Intelligéncia artificiala

Una intelligéncia artificiala, sovent dicha IA, es un sistèma informatic que permet a una maquina de simular de rasonaments ò de comportaments umans. L'idèa de maquinas d'aqueu tipe foguèt imaginada tre l'Antiquitat e represa durant l'Edat Mejana e la Renaissença. A partir deis ans 1940, lei progrès dins la formalizacion dei matematicas e l'invencion de l'ordinator permetèron de pausar lei basas teoricas e de concebre lei premiereis intelligéncias artificialas. Lo sector conoguèt de progrès considerables durant la segonda mitat dau sègle XX e enregistrèt un succès restontissent en 1997 amb la victòria dau superordinator Deep Blue còntra lo campion d'escacs Garry Kasparov.

Maquina amb una forma umana e una intelligéncia artificiala.

Dempuei aquela data, lei programas basats sus una intelligéncia artificiala, venguts frequents en certanei sectors tre leis ans 1980, se son desvolopats dins la vida vidanta gràcias au desvolopament d'internet. L'IA es ansin a l'origina d'una branca importanta de l'industria actuala dei tecnologias informaticas, portada per lei companhiás multinacionalas de l'informatica. D'efiech, leis aplicacions son fòrça nombrosas e incluson lei motors de recèrca, leis assistents virtuaus, lei sistèmas de conduchas dei veïculs autonòms, lei sistèmas expèrts e lei videojòcs.

Istòria modificar

Leis idèas precursoras modificar

L'idèa de crear una maquina dotada d'una intelligéncia similara a l'intelligéncia umana es relativament vièlha en Euròpa Mediterranèa e en Orient Mejan[1]. Per exemple, i a de traças d'automats en Egipte e en Grècia durant l'Antiquitat[2]. Pus tard, un tractat de l'alquimista arabi Jabir Ibn Hayyan (721-815) estúdia la possibilitat de generar artificialament d'èssers vivents[3]. Durant la Renaissença, aquel interès de l'alquimia contunia coma o mòstran lei trabalhs e lei legendas sus leis homunculus de Paracelse (1494-1541) e lo Golèm[4][5]. Enfin, au sègle XVIII, se pòu citar lo canard de Vaucanson qu'es un automat capable de simular la digestion[6].

En parallèl, de reflexions aguèron luòc sus l'intelligéncia en vista de concebre una intelligéncia mecanica. Per aquò, l'interès de la logica e deis algoritmes foguèt percebut tre l'Antiquitat[7]. Au sègle XIII, lo filosòf malhorquin Ramon Llull (1232-1315) concebèt una « maquina logica » destinada a verificar la validitat d'un postulat a partir de règlas e d'operacions logicas[8]. Son trabalh aguèt una influéncia importanta sus lei trabalhs ulteriors, especialament aquelei de René Descartes (1596-1650), de Thomas Hobbes (1588-1679) e de Leibniz (1646-1716)[9]. Aquò ancorèt l'idèa d'un liame dirècte entre la pensada racionala e lo caractèr sistematic de l'algèbra e de la geometria[10] e, per exemple, Leibniz imaginèt un lengatge universau de rasonament, dicha « characteristica universalis », assimilant l'argumentacion a un calcul.

Lei progrès dins lo formalisme matematic realizats a partir dau sègle XVIII favorizèron un desvolopament de l'estudi teoric de l'intelligéncia artificiala. De basas importantas foguèron ansin publicadas dins Lei Lèis de la Pensada de George Boole (1815-1864) e dins Ideografia de Gottlob Frege (1848-1925)[11][12]. Puei, en 1913, Bertrand Russell (1872-1970) e Alfred Whitehead (1861-1947) sintetizèron lo tractament formau dei matematicas dins Principia Mathematica[13]. David Hilbert (1862-1943) produguèt tanben de tèxtes importants dins lo domeni dins leis ans 1920-1930. La conclusion d'aquelei recèrcas foguèt paradoxala : d'un caire, de limits ai capacitats d'expression de la logica matematica foguèron identificats mai d'autre caire, la possibilitat de mecanizar totei lei rasonaments matematics foguèt largament acceptada per la comunautat scientifica. En parallèl, l'invencion dei premierei maquinas industrialas programablas permetèt de donar una basa novèla ais idèas de maquinas intelligentas[14].

