatique et acquérir de la pratique dans sa mise en oeuvre. Plus important, vous n’allez pas seulement prendre connaissance des fondements théoriques de l’apprentissage, mais également acquérir le savoir-faire requis pour rapidement et efficacement appliquer ces techniques à de nouveaux problèmes. Finalement, vous allez apprendre des meilleures pratiques en oeuvre dans la Silicon Valley se rapportant à l’apprentissage automatique et l’intelligence artificielles.
Ce mooc contient une large introduction à l’apprentissage automatique, l’analyse de données et la reconnaissance de forme. Le contenu inclut: (i) Apprentissage supervisé (algorithmes paramétriques / non paramétriques, machines à vecteur de support, noyaux, réseaux neuronaux). (ii) Apprentissage non-supervisé (partitionnement de données, réduction de dimension, système de recommandation, l’apprentissage profond). (iii) Bonnes pratiques en apprentissage automatique (bias, variance; process d’innovation en apprentissage automatique et IA). La classe va également décrire plusieurs cas d’usages, ainsi vous allez également apprendre comment appliquer les algorithmes d’apprentissage pour construire des robots intelligents (perception, contrôle), compréhension de texte (recherche web, anti-spam), vision par ordinateur, informatique médicale, signaux sonores, base de données sémantiques, et d’autres domaines.
Coursera / Université de Standford