perlseb

@Xenozoid
dépassée quoi ?
Il faut faire un calcul bête. L’œil à 125 millions de récepteurs. Une image 4K a déjà plus de 8 millions de pixels sans parler du codage de la couleur. Donc une image numérisée 4K a grosso modo la quantité d’information que notre œil peut nous retransmettre.
Je compare juste la finesse (complexité) du signal qu’une machine ou un humain peut accepter en entrée.
Et les derniers réseaux neuronaux avec plusieurs trillons de neurones peuvent avoir une couche d’entrée de 125 millions de neurones-récepteurs, ou plus, pourquoi pas...

@Xenozoid
Je croyais que ma réponse était claire. En fait, tant que l’IA progresse, on se moque complètement de la différence entre les neurones artificiels (qu’on simule la plupart du temps, toujours pour les réseaux neuronaux gigantesques) et les neurones vivants.
Il y a surement des spécialistes qui créent des nouveaux types de neurones artificiels, mais pas forcément en s’inspirant de la nature. Plutôt pour augmenter l’efficacité des réseaux neuronaux actuels.

@pemile
Dans le cas d’images ou de sons, les données ne sont que des images et des sons numérisés, non ?
Oui, les réseaux de neurones travaillent avec des données numérisées. Simplement parce qu’elles possèdent forcément un nombre fini de neurones en entrée et que le signal en entrée du réseau ne peut pas être codé avec plus d’éléments que cette couche.

Mais ne mésestimez pas les machines sur cette limitation. Pour notre vision, nous voyons également en « discret » (par pixels) avec notre rétine (125 millions de photorécepteurs). Donc nous aussi, nous numérisons nos entrées (nos neurones sont également limités avec des limites que les machines commencent à égaler et qu’elles vont, fatalement, dépassées).

@Xenozoid
Les neurones de la nature sont bien réels. Les neurones artificiels peuvent être réels ou simulés par des calculs. La vitesse actuelle des machines et leur mémoire (toutes 2 en constante augmentation) permet de simuler un nombre de neurones suffisant pour traiter des problèmes complexes qui étaient hors de portée avant (d’où le nouveau décollage de l’IA).
L’année dernière, ce qui était le plus grand réseau neuronal du monde – mesuré en poids neuronal – le programme de traitement du langage naturel GPT-3 d’OpenAI, avec 175 milliards de poids, a été éclipsé par le modèle de 1,6 trillion de paramètres de Google, le Switch Transformer.
Je ne crois pas qu’un neurone artificiel soit aussi efficace qu’un neurone humain (en traitement de l’information) mais nous utilisons malheureusement beaucoup de nos neurones pour la mémoire, les émotions, ... Les machines peuvent utiliser tous leurs neurones pour se concentrer sur un seul problème, et ça c’est un gros avantage.

@pemile
Zut, j’avais pas lu son code sur la création de ses neurones. Il utilise la bibliothèque numpy pour faire ses calculs. Dans ce cas, je retire ce que j’ai dit sur la lenteur de ses neurones. numpy est une bibliothèque mathématique compilée très efficace.