De l'aparicion de l'intelligéncia artificiala ai premiereis aplicacions modificar

L'invencion dei concèptes modificar

A partir deis ans 1940, l'intrada en servici dei premiereis ordinators permetèt a quauquei scientifics de discutir de la possibilitat de crear un cervèu artificiau. Conjugat amb lo desvolopament de la cibernetica, aquò menèt a l'invencion de la màger part dei concèptes de basa de l'intelligéncia artificiala. D'efiech, tre 1943, foguèt prepausada la premiera representacion de la neuròna formala per Warren McCulloch (1898-1969) e Walter Pitts (1923-1969)[15]. Puei, en 1948, la teoria de l'informacion de Claude Shannon (1916-2001) detalhèt lo caminament d'un sinhau dins un circuit electric. Dos ans pus tard, Alan Turing (1912-1954) detalhèt lei condicions necessàrias per crear un sistèma intelligent e imaginèt son tèst famós per assaiar d'identificar l'intelligéncia en una maquina. Lei trabalhs se multipliquèron alora fins a la conferéncia de Dartmouth que se debanèt en 1956. Organizada per Marvin Minsky (1927-2016) e John McCarthy (1927-2011), es considerada coma l'eveniment a l'origina de la recèrca modèrna sus l'intelligéncia artificiala[16].

Lei premiers desvolopaments modificar

Après 1956, la recèrca sus l'intelligéncia artificiala foguèt largament sostenguda per d'agéncias governamentalas coma la DARPA[17]. Aquò menèt rapidament a d'invencions importantas coma lo Lisp, totjorn un dei lengatges pus populars de programacion deis IA, en 1958. L'an seguent, lo General Problem Solver metèt en òbra un sistèma d'aprendissatge per resòuvre de problemas algebrics e geometrics[18]. En 1964, lo programa ELIZA foguèt capable de simular una conversion umana gràcias a de reformulacions dei questions pausadas. Aquò èra l'illustracion dei progrès realizats sus lei rets semanticas per comunicar un lengatge uman ai maquinas. Pasmens, la crisi deis ans 1970 entraïnèt una importanta reduccion dei budgets de recèrca.

Aqueu periòde veguèt tanben de descubèrtas importantas coma l'invencion dau lengatge de programacion Prolog per la còla marselhesa d'Alain Colmerauer (1941-2017) e de Philippe Roussel (nascut en 1945)[19]. Aqueu lengatge permetèt de melhorar l'eficacitat dei calculs. Pasmens, fòrça criticas apareguèron còntra leis IA. En particular, foguèt definida la paradòxa de Moravec que ditz globalament que « lo pus malaisat en robotica es sovent lo pus simple per l'òme »[20]. Aquò èra un dobte clar sus la capacitat de reprodurre leis aptituds sensorimotritz umanas. I aguèt tanben de criticas còntra la manca de poissanças dei sistèmas informatics utilizats per realizar d'IA e sus l'abséncia d'intelligéncia vertadiera dei maquinas construchas. Una consequéncia foguèt l'abandon dei recèrcas sus lei rets neuronicas fins a una resurgéncia de l'interès per aquela tecnologia en França dins leis ans 1980[21].

Lei premiers sistèmas comerciaus modificar

A partir de 1980, lei recèrcas sus l'intelligéncia artificiala tornèron venir importantas. Pasmens, lo desvolopament de sistèmas comercializables, magerament de sistèmas expèrts, foguèt un deis aisses majors d'aquela renaissença. Un dei premiereis exemples de sistèma expèrt es Dendral, editat en 1965, que permetiá d'identificar de compausats quimics[22]. En 1972, un programa, dich Mycin, permetèt d'ajudar lo diagnostic de malautiás infecciosas dau sang[23]. Per evitar lo problema de la manca de conoissenças generalas, lei sistèmas expèrts s'especializèron dins un domeni donat. Aquò facilitèt la concepcion de programas utilizables e lo sistèma Xcon, destinat a optimizar d'ordinators, venguèt un dei premiers succès comerciaus dei fabricants d'IA[24]. Ansin, dins lo corrent deis ans 1980, un sector industriau centrat sus l'intelligéncia artificiala se formèt ais Estats Units.

