chapitre 7 Epistémologie et méthodes de la modélisation IA

7-1.3 Le connexionisme - complément ou alternative?

"... un traitement fortement parallèle effectué par un réseau de nombreux "neurones formels" élémentaires connectés entre eux. Ces unités de traitement sont en grand nombre (souvent plus d'un millier par réseau) mais très simples, et la puissance de calcul est surtout due à leurs interactions au sein du réseau. Chaque unité fait la somme de ses entrées selon une fonction particulière (incluant souvant un seuil) qui détermine la réponse du neurone formel. La fonction de sortie est généralement non-linéaire et prend parfois en compte l'état passé de l'unité. Le calcul s'effectue par transmission des signaux de sortie à travers le réseau. De plus à chaque connexion entre unités est associé un poids qui module la transmission des signaux. L'ensemble des connexions avec leurs poids respectifs représente la connaissance à long terme d'un réseau, et on peut généralement modifier le poids à l'aide de diverses procédures d'apprentissage." (Memmi 90:55).

Les modèles connexionnistes n'offrent guère une alternative à la modélisation symbolique, plutôt un complément. Au plan fondamental, on peut leur adresser les mêmes critiques que celles émises à l'égard de l'encodisme car eux aussi encodent des connaissances préalables par le biais de l'architecture et de la paramétrisation des noeuds du réseau. En outre, ces systèmes:

• doivent être entraînés par un jeu d'exemples bien choisis (un autre biais "encodiste");

• ils sont lents à apprendre quelque chose de vraiment nouveau;

• ils ont besoin d'un tuteur (ou encore des "fonctions" d'apprentissage préconstruites et adaptées à certains problèmes);

• ils plafonnent à un certain niveau de compétence. L'absence d'une logique combinatoire les empêche par exemple d'effectuer des tâches de résolutions de problèmes complexes (le fameux "planning" de l'IA).

Generated with WebMaker