Intelligence artificielle et au-delà
Bibliographic record
Abstract
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.
Fetched live from OpenAlex and de-inverted. Abstracts are not stored in this database: the inverted indexes are 8.6 GB of the frame’s 9.3 GB of text, and the host has 13 GB free.
How this classification was reachedexpand
Full frame machine prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. The Gemma side is a direct model label for every work in the frame, read from the title-only record. The Codex side is a classifier learned from the 10,348 direct Codex labels and calibrated to design-weighted sample rates; fields without enough sample support carry no Codex call. Candidate is the union of the two sides; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels.
Distilled classifier scores by category (both heads)
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.003 | 0.011 |
| Meta-epidemiology (narrow) | 0.001 | 0.000 |
| Meta-epidemiology (broad) | 0.001 | 0.002 |
| Bibliometrics | 0.002 | 0.002 |
| Science and technology studies | 0.001 | 0.004 |
| Scholarly communication | 0.009 | 0.006 |
| Open science | 0.002 | 0.005 |
| Research integrity | 0.003 | 0.003 |
| Insufficient payload (model declined to judge) | 0.019 | 0.007 |
Machine scores (provisional)
The two teacher heads of the student model, read on this work. A score orders the frame for review; it never asserts a category, and the validation status ships verbatim with every row.
Baseline scores from an immature model (maturity gate not passed, 7 training rounds). Scores rank; they never assert a category.
score_only:v0-immature-baseline · verbatim from the scoring run: score_only means the number may rank works, and no category label ships from itClassification
machine, unvalidatedMachine predicted; a candidate call from one source (direct Gemma or distilled Codex), not a consensus.
How this classification was reached, model by model and score by score, is at the end of the page under "How this classification was reached".