Lo crac d'octòbre de 1987 entraïnèt una novèla reduccion drastica dei budgets de recèrca. Coma durant la crisi petroliera deis ans 1970, foguèt acompanhada de criticas sus l'abséncia d'intelligéncia vertadiera dei programas d'IA. D'autrei criticas expliquèron l'abséncia de resultats vertadiers per l'abséncia de còrs fisics. D'efiech, per sei tenents, la percepcion dau còrs es un element caracteristic deis entitats intelligentas. Assaièron donc d'integrar d'apòrts eissits de la robotica au sector de l'IA e estudièron la concepcion de robòts dotats d'una IA.

Leis intelligéncias artificialas actualas modificar

La generalizacion deis agents « intelligents » modificar

Lo 11 de mai de 1997, la victòria de l'ordinator Deep Blue còntra lo campion d'escacs Garry Kasparov demostrèt la factibilitat d'una intelligéncia artificiala au grand public. Dins aquò, leis ans 1990 foguèron subretot l'epòca de desvolopament e de generalizacion deis agents intelligents. Aquelei programas son d'entitats autonòmas capables de percebre lor environament gràcias a de captors e d'agir gràcias a d'efectors per agantar d'objectius donats[25]. Permetèron de crear d'assistents personaus virtuaus ò de crear de veïculs autonòms[26]. D'un biais pus espectaclós, aquò menèt a la concepcion de robòts autonòms que podián realizar certanei pretzfachs.

L'integracion dei megabasas de donadas dins lei sistèmas d'IA modificar

Dempuei la fin deis ans 2010, lo domeni deis intelligéncias artificialas es dominat per l'integracion de basas de donadas sensa precedents dins lei modèls d'aprendissatge. Aquò suscita ansin d'interès per lei rets neuronicas, qu'an besonh de donadas per aprendre, e per l'enregistrament dei informacions necessàrias. D'efiech, se pausa desenant la question de la marchandizacion e de la proteccion dei donadas, especialament aquelei que regardan la vida privada. Pasmens, en parallèl, permetèt la concepcion de sistèmas expèrts pus performants, eficaças per preveire de comportaments umans, ò d'intelligéncias pus largas, capablas de simular de discussions sus de tèmas variats. L'accès a de programas basats sus d'intelligéncias artificialas es tanben vengut pus frequent, especialament sus internet onte plusors companhiás multinacionalas an desvolopat d'IA d'ajuda ò de discussion. Se l'intelligéncia d'aquelei sistèmas demòra en realitat fòrça limitada, pòdon desenant simular de conversacions ò produrre d'imatges quasi identics ais òbras umanas, çò qu'engendra de questions e de debats novèus.

Definicion modificar

Article detalhat: Tèst de Turing.

L'intelligéncia artificiala es sovent definida coma l'ensemble dei teorias e dei tecnicas destinadas a metre en òbra una maquina capabla de simular l'intelligéncia umana. Pasmens, per mesurar aquela capacitat, divèrsei tèsts ò critèris de quantificacion son estats prepausats. Lo principau es lo tèst de Turing. Formulat en 1950, es una proposicion fondada sus la facultat d'una maquina d'imitar la conversacion umana. Segon son autor, permet de determinar s'una maquina pòu èsser considerada coma « conscienta »[27]. Per aquò, lo tèst consistís a plaçar un uman de clucons dins una dicussion implicant un ordinator e un autre uman. Se lo premier individú es pas capable d'identificar la maquina e l'uman, la maquina es considerada coma conscienta. A l'ora d'ara, ges de maquina es estada capable de reüssir aqueu tèst. Pasmens, es criticat car permetriá subretot d'identificar un sistèma capable d'imitar lo parlar uman[28].

