Re: [HS] Re: "intelligence de l'IA" ( was pas mal.. ma photo de guêpe ! )

Le 07/05/2023 à 23:23, Stephane Legras-Decussy a écrit :

On 05/07/2023 10:08 PM, Den wrote:
 

Certes, mais tu pourrais être plus complet : un certain nombre de sorties peuvent être rebouclées sur les entrées, comme les systèmes séquentiels (sauf que là, il n'y a pas d'horloge).

 oui j'ai dit on fait l'architecture qu'on veut, y compris rebouclage... no limite.
 en revanche il y a bien une horloge, comme dans les systèmes de simu analogique...   delta_t arbitraire.
  on peut écrire tout le code d'une AI en une page :
 1 000 000 de neurones k , 1000 entrées IN ik par neurone k, 1 COEF ik pour chaque IN ik, et une sortie OUT k
 début :
 pour k de 0 à 1 000 000, faire :
         S = 0
        pour chaque INik  (i de 0 à 1000), faire :
             S = S + INik x COEFik
         OUTk = 1 / (1+ exp(-S))
 pour k de 0 à 1 000 000 et i de 0 à 1000, faire :
      copier les OUT k dans les IN ik suivant l'architecture choisie.
 goto début.
 et voilà c'est tout... voilà le programme déroulé par le CPU.
 là c'est du concret pour n'importe qui ayant fait un peu de BASIC !
 c'est pour ça que je dis à JDD que c'est pas ce code ci-dessus qui bat Kasparov, mais bien quelque chose que personne ne comprend et qui
est dans les COEF ik qui font plusieurs tera.

Presque. Tu as oublié la dimension aléatoire. Ton code est totalement déterministe.
9 lignes de python qui font la même chose :
from numpy import exp, array, random, dot
training_set_inputs = array([[0, 0, 1], [1, 1, 1], [1, 0, 1], [0, 1, 1]])
training_set_outputs = array([[0, 1, 1, 0]]).T
random.seed(1)
synaptic_weights = 2 * random.random((3, 1)) - 1
for iteration in xrange(10000):
     output = 1 / (1 + exp(-(dot(training_set_inputs, synaptic_weights))))
     synaptic_weights += dot(training_set_inputs.T, (training_set_outputs - output) * output * (1 - output))
print 1 / (1 + exp(-(dot(array([1, 0, 0]), synaptic_weights))))
Explications plus détaillées ici :
https://medium.com/technology-invention-and-more/how-to-build-a-simple-neural-network-in-9-lines-of-python-code-cc8f23647ca1
--
F.J.