×

Résumé

Nous avons tous vu des dessins animés et des films présentant des robots qui parlent et agissent comme des humains (p. ex., Les Jetsons, Iron Man, Terminator). Parfois, ils font peur et parfois, ils sont d’un grand secours. Déclinée sous diverses formes, l’intelligence artificielle (IA) peut souvent ressembler à une chimère qui se produira loin dans l’avenir. Mais si elle était, aujourd’hui, réalité?

L’apprentissage automatique et l’IA sont de plus en plus présents dans les technologies d’aujourd’hui, mais il ne s’agit pas nécessairement de la même chose. Comment pouvons-nous faire la différence entre les deux? Quel usage en fait-on dans la société de nos jours? Pourquoi sont-ils si utiles? Quelle place voulons-nous qu’ils occupent dans le futur? Dans cette activité, nous abordons l’apprentissage automatique et voyons comment il s’inscrit dans le domaine de l’intelligence artificielle. Nous entraînerons notre propre machine pour qu’elle puisse reconnaître les images et réfléchir à des façons de les utiliser pour résoudre des problèmes mondiaux! Pour des renseignements plus détaillés, consultez l’annexe A.

Cette activité a été créee par Science Venture, un membre de réseau Actua, 2019.

Procédure

Préparation

  • Pour cette activité, nous entraînerons un ordinateur afin qu’il puisse reconnaître du texte ou des images et les associer à un résultat. Nous expérimenterons la précision de ses résultats, puis discuterons des moyens de les améliorer.
  • Pour faire cette activité, vous devrez créer un compte de classe dans Machine Learning for Kids et accéder au portail des enseignants (gratuit) pour configurer vos clés API et vos comptes de classe.
  • Voici un guide détaillé étape par étape pour créer des comptes de classe. Suivez les instructions et passez en revue les différentes options pour déterminer quel type de compte convient le mieux à votre groupe.
  • Remarque : vous pouvez avoir seulement deux modèles d’apprentissage automatique avec chaque clé API gratuite. Cependant, les établissements d’enseignement peuvent demander un accès gratuit à la version payante. Des instructions à cette fin sont également incluses dans le guide étape par étape.
  • Une fois que vos clés API sont configurées, procédez à la création des comptes des participants et créez un système permettant à chaque participant d’accéder à son compte. Par exemple, attribuez un numéro à chaque participant et dites que le compte est « SV » et le numéro que vous lui attribuez. Le mot de passe serait le même pour chaque participant.

Introduction à l’IA et à l’apprentissage automatique

  1. Avec un téléphone intelligent ou un autre appareil avec assistance (p. ex., Amazon Alexa, Google Home, etc.), donnez une commande; par exemple : « Hé Siri… dis-moi une blague pour enfants. » (Les instructeurs peuvent voir au préalable ce que Siri ou un autre assistant dira avant que le téléphone ou l’ordinateur ne parle).
  2. Ayez une discussion avec les participants sur ce que veut dire « être intelligent ». Que peuvent faire les êtres humains que les machines ne peuvent pas faire? Que peuvent faire les machines que les gens ne peuvent pas faire? Les ordinateurs en soi sont des appareils qui calculent.
  3. Voici un bon exemple de l’IA au travail :https://www.youtube.com/watch?v=-RHG5DFAjp8
  4. Mais pourquoi sommes-nous si obsédés par l’IA, et comment utilisons-nous déjà la technologie dans notre vie quotidienne? Y a-t-il de l’IA dans nos téléphones? Dans les médias sociaux? Parler des différences entre l’IA et l’apprentissage automatique.
  5. L’IA est un programme qui fait agir un ordinateur comme s’il était intelligent et savait s’adapter aux situations changeantes, alors que tout a été programmé par un être humain. L’apprentissage automatique est la capacité d’un ordinateur à se modifier lui-même en fonction d’un ensemble d’exemples qui lui sont donnés par un humain, et il fonctionne en faisant des prédictions basées sur les modèles qu’il trouve dans les données. De cette façon, l’intelligence informatique peut être préprogrammée ou « entraînée » par l’expérience.
Activité 1 : Entraîner une machine
  1. En tant qu’enseignant, vous pourrez cocréer les « étiquettes ». Ce sont des noms attribués aux objets que la machine reconnaîtra et associera aux points de données. Parcourez la page de projets pour sélectionner votre projet et commencez à créer des étiquettes.
    • Voici quelques exemples d’étiquettes possibles :
    • Noir et blanc
    • Tasses, bols et fourchettes
    • Stylos, crayons et marqueurs
REMARQUE : Plus vous avez d’étiquettes et de points de données sous chaque étiquette, plus l’entraînement sera long. Nous suggérons de vous limiter à deux étiquettes et à quinze points de données pour chacune afin d’avoir assez de temps pour former la machine en moins de dix minutes. Cependant, si vous souhaitez avoir une machine plus précise, vous devrez saisir de nombreux points de données et être prêt à attendre qu’elle termine son entraînement.
  1. Demandez aux participants de trouver dans la classe des objets qui correspondent aux étiquettes que vous avez créées et utilisez l’option webcam pour prendre des photos. Ces photos deviennent vos points de données que la machine utilisera pour s’entraîner. Sinon, vous pouvez aussi obtenir les points de données sur Internet ou les télécharger à partir d’images enregistrées dans l’ordinateur.
  2. Selon le groupe d’âge, il est plus ou moins difficile pour les jeunes de trouver des images en ligne. Pour les groupes les plus jeunes, vous pouvez télécharger d’avance les points de données, tandis que les participants plus âgés peuvent créer ou trouver leurs propres points de données.
  3. Une fois que vous avez au moins dix photos sous chaque étiquette, revenez en arrière et sélectionnez « Learn & Test » (apprendre et tester). De là, l’ordinateur analysera les ensembles de données et, dans un court laps de temps, sera en mesure de fournir des commentaires lorsqu’il recevra de nouvelles images.
    1. En attendant, pensez à faire jouer les enfants avec Google Quick Draw en cliquant ici.
  4. Une fois le processus terminé, vous serez en mesure de soumettre des photos d’objets que vous aimeriez placer sous l’une des étiquettes et de voir ce que la machine dit.

