Perception

L'analogie avec le cerveau ne s'est pas limitée à la formalisation logique. En plus de la question de l'apprentissage, que nous aborderons plus tard, il est important de noter que dans l'histoire de l'informatique, notamment en entreprise, on a beaucoup cherché à appliquer des modèles à des cas d'usage, comme la reconnaissance d'image. Or, la perception visuelle chez l'humain est extrêmement complexe.

Les neurosciences ont cependant démontré l'existence de différentes aires du cerveau qui s'activent lorsqu'on perçoit une image : le cortex visuel, les zones responsables des couleurs, des formes, de la quantité, de la reconnaissance, de l'abstraction, et finalement, tout cela permet de donner un sens à ce que l'on voit (par exemple, on peut voir des centaines d'images de chat et pourtant leur attribuer le même sens – un chat est un chat –, ce qui rend notre rapport au monde le moins perturbant possible, n'est-ce pas ?). Sans prétendre que la machine puisse donner un sens à quoi que ce soit (et donc avoir une conscience), tout ceci peut être modélisé : les couches successives qui constituent la perception permettent les interrelations dans un modèle neuronal. C'est ce qu'on appelle la connectivité.

On sait aussi que plus un neurone entre en contact avec un autre, plus cet « usage » va renforcer les liens entre eux et optimiser la compréhension, c'est l'apprentissage. Ainsi, l'analogie avec le cerveau biologique ne se limite pas à une simple modélisation logique, mais constitue une tentative de reproduire des mécanismes, certes simplifiés par rapport à la biologie, mais extrêmement complexes sur le plan technique. Pour exécuter des modèles, depuis la perception (données d'entrée) jusqu'au résultat, et dans une démarche d'apprentissage nécessitant des quantités de données gigantesques, il faut des puces électroniques très puissantes et beaucoup d'énergie. Cela ne concerne pas seulement l'imagerie, mais aussi l'audio et la reconnaissance de texte. Le développement technique a conditionné l'évolution du domaine de l'IA pendant près d'un siècle jusqu'à aujourd'hui.