En savoir plus — Ressources et explications
L'Atlas vous a permis de comprendre les mécanismes fondamentaux des réseaux de neurones. Cependant, pour maîtriser pleinement ces concepts, il est utile de les observer sous d'autres angles et avec des niveaux de détails différents.
Nous avons sélectionné pour vous les meilleures ressources du web pour compléter votre apprentissage. Ces sites et outils tiers vous permettront de visualiser des phénomènes complexes que nous avons simplifiés, ou d'explorer des architectures plus spécifiques.
Ces ressources sont classées pour suivre votre progression :
- Les Fondations (MLP) : Des outils pour approfondir votre compréhension mathématique et comportementale des neurones simples.
- La Vision (CNN) : Des visualisations avancées pour décortiquer, couche par couche, l'analyse d'images complexes.
- La Mémoire (RNN) : Des démonstrations interactives pour saisir les subtilités du traitement du langage et du contexte.
- Ressources Transversales : Une sélection d'outils généralistes ou périphériques qui ne rentrent pas dans une catégorie unique (comparaison avec les statistiques classiques, visualisations d'espaces de données, etc.).
Les Fondations (MLP)
Ce que vous allez voir : C'est un véritable laboratoire virtuel. À gauche, vous choisissez des données (des points disposés en cercle ou en spirale). Au centre, vous ajoutez des couches de neurones comme on empile des briques.
L'expérience : Quand vous lancez la simulation, vous voyez littéralement le réseau "chercher". Le fond de l'écran change de couleur petit à petit, se tord et s'ajuste pour essayer d'englober les points de la bonne couleur. Vous pouvez voir le réseau de neurones échouer, puis comprendre la logique des données sous vos yeux. C'est la meilleure démo pour comprendre que l'apprentissage est un processus progressif d'essai-erreur.
Visiter TensorFlow PlaygroundCe que vous allez voir : Dans un cerveau, un neurone reçoit de l'électricité et décide s'il doit la transmettre ou non. En IA, c'est pareil : cela s'appelle une fonction d'activation. Ce site vous présente simplement les différentes fonctions d'activation qui existent et à quoi ressemble leur courbes.
Voir les fonctions d'activation
La Vision (CNN)
Ce que vous allez voir : Une décomposition chirurgicale d'un CNN. Vous choisissez une image et le site vous montre toutes les étapes intermédiaires.
L'expérience : Ce qui est fascinant, c'est de cliquer sur les couches intermédiaires. Pour les différents blocs avec des tâches différentes, on peut observer ce qui est fait pour aller à l'étape suivante, jusqu'à arriver au renvoi du résultat. On peut même importer sa propre image pour essayer.
Visiter CNN ExplainerCe que vous allez voir : Une visualisation spectaculaire où le réseau de neurones flotte dans l'espace.
L'expérience : Vous dessinez un chiffre (par exemple un "3") avec votre souris. Immédiatement, des milliers de petits points lumineux partent de votre dessin et traversent des grilles flottantes (les couches de neurones). Vous voyez le signal se transformer : d'abord une image précise, puis des carrés flous, pour finir par allumer une seule barre finale : celle du chiffre "3". C'est l'outil parfait pour visualiser le flux de l'information.
Voir la visualisation 3DLa Mémoire & Texte (RNN)
Ce que vous allez voir : Le lien manquant entre le code informatique pur et les schémas abstraits. Pour éviter de vous noyer dans les mathématiques, l'auteur utilise le problème le plus simple du monde : deviner une suite de 0 et de 1.
L'expérience : L'outil vous donne le contrôle sur le temps. Vous pouvez faire avancer les réseaux pas à pas sur différentes séquence.
Voir la visualisation RNNCe que vous allez voir : Un détecteur d'intention interactif. Ce réseau de neurones lit votre message pour juger s'il est haineux ou bienveillant.