D'autrei tèsts son donc estats suggerits per avalorar la performància d'una intelligéncia artificiala. Lo « tèst dau cafè » consistís a plaçar una maquina intelligenta dins un ostau desconegut e a li demandar una tassa de cafè. Permet de verificar lei capacitats d'orientacion, de deduccion (foncionament de la maquina-cafè...) e de cèrca deis ingredients e otís necessaris (tassa, aiga, cafè...). Lo « tèst de l'estudiant » es puslèu destinat a verificar lei capacitats cognitivas de la maquina que dèu s'inscriure dins una universitat, seguir lei cors e capitar seis examens. Enfin, fau nòtar lo « tèst de l'embaucha » que sembla lo tèst de Turing car, dins aquela experiéncia, la maquina dèu obtenir un emplec dins una entrepresa[29].

Lei concèptes e sistèmas d'intelligéncia artificiala modificar

Lei corrents de pensada de la concepcion d'IA modificar

Articles detalhats: Cognitivisme e Connexionnisme.

Tre leis ans 1940, lei precursors de la cibernetica s'interessèron a plusors disciplinas coma lei sciéncias socialas, la psicologia, la neurofisiologia ò la logica. Aquò menèt a l'emergéncia de dos apròchis diferents inspirats per lei sciéncias cognitivas. Per lo cognitivisme, lo vivent manipula de simbòls elementaris segon un procès de tractament de l'informacion per construrre sa pensada. Per exemple, un enfant qu'emplís e que vueja de veires d'aiga de talhas diferentas pòu comprendre que la quantitat de liquid presenta dins un veire despend de dos elements simples que son l'autor d'aiga dins lo veire e lo diamètre dau recipient. Ansin, per l'experiéncia, l'enfant vèn capable d'arbitrar entre aquelei paramètres per se servir una quantitat donada d'aiga.

L'autre corrent es lo connexionisme. Per eu, lei fenomèns mentaus ò comportamentaus son de procès complèxs « emergents » eissits de l'interaccion entre plusors rets d'unitats simples connectadas entre elei. Lo concèpte « d'emergéncia » designa lo fach que, se lei procès complèxs son engendrats per lei proprietats que dirigisson leis unitats de basa de la ret, an egalament una dimension « novèla » que s'estend ben en delà d'aquelei proprietats. Lo logician britanic John Stuart Mill (1806-1873) donèt ansin l'exemple de l'aiga coma sistèma connexionista. D'efiech, lei proprietats de l'aiga son pas reductiblas a aquelei de l'idrogèn e de l'oxigèn[30]. Au nivèu de l'intelligéncia artificiala, lei principis dau connexionisme son mai que mai utilizats per la concepcion de sistèmas basats sus de rets de neurònas formalas[31].

Pasmens, aqueleis apròchis son pas necessariament opausats. Dins lei sistèmas modèrnes, son puslèu utilizats d'un biais complementari. Tanben, son conjugats amb lei concèptes de redondància, de reentrància e de seleccion. Lo premier es destinat a limitar leis efiechs dei panas en multiplicant lei circuits permetent lo foncionament dau sistèma globau. Lo segond consistís en la mesa d'un mecanisme permetent lo partiment permanent de l'informacion entre lei diferents compausants dau sistèma. Enfin, la seleccion permet d'identificar e de gardar lei comportaments jutjats eficaç.

Lei tipes diferents d'intelligéncia artificiala modificar

Leis intelligéncias artificialas generalas modificar

Leis intelligéncias artificialas generalas (IAG) es un sistèma capable de realizar ò d'aprendre totei lei pretzfachs cognitivas pròprias ais èssers umans ò ais animaus. Tanben, son de còps definidas coma de sistèmas informatics que subrepassan leis umans dins la màger part dei pretzfachs aguent un interès economic. Leis IAG foguèron lòngtemps consideradas coma un objècte purament especulatiu car un cervèu uman mejan pòu realizar 1013 operacions cada segonda. Òr, fins a la fin deis ans 2010, i aviá pas de maquinas capablas d'agantar un tau nivèu. Desenant, d'ordinators amb una tala poissança de calcul existisson mai se pausa encara lo problema de la comprenença de la part implicita dau parlar uman per lo sistèma.

