Modèles d'intelligence artificielle inspirés du fonctionnement des neurones biologiques. Les réseaux de neurones artificiels (RNA) constituent la base du deep learning moderne.
Les réseaux de neurones artificiels (RNA) sont des modèles mathématiques constitués de couches de nœuds appelés neurones. Chaque neurone reçoit des signaux en entrée, les pondère via des poids, applique une fonction d'activation et transmet un signal de sortie. Ces couches successives permettent d'apprendre des représentations complexes. Les architectures de réseaux peuvent être variées : réseaux feed-forward (perceptrons multicouches), réseaux convolutifs (CNN) pour la vision, réseaux récurrents (RNN, LSTM) pour les séquences, ou encore transformers pour le langage. Entraînés par rétropropagation et descente de gradient, ils ajustent leurs paramètres pour minimiser une fonction de perte. Les RNA sont devenus incontournables grâce aux avancées en puissance de calcul et à la disponibilité massive de données. Ils sont utilisés en reconnaissance d'images, traitement du langage, recommandation et génération de contenus. Cependant, leur fonctionnement interne reste souvent opaque, d'où le qualificatif de « boîte noire ».
Découvrez tous nos termes et concepts dans le lexique complet