L'expérience : Tapez une phrase comme "Je te déteste" puis "Je t'adore". Regardez la jauge de bienveillance changer en temps réel. Le plus intéressant est de voir l'impact de chaque mot individuel : l'IA attribue un score négatif ou positif à chaque terme. Vous comprendrez comment le réseau combine ces mots pour "sentir" l'émotion globale du message.
Visiter RNN ExplainerCe que vous allez voir : Une comparaison visuelle entre trois cerveaux différents (LSTM, GRU et Nested LSTM) sur une tâche d'autocomplétion. Le site utilise une technique de connectivité : il colore en vert les mots du passé qui ont aidé l'IA à prendre sa décision actuelle. Cela permet de voir si l'IA utilise sa mémoire à long terme (le contexte de la phrase) ou si elle est myope et ne regarde que les dernières lettres tapées.
L'expérience : Le site vous propose des phrases à compléter. Votre mission est de cliquer sur différents mots prédits pour voir d'où vient l'information. Observez attentivement les surbrillances vertes : pour une même prédiction, certains modèles ne regarderont que les deux dernières lettres, tandis que d'autres iront chercher des indices sur des mots situés bien plus tôt dans la phrase. À vous de manipuler l'outil pour découvrir quelle architecture possède la meilleure mémoire à long terme.
Voir l'étudeRessources Transversales
Ce que vous allez voir : L'évolution ultime des RNN. C'est une interface très moderne où vous pouvez taper une phrase et voir GPT-2 (l'ancêtre de ChatGPT) prédire la suite
L'expérience : L'outil permet de jouer avec la "Température" et de rentrer un début de phrase soit même. Si la température est basse, l'IA est prudente et répétitive. Si elle est haute, l'IA devient créative, voire délirante. Cela permet de comprendre comment on règle la créativité d'un modèle de langage (comme ChatGPT).
Visiter Transformer ExplainerCe que vous allez voir : Un nuage de milliers de points en 3D. Chaque point est un mot.
L'expérience : Tapez le mot "King" dans la barre de recherche et cliquez sur le mot. La caméra va zoomer sur ce point, et vous verrez qu'autour de lui, il n'y a que des mots liés. On a réussi à cartographier le sens des mots par proximité géographique.
Visiter Embedding ProjectorCe que vous allez voir : Une "boîte à outils" complète qui ne se limite pas au Deep Learning. Ce site rassemble au même endroit les réseaux de neurones mais aussi leurs "rivaux" classiques : les SVM (Support Vector Machines), les Arbres de Décision et les Régressions. C'est l'endroit idéal pour comprendre que les réseaux de neuronnes ne sont pas les seuls outils dans la caisse du Data Scientist.
L'expérience : Le site vous offre une liberté totale pour expérimenter deux grands concepts : la Régression (suivre une courbe) et la Classification (séparer des groupes). Sans suivre de scénario imposé, vous pouvez manipuler les données et observer comment différents algorithmes réagissent. Vous verrez visuellement la différence fondamentale entre les modèles "rigides" (qui tracent des lignes droites) et les modèles "flexibles" (comme les neurones, qui s'adaptent aux nuances). C'est le meilleur moyen de saisir pourquoi on choisit une méthode plutôt qu'une autre selon la complexité du problème.
Accéder aux simulateursCe que vous allez voir : Une véritable suite d'expériences historiques rassemblées sur une seule page. Ce n'est pas une simple démo, mais une bibliothèque complète qui a prouvé qu'on pouvait faire tourner du Deep Learning complexe en JavaScript, sans super-calculateur.
L'expérience : Vous avez accès à un menu varié d'intelligences artificielles. Vous pouvez voir une IA apprendre à reconnaître des objets complexes, observer des agents autonomes apprendre à survivre ("Reinforcement Learning"), ou encore classer des spirales de couleurs. C'est un véritable couteau suisse qui permet de voir les entrailles de l'apprentissage en temps réel sur des tâches très différentes.
Visiter ConvNetJS