MétaCan
Menu
Retour à la cohorte
Enregistrement W6982586982

Intelligence artificielle et au-delà

2024· other· fr· W6982586982 sur OpenAlexaboutno aff

Notice bibliographique

RevueLe dépôt institutionnel (Université du Québec à Trois-Rivières) · 2024
Typeother
Languefr
DomaineEconomics, Econometrics and Finance
ThématiqueRegional Economics and Spatial Analysis
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésNucleofectionGestational periodTSG101DysgeusiaLiquationDiafiltrationEmperipolesisTriacetinDemotion
DOInon disponible

Résumé

récupéré en direct d'OpenAlex

AvertissementL'auteur de ce mémoire, de cette thèse ou de cet essai a autorisé l'Université du Québec à Trois-Rivières à diffuser, à des fins non lucratives, une copie de son mémoire, de sa thèse ou de son essai.Cette diffusion n'entraîne pas une renonciation de la part de l'auteur à ses droits de propriété intellectuelle, incluant le droit d'auteur, sur ce mémoire, cette thèse ou cet essai.Notamment, la reproduction ou la publication de la totalité ou d'une partie importante de ce mémoire, de cette thèse et de son essai requiert son autorisation.Je remercie Le Tout-Clément ‫ﷻ‬ pour l'air dans mes poumons, pour ces doigts qui ont tenu la plume et pour l'immensurable bénédiction dont Il m'a fait grâce à mon su et insu.Je remercie mon directeur de recherche Pr.Mhamed Mesfioui dont la guidance et le soutien me laissent sans mots.Je n'ai jamais cru qu'on pouvait rendre les mathématiques divertissant et Pr Mesfioui l'a fait en mélangeant défis et rires.Mon travail a été financé en partie par l'octrois accordés au Professeur Mesfioui par le Conseil de recherches en sciences naturelles et en génie du Canada.Je tiens aussi à exprimer ma sincère reconnaissance envers l'Université du Québec à Trois-Rivières (UQTR) pour avoir rendu cette recherche possible.Les nombreux financements généreusement accordés par l'université ont joué un rôle essentiel dans la réalisation de cette étude.Ces deux soutiens financiers m'ont permis de consacrer mon temps et mes ressources à la recherche, en garantissant l'accès aux ressources nécessaires, aux données et à l'expertise requise.Je tiens aussi à remercier le Directeur de comité de programme de cycles supérieurs, Pr François Meunier qui, et je crois parler pour tous les étudiants du département, a été un support indispensable au cours de toutes les sessions de notre programme.Sans oublier les professeurs Nadia Ghazzali et B. Amar Bensaber du jury pour leurs exhaustives évaluations de ce présent; ces dernières incluant aussi celle du Professeur Mesfioui me seront une lanterne pour le restant de mon parcours académique.Je remercie aussi mes parents et toutes les personnes qui m'ont soutenu et encouragé pour faire face à la grande tornade qu'a été ces deux dernières années.l'intelligence artificielle (IA), une technologie qui permettrait à la machine d'émuler l'intelligence humaine résolvant des problèmes de différents niveaux de complexités.Leur croyance en de telles prospectives, que certains considéreraient être des absurdités, n'a fait que croître avec l'amélioration des performances des processeurs qui d'après des études, ne cessent d'évoluer en termes de performances chaque année durant ces cinq dernières.Pour procéder à un tel exploit, les scientifiques ont dû fragmenter cette doctrine en trois grands sous-domaines tels que le Machine Learning (l'apprentissage automatique), les Neural Networks (Les réseaux neuronaux) et le Computer Vision (la vision par ordinateur).L'apprentissage automatique a comme objectif de permettre à l'ordinateur d'apprendre et de pouvoir prendre des décisions tout seul.Le réseau neuronal est une imitation de la structure cérébrale pour pouvoir reconnaître des paternes, et la vision par ordinateur permet à l'ordinateur de reconnaître les objets qu'il voit.Ces deux dernières années en particulier se voient accueillir une percée technologique qui marque le début d'une nouvelle ère industrielle qui considère presque tout programme informatique dépourvu de l'intelligence artificielle comme obsolète, et comme on peut le supposer, une telle technologie ne peut être qu'accompagnée d'un nombre de questions; l'intelligence artificielle fait certes fureur mais offre-t-elle réellement assez de solutions au point d'en devenir une nécessité ?Quelles sont les risques qu'elle présente ?Quelle est l'importance de ces dernières par rapport aux bénéfices qu'elle apporte ?Finalement, quelles sont les demandes de l'IA d'une perspective technologique et légale ?Ce mémoire est structuré de la façon suivante : Une vue approfondie sur les sous-domaines de l'IA : Nous élaborerons sur chacun des sousdomaines de l'IA en les définissant d'une manière plus exhaustive mathématiquement et informatiquement, en mettant en emphase leurs bienfaits et leurs limites et en présentant leurs débouchés majeurs.L'usage à escient controversé de l'IA par la société : Nous discuterons aussi de l'utilisation de l'intelligence artificielle par différents secteurs composant la société, l'opinion de cette dernière sur l'IA et sa perspective sur leur future ensemble.Projet de prévention de crime avec l'Intelligence artificielle : Cette partie représente la contribution principale de ce mémoire.Avec l' intention de prévenir ou réduire les fréquentes crimes qui ont lieu dans les espaces publiques, nous développerons trois modules notificateurs définis de la suivante sorte : Détection d'arme : Nous ferons usage des dernières technologies de pointe de la Vision Par Ordinateur (VPO) pour détecter toute sorte d'arme dangereuses dans les endroits publiques grâce aux caméras de surveillance.Détection d'émotions : Toujours grâce à la VPO, nous allons détecter les émotions sur les visages des individus dans les lieux publiques; des émotions pouvant indiquer un danger imminent comme la peur sur le visage d'un individu effrayé par des bandits ou la colère d'un homme vindicatif, etcetera.

Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.

Comment cette classification a été obtenuedéplier

Prédiction machine sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.

score de la tête « metaresearch » (Codex)0,003
score de la tête « metaresearch » (Gemma)0,011
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Autre · Signal consensuel: aucune
Score de désaccord entre enseignants0,019
Score d'incertitude au seuil0,063

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0030,011
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,002
Bibliométrie0,0020,002
Études des sciences et des technologies0,0010,004
Communication savante0,0090,006
Science ouverte0,0020,005
Intégrité de la recherche0,0030,003
Charge utile insuffisante (le modèle a refusé de juger)0,0190,007

Scores machine (provisoires)

Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.

Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.

Tête enseignante Opus0,022
Tête enseignante GPT0,196
Écart entre enseignants0,174 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeSans objet
Domainenon disponible
GenreAutre

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations0
Publié2024
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueLe dépôt institutionnel (Université du Québec à Trois-Rivières)Même sujetRegional Economics and Spatial AnalysisTravaux en français237 207