perlseb

@pemile
Les réseaux de neurones qu’on peut tester facilement sur son ordinateur sont des simulations de neurones. Donc on doit programmer leur existence (ils ne sont pas intégrés dans une puce, ce qu’on sait faire par ailleurs). Dans l’exemple que vous citez, les données d’apprentissages sont incluses dans la bibliothèque « mnist ». Comme le dit l’auteur de la page :
Si jusqu’ici tout se passe bien, tu peux tester sur le data set MNIST
Plus loin dans le programme d’apprentissage
from keras.datasets import mnist

Donc il n’a donné que l’exemple que tout le monde peut faire en débutant sans s’attaquer au réel problème de fond qu’un spécialiste de l’IA devra réaliser : alimenter son réseau avec des données propres au problème à résoudre (et pas uniquement décoder les chiffres écrits à la main, numérisés, puis stockés dans la bibliothèque mnist de kera.datasets que tout le monde télécharge avec la bibliothèque kera pour s’initier).

Tout le code programme expliqué ne fait que construire un réseau neuronal (en fixant ses poids par convergence, programme complexe mais également dans la bibliothèque). Et il faut également écrire du code pour le tester : lui donner d’autres chiffres manuscrits et voir la réponse qu’il nous donne en simulant (les neurones et leurs liaisons figées) à l’aide de la bibliothèque.
Mais le réseau neuronal final est une boite noire, ce n’est pas du code, il n’a pas été formé directement par un humain (mais par son jeu de tests et par le programme de convergence) et cette boite noire n’est pas lisible. Cette boite noire donne des réponses normalisées (valeur entière de 0 à 9 correspondant au chiffre, dans l’exemple, je crois) à partir d’entrées normalisées (dans l’exemple une image numérisée d’un chiffre manuscrit avec une définition très précise en nombre de pixels, toujours la même).

Et personne ne s’intéresse à la manière dont le réseau neuronal fait cette correspondance (ni ne peut comprendre pour les réseaux de 100.000 neurones). On s’intéresse juste à la validité de la réponse.

@Jean Dugenêt
En effectuant des recherches rapides sur des articles qui parlent d’IA, on constate énormément d’erreurs qui pourraient vous convaincre que vous êtes dans le vrai. J’en cite une ici, de la part d’un prof de math :
Cette finesse échappe totalement à ChatGPT car, ne l’oublions pas, ce n’est pas une intelligence humaine mais un robot appliquant des algorithmes essayant d’imiter les conversations humaines.

Encore une personne qui n’a pas compris ce qu’étaient les réseaux neuronaux. Il n’y a pas d’algorithme appliqué dans un réseau neuronal. Ce sont des entités reliés plus ou moins fortement (ne les appelez pas neurones si vous voulez mais on s’est inspiré du cerveau, d’où le terme neurone).
De même, certains spécialistes peuvent dire : « je vais programmer un réseau neuronal ». Dans leur bouche, ça veut dire, je vais écrire le code nécessaire pour créer le réseau vierge (trivial avec une bibliothèque) et le former à une tâche particulière (c’est la partie difficile, le plus gros du code : traitement ou génération d’un immense paquet de données de tests). Mais je vous reprends quand vous le dites car pour vous, un réseau neuronal serait un programme qu’on aurait écrit manuellement, ce qu’il n’est pas.

@Jean Dugenêt
Je ne comprends pas votre obstination à vouloir comparer les réseaux neuronaux au cerveau humain, ni à vouloir parler d’intelligence.
Ce que vous avez fait avec votre réseau neuronal (lui réapprendre autre chose), c’est ce que Deepmind a fait avec son réseau Alphazéro (passer des échecs au go). Mais quel intérêt ? Juste pour savoir que le nombre de neurones de votre réseau est suffisant pour résoudre les 2 problèmes (de complexité équivalente).
L’analogie de ce que vous avez fait avec le cerveau humain serait : « est-ce qu’on demande à un médecin de devenir avocat ? ».
Ensuite on n’implante pas un programme dans un réseau neuronal. On implante un programme dans un microcontrôleur (par exemple), mais un réseau neuronal est soit vierge soit formé à résoudre un problème donné. Un programme écrit par un humain est également capable de résoudre un problème mais on sait maintenant qu’un programme complexe sera inférieur à un réseau neuronal (voir Stockfish vs Alphazéro). Les programmes ne disparaitront pas, mais ils se cantonneront aux calculs bruts, à la recherche de données dans des bases, etc... (tout ce que les neurones font moins bien). D’ailleurs ChatGPT est mauvais en math (erreur de jeunesse : on n’a pas pensé à l’assister automatiquement par un « calculateur brut » quand le problème qu’on lui demande est mathématique).

@Jean Dugenêt
Encore une fois, oui on programme beaucoup pour la création du réseau. On n’obtient pas un réseau neuronal qui reconnait des caractères manuscrits en soudant une vingtaine de composants sur un coin de circuit électronique.
Le réseau neuronal final que tout le monde peut faire chez soi est virtuel (simulé).
Le problème c’est que toutes les lignes de codes utilisées pour créer le réseau neuronal n’ont rien à voir avec le problème final que le réseau neuronal va gérer. Ce sont des outils de création, pas des outils de résolution du problème final. C’est bien le réseau qui va répondre aux entrées et fournir les sorties qui nous intéressent une fois figé. Et les programmes complexes utilisés pour le créer n’ont plus aucune utilité après la création.
Et ces programmes de création ne sont rien du tout sans les données d’apprentissage. On ne forme pas un réseau neuronal sans données.

On ne programme pas un réseau de neurones, on utilise des programmes pour le générer car c’est bien trop complexe pour être créé par un humain (trop d’entités, trop de liens).

@Jean Dugenêt
Effectivement, je n’ai pas fait d’erreur.

Il faut distinguer la construction du réseau (apprentissage très couteux en calculs et en programmation spécifique) et la phase d’utilisation du réseau figé (oui, il y a encore des calculs pour simuler les neurones, mais ils sont triviaux, c’est juste l’énergie nécessaire).

C’est vrai que je n’avais pas imaginé qu’on pouvait considérer que, comme des calculs étaient nécessaires pour faire fonctionner les neurones artificiels (cout de la simulation), alors on pouvait imaginer qu’un réseau neuronal n’était qu’un programme.