C’est ce qu’ont pu dire nos makers juniors Mercredi dernier, après le dernier atelier du mois de Mai, sur le thème de l’IA.
On a commencé par chercher qui était Alan Turing, pourquoi il était connu (Enigma ?), qu’est-ce que le « Test de Turing » et son lien avec les « CAPTCHA » (vous saviez que ça veut dire « Completely Automated Public Turing test to tell Computers and Humans Apart », vous?).
Puis on a surtout testé le Machine Learning, histoire de comprendre qu’une machine, aussi « intelligente » soit elle, ne « pense » pas comme un humain, et que c’est bien l’humain qui la « programme » avec des données d’entraînement!
On a entraîné une machine à reconnaître les poissons et les déchets en mer (code.org), et une autre machine à reconnaître si on lève la main ou si on porte un accessoire (TeachableMachine)!
La visualisation proposée par Vittascience nous a alors donné une idée de la complexité des réseaux de neurones, et Neurobot du mode d’apprentissage par essai / erreur.
Ensuite, on a entraîné plusieurs machines faites avec nos fameux bouchons de lait sur le jeu de Nim tel que décrit par Marie Duflot-Kremer, d’abord avec un humain, puis entre machines.
Et même si une visualisation de type « réseau de neurones » donne l’impression que c’est complexe comme un cerveau humain, entraîner une « machine » à base de nombres 1-2-3 dans des bouchons de lait pour gagner au jeu de Nim rend l’apprentissage automatique un peu moins « magique »!
Pour finir, un jeu d’escape cards proposé par la DRNE de Bourgogne-Franche-Comté a permis de revenir sur les concepts rencontrés sur un mode toujours ludique!
Désormais, avec cette culture numérique autour de l’IA, nos makers juniors peuvent travailler leurs prompts pour tirer parti des IA génératives en se souvenant que ce sont des machines entraînées par des humains, pas des personnages magiques.
Visualisation Réseau de Neurones
Après avoir entraîné la "machine" avec 2 jeux de données ou plus, le mode de reconnaissance d'une nouvelle image est schématisé