Leis intelligéncias artificialas fòrtas modificar

Leis intelligéncias artificialas fòrtas son de còps confondudas amb leis intelligéncias artificialas generalas. Per lei tenents de l'existéncia de dos tipes d'IA diferents, leis intelligéncias artificialas fòrtas designan de maquinas capablas d'aver un comportament intelligent, de modelizar d'idèas abstrachas, d'esprovar una consciéncia vertadiera e una comprenença de sei rasonaments[32]. A respècte de l'intelligéncia artificiala generala, l'intelligéncia artificiala fòrta fa donc intervenir de consideracions filosoficas dins sa definicion.

Leis intelligéncias artificialas feblas modificar

Leis intelligéncias artificialas feblas son de programas que simulan l'intelligéncia umana e que semblan d'aver d'accions intelligentas. Aquelei sistèmas son pas considerats coma intelligents au sens estricte dau tèrme, compres aquelei que simulan de conversacions umanas. De mai, aquela categoria d'IA es sovent limitada a un pretzfach ò un domeni donat[33]. Pasmens, per leis engenhaires, lo concèpte es util per descriure de maquinas capablas d'imitar de comportaments umans. Leis intelligéncias artificialas feblas son relativament frequentas dempuei la fin deis ans 2010. Siri, l'assistent virtuau desvolopat per Apple, es un exemple d'intelligéncia artificiala d'aqueu tipe.

Lei sistèmas actuaus modificar

Lei sistèmas expèrts modificar

Article detalhat: Sistèma expèrt.

Lei sistèmas expèrts son de programas capables de simular lei mecanismes cognitius d'un expèrt dins un domeni particular per respòndre a una question. Per aquò, son constituïts d'una basa de donadas, d'un ensemble de règlas e d'un motor d'inferéncia. Son centre es aqueu motor qu'es un algoritme de simulacion d'un rasonament deductiu que permet de selecionnar la respònsa adaptada a partir dei fachs e dei règlas coneguts. La qualitat d'aquela respònsa despend largament de la basa de donadas e lei sistèmas expèrts actuaus son desenant melhorats per de metòdes d'aprendissatge automatic que permèton a la maquina d'aquistar rapidament de quantitats importantas de conoissenças. Leis aplicacions dei sistèmas expèrts son fòrça nombrosas (motors de recèrca, videojòcs, programa d'ajuda a la decision...) mai l'intelligéncia d'aquelei programas es inexistenta en fòra de son domeni d'expertisa[34].

Lei rets neuronicas modificar

Lei rets de neurònas artificialas son de sistèmas que sa concepcion es inspirat per lo foncionament dei neurònas biologicas[35][36]. Pauc a cha pauc, an tanben integrat de metòdes estatistics per tractar l'informacion. La basa d'aquelei maquinas es la neuròna formala qu'es un modèl simplificat dei neurònas observadas dins la natura. La neuròna formala es un automat dotat d'una foncion de transferiment que transforma seis intradas en sortida segon de règlas precisas. Per exemple, una neuròna soma seis intradas e emet un sinhau s'aquela soma es egala ò superiora a una valor definida. Aquelei neurònas son associadas per formar una ret compausada de neurònas aguent de missions diferentas : neuròna proactiva destinada a emetre un sinhau, neuròna de recurréncia... De mai, per simular mai la plastificitat d'un cervèu biologic, aquelei rets intègran de règlas permetent de modular l'influéncia de cada neuròna dins lo sistèma en foncion de règlas d'aprendissatge.

