Réseaux de neurones artificiels (ANN) définis
Les réseaux de neurones artificiels (RNA) sont les pièces d'un système informatique conçu pour simuler la façon dont le cerveau humain analyse et traite les informations. Ils constituent les fondements de l'intelligence artificielle (IA) et résolvent des problèmes qui seraient impossibles ou difficiles du point de vue humain ou statistique. Les ANN ont des capacités d’autoapprentissage qui leur permettent de produire de meilleurs résultats à mesure que davantage de données deviennent disponibles.
Briser les réseaux de neurones artificiels (ANN)
Les réseaux de neurones artificiels (RNA) ouvrent la voie à la mise au point d’applications qui changeront la vie de tous les secteurs de l’économie. Les plates-formes d'Intelligence Artificielle (IA) construites sur ANN perturbent la manière traditionnelle de faire les choses. Que ce soit pour traduire des pages Web dans d’autres langues, pour avoir un assistant virtuel qui commande des achats en ligne ou pour converser avec des chatbots pour résoudre des problèmes, les plates-formes d’IA simplifient les transactions et rendent les services accessibles à tous à un coût négligeable.
Comment fonctionne le système?
Les réseaux de neurones artificiels sont construits comme le cerveau humain, avec des nœuds de neurones interconnectés comme un réseau. Le cerveau humain contient des centaines de milliards de cellules appelées neurones. Chaque neurone est constitué d'un corps cellulaire responsable du traitement de l'information en acheminant les informations vers (entrées) et loin (sorties) du cerveau. ANN a des centaines ou des milliers de neurones artificiels appelés unités de traitement, qui sont interconnectées par des nœuds. Ces unités de traitement sont constituées d'unités d'entrée et de sortie. Les unités d’entrée reçoivent diverses formes et structures d’informations sur la base d’un système de pondération interne, et le réseau de neurones tente de connaître les informations présentées pour produire un rapport de sortie. Tout comme les humains ont besoin de règles et de directives pour produire un résultat ou une sortie, les ANN utilisent également un ensemble de règles d'apprentissage appelées rétropropagation, une abréviation pour la propagation inversée de l'erreur, afin de perfectionner leurs résultats de sortie.
Un ANN passe initialement par une phase de formation où il apprend à reconnaître les modèles de données, que ce soit visuellement, auditivement ou textuellement. Au cours de cette phase supervisée, le réseau compare la sortie réelle produite à ce qu’elle était censée produire, c’est-à-dire la sortie souhaitée. La différence entre les deux résultats est ajustée à l’aide de la rétropropagation. Cela signifie que le réseau effectue un retour en arrière, passant de l'unité de sortie aux unités d'entrée, pour ajuster le poids de ses connexions entre les unités jusqu'à ce que la différence entre le résultat réel et le résultat souhaité produise l'erreur la plus faible possible.
Au cours de la phase de formation et de supervision, on apprend à l'ANN ce qu'il faut rechercher et quel devrait être son résultat, en utilisant des types de questions Oui / Non avec des nombres binaires. Par exemple, une banque qui souhaite détecter à temps les fraudes par carte de crédit peut avoir quatre unités d’entrée alimentées avec les questions suivantes: (1) La transaction a-t-elle lieu dans un pays différent de celui du pays de l’utilisateur? (2) Le site Web sur lequel la carte est utilisée est-il utilisé par des sociétés affiliées à des sociétés ou des pays figurant sur la liste de surveillance de la banque? (3) Le montant de la transaction est-il supérieur à 2 000 $? (4) Le nom figurant sur la facture de transaction est-il identique au nom du titulaire de la carte? La banque souhaite que les réponses "fraude détectée" soient Oui Oui Oui Non, qui au format binaire serait 1 1 1 0. Si la sortie réelle du réseau est 1 0 1 0, elle ajuste ses résultats jusqu'à ce qu'elle délivre une sortie qui coïncide avec 1 1 1 0. Après la formation, le système informatique peut alerter la banque des transactions frauduleuses en attente, permettant ainsi d’économiser beaucoup d’argent.
Applications pratiques
Les réseaux de neurones artificiels ont été appliqués dans tous les domaines d’opérations. Les fournisseurs de services de messagerie utilisent ANN pour détecter et supprimer les spams de la boîte de réception d'un utilisateur. les gestionnaires d'actifs l'utilisent pour prévoir la direction des actions d'une entreprise; Les agences de notation l'utilisent pour améliorer leurs méthodes de notation de crédit; les plates-formes de commerce électronique l'utilisent pour personnaliser les recommandations à l'intention de leur public; les chatbots sont développés avec ANN pour le traitement du langage naturel; les algorithmes d'apprentissage en profondeur utilisent ANN pour prédire la probabilité d'un événement; et la liste des sociétés constituées par ANN est utilisée dans plusieurs secteurs, industries et pays.
Comparaison des comptes d'investissement Nom du fournisseur Description Divulgation par l'annonceur × Les offres figurant dans ce tableau proviennent de partenariats avec lesquels Investopedia reçoit une rémunération.