L'intelligence artificielle : exercices corrigés de Terminale

Repère le verbe d'action de la situation 1 : repérer un visage dans une image, c'est interpréter ce que l'on voit, donc la perception.

Situation 2 : choisir un coup parmi plusieurs possibles est une prise de décision.

Situation 3 : progresser grâce aux exemples correspond à l'apprentissage.

Conclus par une phrase : chaque situation illustre une tâche différente de la liste de la définition.

Calcule la part d'entraînement : $\dfrac{80}{100} \times 200 = 160$ photos.

Déduis le test : $200 - 160 = 40$ photos.

Vérifie : $160 + 40 = 200$, on retrouve le total.

Réponds à la question 3 : sur des photos déjà vues, le programme peut réussir simplement parce qu'il les a mémorisées ; seules des photos nouvelles montrent s'il sait généraliser.

Rédige : 160 photos pour l'entraînement, 40 pour le test, et le test se fait sur des exemples inconnus du programme.

Pose le rapport : $\dfrac{43}{50}$.

Passe en pourcentage : $\dfrac{43}{50} \times 100 = 86\ \%$.

Compte les erreurs : $50 - 43 = 7$ erreurs.

Réponds au camarade : 86 % signifie que 14 réponses sur 100 sont fausses en moyenne ; ce n'est donc pas « parfait ».

Ajoute une nuance : ce score vaut seulement pour ce jeu de test, il ne garantit rien sur des photos très différentes.

Calcule $NC$ : $\sqrt{(6-3)^2+(5-3)^2} = \sqrt{9+4} = \sqrt{13} \approx 3{,}61$ cm.

Calcule les carrés des distances : $NA^2 = 4+1 = 5$ ; $NB^2 = 1+4 = 5$ ; $NC^2 = 13$ ; $ND^2 = 16+16 = 32$ ; $NE^2 = 9+9 = 18$.

Range du plus proche au plus éloigné : A et B (5), puis C (13), puis E (18), puis D (32).

Garde les trois plus proches : A, B et C.

Compte les classes : deux pommes (A et B) contre une poire (C).

Conclus : avec $k = 3$, le nouveau fruit est classé pomme.

Pour $k = 1$ : le plus proche est A ou B, à égalité (carré de distance 5) ; les deux sont des pommes, donc la classe est pomme.

Pour $k = 5$ : on retient les cinq exemples, soit 2 pommes (A, B) et 3 poires (C, D, E) ; la classe majoritaire est poire.

Compare avec $k = 3$ (pomme) : le résultat change quand $k$ augmente, donc la réponse dépend d'un réglage choisi par la personne qui conçoit le programme.

Explique la question 4 : avec tous les exemples, la distance ne joue plus aucun rôle et le résultat est toujours la classe la plus nombreuse, quel que soit le fruit à classer.

Conclus : un $k$ trop petit rend la réponse sensible à un seul exemple, un $k$ trop grand ignore la proximité ; on le règle en essayant plusieurs valeurs sur des exemples mis de côté, différents de ceux de l'entraînement.

Compte les réponses justes : toutes les photos de chiens, soit 900.

Calcule l'exactitude : $\dfrac{900}{1000} \times 100 = 90\ \%$.

Regarde les chats : aucun n'est reconnu, donc $0$ chat sur $100$, soit $0\ \%$.

Conclus : un score de 90 % cache un programme totalement incapable de reconnaître un chat.

Généralise : quand une catégorie est rare, il faut examiner les résultats catégorie par catégorie, pas seulement le score global.

Compte les spams bien repérés : 34.

Compte les courriels normaux bien classés : $60 - 6 = 54$.

Additionne : $34 + 54 = 88$ courriels bien classés.

Calcule l'exactitude : $\dfrac{88}{100} \times 100 = 88\ \%$.

Compte aussi les erreurs : $6 + 6 = 12$ erreurs, soit $100 - 88 = 12$, ce qui confirme le calcul.

Argumente la question 3 : bloquer un courriel normal peut faire manquer un message important, alors qu'un spam laissé passer se supprime d'un clic ; mais n'importe quelle réponse argumentée est acceptée.

Cherche le point commun : les deux parlent de programmes et de machines conçus pour réaliser des tâches liées à l'intelligence.

Repère la différence : McCarthy définit l'IA par sa fabrication et précise qu'elle n'imite pas forcément le vivant ; Minsky la définit par rapport aux tâches que les humains réussissent mieux.

Analyse « pour l'instant » : ce qui est mieux fait par les humains aujourd'hui peut être réussi par des machines demain.

Conclus : la définition de Minsky est relative à un moment donné, celle de McCarthy est plus générale.

Espèce A : $0{,}98 \times 500 = 490$ photos justes, donc $500 - 490 = 10$ erreurs.

Espèce B : $0{,}70 \times 500 = 350$ photos justes, donc $500 - 350 = 150$ erreurs.

Calcule le total des réponses justes : $490 + 350 = 840$.

Calcule l'exactitude globale : $\dfrac{840}{1000} \times 100 = 84\ \%$.

Explique : l'espèce B ne représente que 5 % des exemples d'entraînement ($\dfrac{100}{2000}$), donc le programme a peu de cas pour apprendre à la reconnaître.

Constate que l'espèce B concentre 150 erreurs sur 160 : c'est une erreur systématique qui touche surtout un groupe, donc un biais.

Propose une correction : ajouter des photos variées de l'espèce B pour équilibrer l'entraînement, puis refaire le test catégorie par catégorie.

Explique l'ordre : préparer d'abord donne des arguments et un point de comparaison pour juger la réponse de l'IA.

Première vérification : comparer les chiffres et les faits donnés avec ceux des documents de ton groupe.

Seconde vérification : chercher si la réponse s'appuie sur une source identifiable ou si elle reste vague.

Rédige l'apport : l'IA peut proposer rapidement des pistes ou reformuler des arguments.

Rédige la limite : une réponse bien écrite n'est pas forcément exacte, et elle peut refléter les déséquilibres des données sur lesquelles le système a été entraîné.

Termine par une phrase de position : l'IA est un outil d'appui, jamais une source qui dispense de vérifier.