Page 77 - C:\Users\lpnan\Documents\Flip PDF\revue ODF 1 2021\

Deep Learning in orthodontics: going forward on a new patient-practitioner relationship

Intelligence Artificielle
Machine learning
Deep learning Ensemble d’algorithme
permettant aux Système automatisé
ordinateurs qui, imitant
Systèmes auto-apprenant via d’apprendre à partir l’intelligence humaine,
des réseaux neuronaux de données sans être est en mesure d’établir
d’algorithme
explicitement des prévisions, de
programmés formuler des
Milliers, millions, milliards de données recommandations, ou
non structurées, de prendre des
Système d’apprentissage autonome, décisions
Réseaux neuronaux (CNN, RNN) Données structurées et
Taches complexes contrôlables
Entraînement par l’humain,
Algorithme modifiable
Actions simples

Figure 4 :
Intelligence Artificielle, Machine
Learning et Deep Learning.

INTELLIGENCE ARTIFICIELLE, d’IA sont conçus pour fonctionner à des
MACHINE LEARNING, niveaux d’autonomie divers. » [32]
DEEP LEARNING ET RÉSEAU L’intelligence étroite artificielle ou IA
DE NEURONES « appliquée » (ou ANI, acronyme d’Artifi-
cial Narrow Intelligence) est conçue pour
Intelligence Artificielle une tâche ou un raisonnement spécifique.

Selon le groupe d’experts sur l’AI de Elle correspond à l’état des systèmes
l’OECD, « un système d’intelligence arti- actuels, aussi perfectionnés soient-ils.
ficielle (ou système d’IA) est un système Elle s’oppose à l’intelligence générale
automatisé qui, pour un ensemble donné artificielle (ou AGI, acronyme d’Artificial
d’objectifs définis par l’homme, est General Intelligence), encore hypothé-
en mesure d’établir des prévisions, de tique. Comme l’esprit humain, cette AGI “L’intelligence
formuler des recommandations, ou de serait alors capable de synthétiser diffé- artificielle est
prendre des décisions influant sur des rents apprentissages cognitifs, de hiérar- entrée dans une ère
environnements réels ou virtuels. chiser sa mémoire, de résoudre voire nouvelle dû à l’essor
d’anticiper des problèmes complexes, de l’apprentissage
Pour ce faire, il se fonde sur des entrées de développer des concepts et de faire automatique.
machines et/ou humaines afin de perce- preuve de créativité.
voir les environnements réels et/ou
virtuels ; transcrire ces perceptions en
modèles (par des moyens automatisés, Machine Learning
en s’appuyant par exemple sur l’apprentis-
sage automatique, ou manuels) ; et utiliser Le Machine Learning (ou apprentissage
des inductions de modèles pour formuler automatique) est la technologie la plus
des possibilités de résultats (informations ancienne d’apprentissage et appartient à
ou actions à entreprendre). Les systèmes l’IA (fig. 4).

RODF 2021;55(1):73-87 77

21/01/2021 16:19
RODF-2021-1.indb 77 21/01/2021 16:19
RODF-2021-1.indb 77