Comment l’IA apprend-elle?
Afficher la diapositive sept
Choisissez un étudiant volontaire pour être le « robot IA ». Révélez-lui la règle secrète : tout ce qui est orange est un chat , et tout ce qui n’est pas orange n’est pas un chat .
Dites aux autres élèves que l’IA a été informée que les trois premières images représentent toutes des chats.
Demandez-leur de deviner :
- Est-ce que le texte dira que le chat noir est un chat ?
- Est-ce que le texte dira que le renard est un chat ?
Demandez au volontaire « IA » de répondre : le chat noir n’est pas un chat, et le renard est un chat.
Affichez la diapositive huit si vous utilisez les diapositives.
Demander:
- Est-ce la bonne réponse ? (Non. Un chat noir est un chat, et un renard n’est pas un chat.)
- Quelqu’un donnerait-il cette réponse ? ( Probablement pas ! Après avoir vu trois chats, vous seriez presque certainement capable de faire la différence entre un chat et un renard.)
Affichez la diapositive neuf si vous utilisez les diapositives.
Demander:
- À votre avis, pourquoi le « robot » a-t-il dit cela ?
- Quelle règle suivait-il ?
Laissez les élèves discuter quelques minutes. Ne cherchez pas encore à parvenir à un consensus ou à une définition.
Affichez la diapositive dix si vous utilisez ce jeu de diapositives.
Expliquez aux élèves que si les IA semblent « penser » et « décider », c’est parce qu’elles recherchent des schémas dans ce que leurs créateurs leur présentent. Elles testent ces schémas et ceux qui fonctionnent deviennent des règles.
Laissez l’élève « robot IA » expliquer quelle était la règle :
Tout ce qui est orange est un chat, et tout ce qui n’est pas orange n’est pas un chat.
Affichez la diapositive onze si vous utilisez ce jeu de diapositives.
Demandez aux étudiants :
- Comment cette règle a-t-elle été établie ? (Tous les chats présentés étaient orange.)
- Comment modifieriez-vous cette règle pour qu’elle reconnaisse que les chats noirs sont des chats, et que les renards ne sont pas des chats ?
Laissez les élèves en discuter quelques minutes. Insistez sur le fait qu’il est possible de corriger une IA en lui indiquant quelles réponses sont justes ou fausses.
Expliquez qu’il existe deux solutions : soit faire tester et corriger le système par ses créateurs avant sa mise en service, soit laisser l’IA se corriger automatiquement à chaque erreur. (La plupart des IA font les deux !)
Affichez la diapositive douze si vous utilisez les diapositives, ou retirez les balles rebondissantes.
Révélez à l’étudiant bénévole la règle secrète : tout ce qui est rond rebondit.
Demandez aux élèves : Si les trois premiers objets rebondissent, l’IA dira-t-elle que le dernier rebondira ?
Demandez au volontaire « IA » de donner la réponse : la dernière balle rebondira.
Affichez la diapositive treize si vous utilisez les diapositives, ou retirez l’un des fruits ronds.
Demandez aux élèves : L’IA dira-t-elle que le fruit va rebondir ?
Demandez au volontaire « IA » de répondre : le fruit rebondira.
Affichez la diapositive quatorze si vous utilisez les diapositives.
Demandez aux étudiants :
- Quel schéma l’IA a-t-elle repéré ?
- Quelle règle a-t-elle édictée ?
- Pourquoi a-t-il donné la bonne réponse une fois ?
Pourquoi a-t-il donné une mauvaise réponse une fois ?
Laissez l’élève « robot IA » expliquer quelle était la règle :
Tout ce qui est rond rebondit.
Expliquez cela car nous ne savons pas toujours quand l’IA fait une erreur, car (comme dans ce cas) elle peut donner la bonne réponse pour la raison.
Affichez la diapositive quinze si vous utilisez les diapositives.
Demandez aux élèves : Si vous montriez à une IA un ballon de basket, un ballon de volley et une orange, devinerait-elle qu’un ballon de football rebondirait ? Devinerait-elle qu’une pomme rebondirait ?
Laissez les élèves en discuter quelques minutes. Insistez sur le fait qu’on peut améliorer les réponses d’une IA en lui montrant davantage d’exemples afin qu’elle n’établisse pas de règles trop restrictives (par exemple, en lui montrant que tous les chats ne sont pas oranges, ou que tous les objets ronds ne rebondissent pas).
Expliquez qu’il existe deux méthodes : soit en présentant davantage d’exemples à l’IA avant son utilisation, soit en faisant en sorte que chaque bonne ou mauvaise réponse de l’IA constitue un nouvel exemple. (La plupart des IA combinent les deux !)