C'est quoi, un réseau de neurones ?
Un réseau de neurones est un type de modèle d'IA fait de couches d'unités simples reliées par des nombres réglables, les poids. Une entrée, comme les pixels d'une photo, traverse les couches et devient une supposition. Pendant l'entraînement, le réseau compare chaque supposition à la bonne réponse et ajuste légèrement des millions de poids, jusqu'à devenir fiable.
▶ À toi de jouer
Pourquoi c'est important
Derrière le déverrouillage par le visage, la traduction et les chatbots, il y a la même idée : des couches d'unités simples dont la force des liens est réglée par le retour d'erreur, pas programmée à la main.
En 6 minutes, tu sauras
- Un réseau de neurones, ce sont des couches d'unités simples reliées par des poids réglables.
- S'entraîner, c'est deviner, comparer à la bonne réponse, ajuster les poids, recommencer.
- Son savoir est réparti sur beaucoup de nombres, alors ses raisons sont difficiles à expliquer.
Ce que tu vas pratiquer
Les pièces d'un réseau
Touche chaque carte pour voir comment ça marche.
- ⚪ Neurone (unité)
- Une minuscule calculatrice. Elle additionne les nombres qui arrivent, chacun multiplié par un poids, et transmet un résultat. Bien plus simple qu'une cellule du cerveau.
- 🎛️ Poids
- Un bouton sur chaque connexion qui règle l'influence d'une unité sur la suivante. Un grand réseau en a des millions, voire des milliards.
- 🥞 Couches
- Les unités sont empilées en couches. Les premières repèrent des choses simples comme des bords ; les suivantes les combinent en formes, puis en « c'est un 7 ».
- 📣 Retour d'erreur
- Après chaque supposition, le réseau mesure son erreur et calcule quels boutons tourner, et dans quel sens, pour se tromper un peu moins.
Un tour d'entraînement
Le réseau apprend à lire des chiffres manuscrits. Remets un tour d'entraînement dans l'ordre.
- Un exemple étiqueté arrive : la photo d'un 7 écrit à la main
- Les pixels traversent les couches
- Le réseau devine : « sans doute un 1 »
- La supposition est comparée à l'étiquette « 7 »
- Chaque poids est ajusté un peu pour réduire l'erreur
- On recommence avec l'exemple suivant, des milliers de fois
Teste ton modèle
Qui règle les millions de poids d'un réseau entraîné ?
- L'entraînement, en apprenant du retour d'erreur (Réponse)
- Des programmeurs tapent chaque valeur à la main
Un réseau de neurones artificiel est-il une copie du cerveau humain ?
- Non, il s'en inspire vaguement et il est bien plus simple (Réponse)
- Oui, il marche exactement comme de vrais neurones
Noor demande : « Pourquoi le réseau a-t-il dit que ce chat est un chien ? » Pourquoi est-ce difficile à dire ?
- La raison est répartie sur des millions de poids (Réponse)
- Le réseau cache ses raisons exprès
Retiens bien
Un réseau de neurones apprend en devinant, en recevant un retour et en ajustant ses poids, encore et encore.
Un réseau de neurones apprend en devinant, en étant corrigé et en tournant un peu ses boutons, des millions de fois.
Les chiffres clés
- Le psychologue Frank Rosenblatt a décrit le perceptron, l'un des premiers neurones artificiels capables d'apprendre, en 1958. · Source: F. Rosenblatt, The Perceptron, Psychological Review, 1958
- Un article publié dans Nature en 1986 a montré comment des réseaux à plusieurs couches peuvent apprendre en renvoyant l'erreur vers l'arrière pour ajuster les poids, la rétropropagation, toujours centrale aujourd'hui. · Source: Rumelhart, Hinton & Williams, Learning representations by back-propagating errors, Nature, 1986
- Le prix Nobel de physique 2024 a été décerné à John Hopfield et Geoffrey Hinton pour des découvertes et inventions fondamentales qui permettent l'apprentissage automatique avec des réseaux de neurones artificiels. · Source: Académie royale des sciences de Suède, prix Nobel de physique 2024
- Le cerveau humain adulte compte environ 86 milliards de neurones, chacun étant une cellule vivante bien plus complexe qu'une unité de réseau artificiel. · Source: Azevedo et al., Journal of Comparative Neurology, 2009
Mis à jour:
Les questions qu'on se pose
Comment apprend un réseau de neurones ?
Il fait une supposition, mesure son écart avec la bonne réponse et ajuste légèrement ses poids pour réduire cette erreur. En répétant ça sur beaucoup d'exemples, ses suppositions deviennent peu à peu justes.
Qu'est-ce que le deep learning ?
Le deep learning, ou apprentissage profond, c'est le machine learning avec des réseaux de neurones à nombreuses couches. Ces couches en plus permettent de construire des schémas complexes à partir de schémas simples.
Un réseau de neurones fonctionne-t-il comme le cerveau humain ?
Non. Il s'inspire vaguement des cellules du cerveau, mais chaque unité artificielle est un calcul simple, et les réseaux apprennent de façon très différente des humains.
À quoi servent les réseaux de neurones ?
À reconnaître des visages et la parole, traduire des langues, recommander des vidéos, repérer des signes dans des images médicales et faire tourner les chatbots et les générateurs d'images.
Termes associés