Qu’est-ce qu’un réseau de neurones artificiels ?

Les systèmes d’intelligence artificielle capables aujourd’hui de tenir une conversation à peu près convaincante — un défi que le test de Turing jugeait redoutable en 1950 — reposent très largement sur une architecture appelée réseau de neurones artificiels, très vaguement inspirée du fonctionnement du cerveau biologique.

Des neurones artificiels très simples

Un neurone artificiel est une fonction mathématique élémentaire : il reçoit plusieurs valeurs numériques en entrée, leur applique des poids (des coefficients ajustables), en fait la somme, puis transforme le résultat par une fonction dite d’activation. Pris isolément, ce mécanisme est trivial. C’est en assemblant des millions, voire des milliards de ces unités simples, organisées en couches successives, que des comportements complexes peuvent émerger.

L’apprentissage par ajustement des poids

Un réseau de neurones ne « sait » rien au départ : ses poids sont initialisés aléatoirement. L’apprentissage consiste à ajuster progressivement ces poids, par un algorithme appelé rétropropagation du gradient, en comparant les prédictions du réseau à des résultats attendus, sur un très grand nombre d’exemples. Ce processus, purement statistique, ne repose sur aucune règle grammaticale ou logique écrite à la main.

C’est cette capacité à extraire automatiquement des régularités complexes à partir de données brutes, plutôt qu’à suivre des règles préprogrammées comme le faisait ELIZA en 1966, qui explique les progrès spectaculaires réalisés par l’intelligence artificielle conversationnelle au cours de la dernière décennie.