 

Annexe A Contexte
Présentation de l’IA et les modalités connexes
  1. Les différences entre l’IA et l’apprentissage automatique.
  2. L’IA et l’apprentissage automatique en tant que technologie disponible.
  3. L’IA et l’apprentissage automatique comme outils pratiques.
  • On entend par « intelligence artificielle » (IA), la théorie et le développement de systèmes informatiques capables d’exécuter des tâches qui nécessitent normalement l’intelligence humaine, telles que la perception visuelle, la reconnaissance vocale, la prise de décision et la traduction langagière.
    • IA forte : (une machine ayant une conscience, une sensibilité et de l’esprit) ou l’intelligence générale artificielle (une machine capable d’appliquer l’intelligence à n’importe quel problème, plutôt qu’à un seul problème spécifique).
    • IA faible ou étroite : axée sur une tâche étroite
    • Type I : IA réactive : perçoit son environnement ou la situation directement et agit en fonction de ce qu’elle voit.
    • Type II : Mémoire limitée : prend en compte des informations passées et les ajoute à des représentations préprogrammées du monde.
    • Type III : Théorie : capacité à comprendre les pensées et les émotions qui affectent le comportement humain. Comprend les sentiments, les motivations, les intentions et les attentes et peut interagir socialement.
    • Type IV : Conscience de soi : une extension du type III, conscient des états internes, peut prédire les sentiments des autres et peut faire des abstractions et des inférences. Super intelligence, sensibilité et conscience.
  • L’apprentissage profond fait partie d’une gamme élargie de méthodes d’apprentissage automatique basées sur l’apprentissage des représentations de données, par opposition aux algorithmes spécifiques aux tâches. L’apprentissage peut être supervisé, semi-supervisé ou non supervisé.
  • L’apprentissage automatique est un domaine de l’informatique qui recourt à des techniques statistiques pour donner aux systèmes informatiques la capacité « d’apprendre » (par exemple, améliorer progressivement les performances sur une tâche spécifique) avec des données, sans être explicitement programmés.
    • Supervisé : tâche d’apprentissage automatique consistant à apprendre une fonction qui mappe une entrée à une sortie en fonction d’exemples de paires entrée-sortie.
    • Non supervisé : tâche d’apprentissage automatique consistant à déduire une fonction qui décrit la structure de données « non étiquetée » (c’est-à-dire des données qui n’ont pas été classées ou catégorisées).
  • Les réseaux de neurones artificiels sont des systèmes informatiques vaguement inspirés des réseaux de neurones biologiques qui forment le cerveau des animaux. Ces systèmes « apprennent » à effectuer des tâches en prenant des exemples, généralement sans être programmés avec des règles spécifiques à une tâche.

Renseignements supplémentaires : https://www.youtube.com/watch?v=3bJ7RChxMWQ

Réflexion & compte rendu

  • Qu’est-ce qui pourrait réduire la précision de ce modèle d’apprentissage automatique?
    • Le modèle d’apprentissage automatique.
    • Ne pas avoir suffisamment d’exemples de haute qualité.
    • La qualité de la caméra des ordinateurs.
    • La qualité de lumière dans la pièce.
  • Comment pourrions-nous améliorer notre modèle d’apprentissage automatique?
    • Avoir plus de points de données! Plus la machine a de données pour son apprentissage, plus elle peut « observer » une grande diversité tout en sachant que le point de données est « x ». Cette augmentation de variables permet à la machine d’évaluer un ensemble plus large de données avec une plus grande certitude.
  • En quoi l’apprentissage automatique est-il utile dans notre vie quotidienne?
  • Que pourrions-nous créer en sachant ce que nous savons maintenant?

Prolongements & modifications

Comment adapter le temps, l’espace, les appareils, la taille des équipes ou les instructions pour rendre cette activité plus accessible ou stimulante?

Prolongement

  • Ajoutez une activité Scratch qui porte sur l’apprentissage automatique afin d’intégrer la programmation de niveau débutant à l’atelier. Make me Happy est un simple plan de cours Scratch de niveau débutant dans lequel les participants apprennent à l’ordinateur à reconnaître les insultes ou les compliments. Ce prolongement ajoute environ 45 minutes à l’atelier d’origine.

Modifications

  • Pour les groupes plus jeunes, vous pouvez charger au préalable les points de données sur la machine pour son entraînement. Les jeunes participants pourraient simplement en apprendre davantage sur l’apprentissage automatique et tester le modèle – cette activité peut être transformée en jeu. On peut faire cela avec des dessins, des couleurs, etc.
Ce site utilise des cookies pour vous garantir la meilleure expérience utilisateur. En poursuivant votre navigation sur ce site, vous acceptez l'utilisation de cookies.
Acceptez