Lei rets neuronicas son generalament optimizadas per seguir de metòdes d'aprendissatge de tipe probabilista. Aquò permet a la maquina de tractar de situacions desconegudas a partir d'un ensemble d'exemples similars contenguts dins sa memòria. Divèrsei tecnicas d'aprendissatge existisson. Lei tecnicas supervisadas impausan la solucion de trobar e lei tecnicas non supervisadas laissan lo sistèma se dirigir vèrs una solucion liura. Puei, es possible de donar la solucion e de laissar lo sistèma trobar de respònsas que se rapròchan pauc a pauc de la solucion. Enfin, lei connexions neuronicas identificadas coma causas d'error pòdon èsser suprimidas per acabar l'aprendissatge[37].

La formacion d'una basa d'exemples reaus importanta es necessària per permetre lo bòn foncionament d'aqueu tipe d'intelligéncia artificiala. Per de problemas complèxs de resòuvre, lo nombre d'exemples requesits pòu venir considerable, çò qu'es de còps un problema. En particular, quand lo nombre d'exemples adaptats es tròp reduch, lo còst de desvolopament de la basa pòu lèu venir dissuasiu. Un autre problema dei rets neuronicas es l'opacitat generala dau sistèma. D'efiech, dins la màger part dei cas, es impossible de determinar lei calculs aguent menat au resultat prepausat per la maquina. Aquò complica fòrça l'optimizacion dei programas basats sus una tala arquitectura. Dins aquò, en despiech d'aquelei problemas, lei rets neuronicas conoisson un desvolopament important dempuei leis ans 2010 car sei capacitats semblan importantas.

Leis aprendissatges automatic e prefond modificar

L'aprendissatge automatic es un apròchi matematic e estatistic que permet ais ordinators de melhorar sei performàncias e sei capacitats de resolucion de problemas a partir de donadas[38][39]. L'objectiu es d'aprendre a de maquinas lo tractament de pretzfachs sensa èsser explicitament programadas per o faire. L'aprendissatge es generalament devesit en doas fasas. La premiera consistís en la creacion d'un modèl a partir de donadas, dichas observacions. La segonda correspònd a la mesa en produccion dau sistèma. De donadas novèlas son alora somesas per determinar la validitat dau modèl. Dins lei fachs, l'aprendissatge contunia durant la fasa de produccion per melhorar la qualitat dei respònsas. Uei, l'aprendissatge automatic es fòrça utilizat per concebre d'intelligéncias artificialas, especialament lei rets de neurònas artificialas.

L'aprendissatge prefond es un melhorament de l'aprendissatge automatic aparegut dins leis ans 2010. Son principi es globalament identic mai esplecha de rets neuronicas pus complèxas, d'algoritmes pus eficaç, de maquinas pus poderosas e de basas de donadas pus importantas que per lei periòdes precedents[40][41]. Aquò permet d'obtenir de resultats sensa precedents e dona la possibilitat de crear d'imatges e de sòns quasi identics ai produccions umanas.

Aplicacions modificar

Leis aplicacions de l'intelligéncia artificiala son fòrça divèrsas. Dins lo sector financier, lei bancas utilizan de sistèmas expèrts per mesurar lei riscs dempuei de decennis. Uei, de programas destinats a la venda e a la crompa d'accions sus lei mercats borsiers. Lei militars son tanben de precursors de l'utilizacion d'IA. Pasmens, dempuei la fin deis ans 2010, l'aparicion dau dròne e lei recèrcas sus la robotizacion dau prat batalhier an entraïnat una aumentacion importanta dei budgets car leis IA semblan capablas de dirigir aqueleis armas novèlas. Leis IA aurián tanben un interès dins la collècta e lo tractament deis informacions relativas a un teatre d'operacions. L'industria, especialament lei sectors de la robotica e de la logistica, s'interèssan egalament ais IA dempuei de decennis en vista de desvolopar de procès de produccion novèus e de melhorar lei transpòrts e la gestion deis entrepaus[42]. Enfin, d'un biais pus ludic, l'industria dau videojòc es un autre sector istoric de l'estudi e de l'utilizacion deis IA[43]

Dempuei leis ans 2010, d'autrei domenis s'interèssan desenant ais IA. L'idèa es de concebre d'otís d'ajuda en medecina (especialament per lo diagnostic), dins lo drech (per preveire de decisions judiciàrias ò per copar d'afaires simples) e dins la seguretat (per preveire l'evolucion de la delinquéncia). Dins lei domenis artistics, leis IA permèton de concebre de programas capables de produrre d'imatges de qualitat en imitant un estil donat. Dins aquò, una partida importanta d'aqueleis aplicacions pausa de problemas juridics sus la proteccion dei donadas, sus la responsabilitat juridica en cas d'error grèva d'una IA e sus lo drech d'autor.

