« Inférence » : différence entre les versions
m (Remplacement de texte : « ↵<small> » par « ==Sources== ») |
Aucun résumé des modifications |
||
| Ligne 1 : | Ligne 1 : | ||
==Définition== | ==Définition== | ||
En [[Apprentissage automatique|apprentissage automatique | En '''[[Apprentissage automatique|apprentissage automatique]]''', l’inférence désigne le résultat de l’application d’un '''[[modèle]]''' déjà entraîné sur des données. Par exemple, en '''[[Apprentissage supervisé|apprentissage supervisé]]''', l’inférence est l’application d’un modèle entraîné à des exemples sans étiquette pour faire des prédictions. | ||
En [[Intelligence artificielle symbolique|IA symbolique,]] l’inférence permet de créer des liens entre les informations afin d’en tirer une assertion, une conclusion ou une hypothèse. Il s’agit d’un processus de déduction qui fait appel à un ensemble de règles se basant sur un système logique. | En '''[[Intelligence artificielle symbolique|IA symbolique,]]''' l’inférence permet de créer des liens entre les informations afin d’en tirer une assertion, une conclusion ou une hypothèse. Il s’agit d’un processus de déduction qui fait appel à un ensemble de règles se basant sur un système logique. | ||
L’exemple classique est le [[modus ponens]] qui est l’implication « si '''A''' alors '''B''' » et que sachant '''A''' vrai (il pleut), on en déduit '''B''' (le sol est humide). | L’exemple classique est le [[modus ponens]] qui est l’implication « si '''A''' alors '''B''' » et que sachant '''A''' vrai (il pleut), on en déduit '''B''' (le sol est humide). | ||
| Ligne 10 : | Ligne 10 : | ||
==Français== | ==Français== | ||
'''inférence ''' | '''inférence''' | ||
==Anglais== | ==Anglais== | ||
| Ligne 18 : | Ligne 18 : | ||
==Sources== | ==Sources== | ||
[https://developers.google.com/machine-learning/glossary/ Source: Google, ''Machine learning glossary''] | [https://developers.google.com/machine-learning/glossary/ Source : Google, ''Machine learning glossary''] | ||
[https://www.journaldunet.com/solutions/dsi/1190593-le-vocabulaire-pour-comprendre-l-intelligence-artificielle/ ''Source: JDN, Vocabulaire pour comprendre l'IA.''] | [https://www.journaldunet.com/solutions/dsi/1190593-le-vocabulaire-pour-comprendre-l-intelligence-artificielle/ ''Source : JDN, Vocabulaire pour comprendre l'IA.''] | ||
</small><br> {{Modèle:101}}<br> | </small><br> {{Modèle:101}}<br> | ||
Version du 21 mars 2024 à 19:20
Définition
En apprentissage automatique, l’inférence désigne le résultat de l’application d’un modèle déjà entraîné sur des données. Par exemple, en apprentissage supervisé, l’inférence est l’application d’un modèle entraîné à des exemples sans étiquette pour faire des prédictions.
En IA symbolique, l’inférence permet de créer des liens entre les informations afin d’en tirer une assertion, une conclusion ou une hypothèse. Il s’agit d’un processus de déduction qui fait appel à un ensemble de règles se basant sur un système logique.
L’exemple classique est le modus ponens qui est l’implication « si A alors B » et que sachant A vrai (il pleut), on en déduit B (le sol est humide).
Compléments
Comme la logique, l'inférence est à la base de tout raisonnement. Elle fait appel à un ensemble de règles se basant sur un système de références.
Français
inférence
Anglais
inference
Sources
Source : Google, Machine learning glossary
Source : JDN, Vocabulaire pour comprendre l'IA.
101 MOTS DE L' IA
Ce terme est sélectionné pour le livre « Les 101 mots de l'intelligence artificielle »
Contributeurs: Evan Brach, Claude Coulombe, Jacques Barolet, wiki, Robert Meloche
