réseaux de neurones

 

Interprétabilité, biais, éthique et transparence : quelles relations ? (3/3)

Public ciblé : Tout public  Dernière mise à jour : 30/10/2020 Cet article est également co-publié sur le Blog Binaire blog de médiation du magazine "Pour la Science"  Troisième et dernier article de notre série qui questionne sur les concepts d’interprétabilité et d’explicabilité des réseaux de neurones, nous finissons ici par une ouverture sur les relations particulières entre l’interprétabilité, les biais, l’éthique et la transparence de ces réseaux. Representations et biais d'un réseau de neurones   Le but d’une approche... Lire la suite

Interprétabilité vs explicabilité : L’Interprétabilité selon différentes approches (2/3)

Public ciblé : Tout public  Dernière mise à jour : 20/10/2020 Cet article est également co-publié sur le Blog Binaire blog de médiation du magazine "Pour la Science"  Si les réseaux de neurones artificiels font partie des algorithmes de Machine Learning les plus précis, ils sont cependant aujourd’hui les plus obscurs pour l’humain (Figure 1).  En effet, dans l’approche que les chercheurs et développeurs ont eu pendant des années, ils ont souvent négligé ou oublié l’interprétabilité et la transparence de... Lire la suite

Interprétabilité vs explicabilité : comprendre vs expliquer son réseau de neurones (1/3)

Public ciblé : Tout public, lycéen·ne·s  Dernière mise à jour : 28/08/2020 Cet article est également co-publié sur le Blog Binaire blog de médiation du magazine "Pour la Science"  Comment comprendre et expliquer une décision automatisée prise1  avec un algorithme de ce qu’on appelle l’Intelligence Artificielle, ou IA, (par exemple un réseau de neurones) ? Il est plus qu’important de pouvoir expliquer et interpréter ces résultats, parfois bluffants ou tout simplement contre-intuitifs, qui orientent souvent nos décisions humaines. Cette problématique... Lire la suite

Architecture des réseaux de neurones : Réseaux de neurones impulsionnels (3/3)!

Public averti Petite introduction : Cet article, le troisième d'une série de 3 articles, a été écrit en collaboration avec André Garenne. Maitre de conférences à l’Université de Bordeaux. André Garenne fait partie de l’équipe transdisciplinaire MNEMOSYNE qui est rattachée à l’INRIA Bordeaux, au LABRI et à l’institut des maladies neurodégénératives (CNRS). Réseaux de neurones impulsionnels Cette famille de modèles se caractérise par un souci de réalisme biologique plus poussé que les neurones artificiels classiques, ce qui induit en général une complexité... Lire la suite

Architecture des réseaux de neurones : Réseaux de neurones artificiels classiques (2/3) !

Public ciblé : Public averti Petite introduction : Cet article, le second d'une série de 3 articles, a été réalisé en collaboration avec André Garenne. Maitre de conférences à l’Université de Bordeaux. André Garenne fait partie de l’équipe transdisciplinaire Mnemosyne qui est rattachée à l’Inria Bordeaux, au LABRI et à l’institut des maladies neurodégénératives (CNRS).  Réseaux de neurones artificiels classiques Plus connus de la communauté machine Learning que leur homologues impulsionnels, ces réseaux se composent de neurones artificiels que nous avons... Lire la suite