Elizabeth est diplômée Cum Laude de l’Université de Pittsburgh en informatique et en rédaction professionnelle, et a plus de 10 ans d’expérience.
dictionnaire
La science de la logique
La logique telle que définie par le dictionnaire en ligne de Merriam-Webster est : « Une science qui traite des principes et des critères de validité de l’inférence et de la démonstration ; la science des principes formels du raisonnement.
La question vient alors à l’esprit : comment un logiciel peut-il être programmé pour déduire des conclusions en utilisant le raisonnement et la justification humains ?
Pour commencer, comprenons mieux la science derrière la logique.
La logique examine les équations et les règles prédéfinies, puis compare les données en question à ces règles pour décider si quelque chose est vrai/faux, vrai/faux, marche/arrêt, etc. Ce qui suit est un exemple hypothétique d’une instruction conditionnelle utilisée dans la logique :
régner: Si une personne fait la grasse matinée, elle sera probablement en retard pour le brunch.
problème: Joe a dormi trop longtemps.
La solution: Joe sera probablement en retard pour le brunch.
Donc, pour déduire la bonne solution à ce problème, déterminons ce qui est vrai ou faux, puis examinons ce que l’on appelle communément les « tables de vérité », qui sont utilisées dans la logique commune pour identifier le résultat.
régner: Si une personne fait la grasse matinée, elle sera probablement en retard pour le brunch. vrai
problème: Joe a dormi trop longtemps. vrai
La solution: Joe sera probablement en retard pour le brunch. vrai
En regardant les tables de vérité, nous voyons que TRUE et/ou TRUE renvoie TRUE. Les tables de vérité complètes, répertoriées ci-dessous, donnent des exemples des équations de base utilisées en logique et de leurs conclusions. Ces tables mathématiques courantes sont utiles à mémoriser ou à garder à l’esprit lors de la construction d’algorithmes (instructions) en programmation informatique.
Tables de vérité logiques
Qu’est-ce que l’intelligence artificielle utilise pour prendre des décisions ?
L’intelligence artificielle (IA) est la branche de l’informatique qui recherche et étudie la capacité de programmer des logiciels qui utilisent la logique pour prendre des décisions, imitant celle de la rationalité humaine, mais plus rapidement et plus précisément.
Alors, comment y parvient-il? L’IA tire des conclusions logiques basées sur une combinaison de trois facteurs principaux qui incluent :
Faites défiler pour continuer
- Les données historiques archivées sont utilisées comme base pour construire les règles et les conclusions logiques qui correspondent au scénario.
- De nouvelles données entrantes s’ajoutent continuellement à la base pour soutenir davantage la logique.
- Une interaction humaine en temps réel se produit lorsqu’une décision n’est pas claire.
Ces facteurs sont les clés utilisées dans la construction et la formation des algorithmes complexes qui effectuent des calculs de résolution de problèmes.
Algorithme d’intelligence artificielle
Logique de programmation pour l’intelligence artificielle
Dans la programmation informatique utilisée pour créer les algorithmes d’IA, la logique se traduit par des valeurs « booléennes » de vrai et de faux basées sur des instructions conditionnelles si/alors.
Les décisions Vrai contre Faux proviennent de la logique du « si ceci, alors cela ».
Tout comme nous avons calculé la bonne solution pour savoir si Joe serait probablement en retard ou non pour le brunch, AI calculera le problème et arrivera à la même conclusion.
L’IA a les données historiques comme base et les règles métier logiques programmées dans son algorithme. Ainsi, lorsque la machine reçoit une question ou un problème, l’IA calcule en quelques millisecondes les résultats disponibles, vérifie ce qui est vrai et faux, puis, sur la base des tables de vérité, sélectionne le choix le plus précis et le plus logique.
L’IA permet aux machines de prendre les meilleures décisions possibles, leur donnant essentiellement la capacité d’apprendre, de raisonner et de comprendre. C’est ce qu’on appelle l’apprentissage automatique (ML), qui est la branche mature de l’IA qui applique ses méthodologies à la main-d’œuvre et utilise cette science pour effectuer des tâches pratiques quotidiennes.
