A
Agent : Entité autonome pouvant être dotée de la capacité de communiquer, disposant d’une connaissance partielle de ce qui l’entoure et d’un comportement privé, ainsi que d’une capacité d’exécution propre. Il peut agir pour le compte d’un tiers (un autre agent, un utilisateur) qu’il représente sans être obligatoirement connecté à celui-ci, réagit et interagit avec d’autres agents (selon les propriétés de l’agent simulé).
B
Big Data : Ensemble de données massives caractérisées par les 3 V : Volume, Vélocité (flux important) et Variété (données numériques, catégorielles, textuelles, images, vidéos, issues de sources hétérogènes,, etc).
C
Cognition : Ensemble des processus mentaux qui se rapportent à la fonction de connaissance et mettent en jeu la mémoire, le langage, le raisonnement, l’apprentissage, l’intelligence, la résolution de problèmes, la prise de décision ou la perception. En Intelligence Artificielle, ces processus sont transposables.
CNN : Convolutional Neural Network (ou Réseau de Neurones Convolutifs en français). Très utilisé en reconnaissance d’images et de vidéos (perception en général), ce réseau de neurones s’inspire du cortex visuel et contient de multiples couches cachées traitant de petites quantités d’information désignant des motifs (petites zones d’image).
D
Data Lake : Méthode de stockage de données volumineuses, de nature hétérogène, évitant de les transformer, de façon à conserver leur format d’origine.
Data Science : Ensemble de méthodes de tri et d’analyse de données plus ou moins complexes pour en extraire des informations utiles pour l’utilisateur.
Décision : Processus qui utilise des entrées (provenant de capteurs, perception de l’environnement ou d’échanges avec d’autres entités), effectue un traitement de ces informations (en utilisant également d’autres connaissances déjà acquises par exemple) et une évaluation en vue d’élaborer une réponse appropriée (mouvement, réaction, envoi de message, etc) pour satisfaire un objectif.
Deep Learning : Sous-ensemble du domaine Machine Learning (apprentissage automatique). Tâche automatisée consistant à ajuster une fonction de prédiction qui imite les réseaux de neurones du cerveau.
G
GAN : Generative Adversarial Network (ou Réseaux Adverses Génératifs en français). C’est un modèle d’apprentissage non-supervisé où deux réseaux sont placés en compétition. Le premier réseau, le générateur, crée un échantillon (par exemple une image) tandis que son adversaire, le discriminateur essaie de détecter si cet échantillon est réel ou bien s’il est le résultat du générateur.
I
Intelligence artificielle : Ensemble des théories et des techniques mises en oeuvre en vue de réaliser des machines capables de simuler l’intelligence humaine, en intégrant des facultés d’apprentissage, de reconnaissance d’objets et de prise de décision.
M
Machine Learning : Apprentissage automatique en français. Sous-ensemble du domaine Intelligence Artificielle. Tâche consistant à apprendre à partir de données pour construire ou mettre à jour un modèle. Le modèle de données, objet de l’apprentissage, doit être adapté à l’objectif poursuivi : prévision, alerte, reconnaissance d’objets, diagnostique, etc.
Modèle : Objet mathématique représentant une abstraction de la réalité qui, une fois entrainé après la phase d’apprentissage, peut effectuer des prédictions de résultats. Par exemple, un modèle de réseau de neurones convolutifs entrainé à reconnaitre des tumeurs sur des images médicales.
P
Perception : Processus de collecte d’informations qui peut être effectué par des capteurs (pour les dispositifs électroniques), des sondes interceptant des flux d’information (pour des programmes) ou par échanges de données entre plusieurs entités communicantes (selon la nature et la capacité des agents). L’objectif est de fournir suffisamment d’information pour établir un modèle de représentation de l’environnement.
S
Système multi-agents : Système composé d’un ensemble d’agents plus ou moins intelligents et autonomes selon leur nature (processus, robot, être humain, etc) et leurs objectifs, situés dans un environnement et interagissant entre eux.