Annèxas modificar

Liames intèrnes modificar

Bibliografia modificar

  • (fr) François Blayo e Michel Verleysen, Les réseaux de neurones artificiels, PUF, 1996.
  • (fr) Alain Bonnet, Jean-Paul Haton e Jean-Michel Truong, Système experts : vers la maîtrise technique, InterÉditions, 1986.
  • (fr) Eric Davalo e Patrick Naïm, Des Réseaux de neurones, Eyrolles, 1990.
  • (en) Ian J. Goodfellow, Yoshua Bengio e Aaron Courville, Deep Learning, MIT Press, 2016.
  • (fr) Michel Le Seac'h, Développer un système expert, ÉdiTests, 1989.

Nòtas e referéncias modificar

  1. (en) Pamela McCorduck, Machines Who Think, A. K. Peters, Ltd., 2004, pp. 5-35.
  2. (fr) Jérôme Nicole, « Dans l’Antiquité, il existait déjà des automates sophistiqués », The conversation, n° 1,‎ 2021, p. 1.
  3. (fr) Paul Kraus, « Jâbir ibn Hayyân: Contributions à l’Histoire des Idées Scientifiques dans l’Islam II: Le Corpus des Écrits Jâbiriens », Mémoires de l’Institut d’Égypte, t. 43, 1942, p. 97.
  4. (fr) W. Pagel, Paracelse, Arthaud, 1963, p. 118.
  5. (fr) Florian Balduc, De Faust au Golem : histoire et mensonges derrière la légende, Éditions Otrante, 2019.
  6. (fr) Aurélia Gaillard, Jean-Yves Goffi, Bernard Roukhomovsky e Sophie Roux, L’Automate : modèle, métaphore, machine, merveille, Presses universitaires de Bordeaux, 2012.
  7. (en) David Berlinski, The Advent of the Algorithm : The 300-Year Journey from an Idea to the Computer, Harcourt Books, 2000.
  8. (es) Carreras Artau e Tomás y Joaquín, Historia de la filosofía española. Filosofía cristiana de los siglos XIII al XV, vol. I, 1939.
  9. (en) Anthony Bonner (dir.), Doctor Illuminatus. A Ramon Llull Reader, Llull's Influence: The History of Lullism, Princeton University, 1985, pp. 57-71.
  10. (en) Pamela McCorduck, Machines Who Think, A. K. Peters, Ltd., 2004, pp. 37-46.
  11. (fr) Rafael del Vado Vírseda (trad. Stephen Sanchez), Une approche algébrique de la logique : Boole, RBA Coleccionables, 2018.
  12. (de) Matthias Wille, Gottlob Frege: Begriffsschrift, eine der arithmetischen nachgebildete Formelsprache des reinen Denkens, Springer Spektrum, 2018.
  13. (fr) Denis Vernant, La Philosophie mathématique de Russell, Vrin, 1993.
  14. (fr) Robert Ligonnière, Préhistoire et histoire des ordinateurs : des origines du calcul aux premiers calculateurs électroniques, Robert Laffont, 1987.
  15. (en) W. S. McCulloch e W. Pitts, « A Logical Calculus of the Ideas Immanent in Nervous Activity », Bulletin of Mathematical Biophysics, vol. 5, 1943, pp. 115-133.
  16. (fr) Luc Julia e Jean-Louis Gassée, L'intelligence artificielle n'existe pas, First éditions / Normandie roto impr., 2019.
  17. (en) Daniel Crevier, AI : The Tumultuous Search for Artificial Intelligence, BasicBooks, 1993, pp. 52-107.
  18. (en) A. Newell, J. C Shaw, e H. A. Simon, Report on a general problem-solving program. Proceedings of the International Conference on Information Processing, 1959, pp. 256–264.
  19. (fr) Alain Colmerauer e Philippe Roussel, La naissance de Prolog, 1992.