Application des instructions conditionnelles à l’intelligence artificielle
Voici des règles de logique métier simples qui peuvent être appliquées aux algorithmes d’IA, basées sur des instructions conditionnelles si/alors.
- Si l’élève obtient plus de 60 % à un test,
puis rapporter une note de passage. - Si un client a de l’argent sur son compte,
puis calculez les intérêts. - Si un client achète des articles en quantités de 12 ou plus,
puis calculez une remise de 10%.
L’ajout d’une autre couche au if/then est une autre instruction « else » si la vraie condition échoue.
- Si l’élève obtient plus de 60 % à un test,
puis signaler une note de passage,
sinon signaler une note d’échec. - Si un client a de l’argent sur son compte,
puis calculez les intérêts,
sinon facturer des frais de dépassement. - Si un client achète des articles en quantités de 12 ou plus,
puis calculez une remise de 10%,
sinon facturer des frais d’expédition.
L’IA fait-elle parfois de mauvais appels logiques ?
Comme pour tout logiciel, un plan de récupération nécessaire doit être mis en place en cas de panne complète. Cependant, il ne devrait pas être nécessaire de revérifier les résultats, la logique ou l’exactitude du logiciel d’automatisation une fois qu’il a été mis en œuvre, car il ne fera pas d’erreurs de jugement par programmation.
Les produits logiciels d’automatisation sont suffisamment intelligents pour se rendre compte qu’ils ont besoin d’aide lorsqu’ils rencontrent quelque chose qu’ils ne peuvent pas comprendre. Le logiciel est en fait programmé dans cet esprit, pour s’attendre à ce que des scénarios se présentent lorsque sa capacité de prise de décision est entravée ou si le choix n’est pas clair à 100 %.
Dans de tels cas, plutôt que de procéder et d’utiliser une logique moins que précise qui pourrait potentiellement entraîner une mauvaise décision, un logiciel d’automatisation intelligent demandera une assistance humaine.
Améliorer les processus de pensée dans l’apprentissage automatique
Il peut sembler un peu fastidieux de devoir constamment superviser des applications utilisant le ML, d’avoir à intervenir constamment à chaque fois qu’il rencontre des données inattendues ou inconnues qu’il ne sait pas traiter.
C’est la beauté des logiciels d’automatisation intelligents.
Une fois que l’assistance humaine est intervenue avec la bonne décision, le logiciel « apprendra » de ces escalades. Vous souvenez-vous des trois facteurs clés ci-dessus qui composent les algorithmes d’IA ? Ils incluent des données entrantes fraîches et une interaction humaine.
Ces nouvelles données reçues lors de l’escalade permettent au ML de s’adapter et d’améliorer en permanence sa propre capacité d’automatisation, laissant les portes grandes ouvertes au changement… et permettant à la machine-maître rationnelle basée sur la logique de pouvoir également « aller avec le couler’ et ‘rouler avec les coups de poing.’
L’avenir de l’intelligence artificielle et de l’apprentissage automatique
L’IA et le ML sont sur le point d’automatiser et de faire progresser la société moderne à de nouveaux niveaux. Comme pour toute technologie, il y a des avantages et des inconvénients à prendre en compte.
L’IA et le ML ne seront jamais aussi bons que la logique humaine et les règles commerciales qui y sont intégrées et les algorithmes de base. Cependant, avec sa capacité à calculer, à apprendre et à s’adapter à mesure que les besoins changent et augmentent, il est facile de voir comment ils peuvent rapidement devenir une partie intégrante de toute entreprise cherchant à acquérir un avantage concurrentiel sur le marché.
Cet article est exact et fidèle au meilleur de la connaissance de l’auteur. Le contenu est uniquement à des fins d’information ou de divertissement et ne remplace pas un conseil personnel ou un conseil professionnel en matière commerciale, financière, juridique ou technique.
© 2018 Elisabeth Rossic
