Découvrir l'intelligence artificielle au service de l'éducation

La rédactique (ou le « prompt engineering », en anglais) est une discipline qui consiste à concevoir et à optimiser des requêtes données aux modèles d'IA, afin d'obtenir des réponses précises et utiles.

Une requête (ou prompt, en anglais) est une instruction ou une question donnée à un modèle d'IA, comme ChatGPT, pour générer une réponse. Par exemple, « Écris un poème sur les étoiles » est une requête pour un modèle de génération de texte.

Un réseau neuronal est un modèle de calcul inspiré par le fonctionnement du cerveau humain. Il est constitué de neurones artificiels, également appelés unités ou nœuds, organisés en couches. Voici les éléments clés d'un réseau neuronal :

Structure d'un réseau neuronal

1. Couches d'entrée (Input Layer) :

   • La première couche du réseau reçoit les données brutes en entrée.

2. Couches cachées (Hidden Layers) :

   • Entre la couche d'entrée et la couche de sortie, ces couches effectuent des transformations et des calculs sur les données.
   • Chaque neurone dans une couche est connecté à chaque neurone de la couche suivante, formant un réseau dense.

3. Couches de sortie (Output Layer) :

   • La dernière couche du réseau fournit la sortie finale du modèle.

Fonctionnement des neurones

• Neurones :
  • Un neurone reçoit plusieurs entrées, effectue une somme pondérée de ces entrées, et passe cette somme à travers une fonction d'activation (comme la sigmoïde, la tangente hyperbolique ou ReLU) pour produire une sortie.

Apprentissage

• Poids et biais :

  • Chaque connexion entre neurones a un poids, et chaque neurone a un biais qui influence le calcul de la somme pondérée.

• Propagation avant (Forward Propagation) :

  • Les données d'entrée traversent le réseau, de la couche d'entrée à la couche de sortie, en passant par les couches cachées.

• Propagation arrière (Backpropagation) :

  • Après avoir calculé la sortie, le réseau ajuste les poids et les biais en fonction de l'erreur (la différence entre la sortie attendue et la sortie réelle) pour améliorer les performances du modèle. Cet ajustement se fait via l'algorithme de rétropropagation.

Applications

Les réseaux neuronaux sont utilisés dans diverses applications, telles que :

• La reconnaissance d'image
• La reconnaissance vocale
• La traduction automatique
• La prédiction de séries temporelles
• Les jeux vidéo et les systèmes de recommandation