  20. (fr) Pierre Jacquemot, Le dictionnaire encyclopédique du développement durable, Sciences Humaines Editions, 2017.
  21. (fr) Pierre-Éric Mounier-Kuhn, L'informatique en France de la Seconde Guerre mondiale au Plan Calcul : l'émergence d'une science, Presses universitaires de Paris-Sorbonne, coll. « Centre Roland Mousnier », 2010, p. 266.
  22. (fr) Joanna Pomian, L'intelligence artificielle, Pocket, 1993.
  23. (en) Stuart J. Russell e Peter Norvig, Artificial Intelligence : A Modern Approach, Prentice Hall, 2003, pp. 22-23.
  24. (en) Daniel Crevier, AI : The Tumultuous Search for Artificial Intelligence, BasicBooks, 1993, p. 198.
  25. (fr) Stuart Russel e Peter Norvig, Intelligence artificielle, Pearson, 2010, p. 37.
  26. (en) J. Connors, S. Graham e L. Mailloux, « Cyber Synthetic Modeling for Vehicle-to-Vehicle Applications », dins International Conference on Cyber Warfare and Security, Academic Conferences International Limited, 2018.
  27. (fr) Benoît Le Blanc, « Alan Turing : les machines à calculer et l'intelligence », Hermès, La Revue, n° 68, 2014, pp. 123-126.
  28. (fr) Raphaële Karayan, « Intelligence artificielle : réussir le test de Turing est-il vraiment important ? », L'Expansion, 12 de junh de 2014.
  29. (en) Nils John Nilsson, « Human-Level Artificial Intelligence?Be Serious! », AI Magazine,‎ 2005.
  30. (fr) John Stuart Mill, Système de logique déductive et inductive, Mardaga, 1995, p. 492.
  31. (fr) Jean-François Jodouin, « Présentation des modèles connexionnistes », Intellectica, n° 9-10, 1990, pp. 9-39.
  32. (fr) André Le Garff, Dictionnaire de l'informatique, 1975.
  33. (en) Keith Frankish e William M. Ramsey, The Cambridge handbook of artificial intelligence, Cambridge University Press, 2014, p. 342.
  34. (en) Cornelius T. Leondes, Expert systems: the technology of knowledge management and decision making for the 21st century, Elsevier, 2001, pp. 1-22.
  35. (fr) François Blayo e Michel Verleysen, Les réseaux de neurones artificiels, PUF, 1996.
  36. (fr) Eric Davalo e Patrick Naïm, Des Réseaux de neurones, Eyrolles, 1990.
  37. (fr) Yann LeCun, « Une procédure d’apprentissage pour réseau à seuil asymétrique. », dins COGNITIVA 85, París, 4-7 de junh de 1985.
  38. (fr) Vincent Barra, Antoine Cornuéjols e Laurent Miclet, Apprentissage Artificiel : Concepts et algorithmes, Eyrolles, 2021.
  39. (en) Trevor Hastie, Robert Tibshirani e Jerome Friedman, The Elements of Statistical Learning : Data Mining, Inference, and Prediction, Springer, 2009.
  40. (en) J. Schmidhuber, « Deep learning in neural networks: An overview », Neural Networks, n° 61, 2015, pp. 85-117.
  41. (en) D. H. Ackley, G. E. Hinton e T. J. Sejnowski, « A learning algorithm for Boltzmann machines », Cognitive Science, n° 9, 1985.
  42. (fr) « Les enjeux de l’intelligence artificielle dans la robotique », Journal Innovations et Technologies, n° 210,‎ julhet/aost de 2018, pp. I-VI.
  43. (en) Ian Millington e John Funge, Artificial Intelligence for Games, Morgan Kaufmann, 2009.