L’apprentissage des figures est un sujet qui traite en même temps les systèmes visuels d’un point de vue neurologique et informatique. Le but est de pouvoir construire des systèmes visuels robustes et réutilisables qui s’adaptent à l’environnement où ils sont plongé et qui peuvent montrer un niveau d’apprentissage plus au moins autonome.

La technique d’apprentissage supervisé permet de construire un système capable de classer (d’une façon automatique) un certain nombre d’objets à partir d’une base d’exemples déjà définie. Donc il faut bien utiliser des algorithmes pour l’extraction de connaissances à partir des scènes visuelles, pour pouvoir les :

• Classer c’est à dire identifier les classes auxquelles appartiennent les objets à partir de certains traits descriptifs.
• Identifier les différentes instances d’une seule classe c’est à dire pouvoir distinguer un objet d’un autre appartenant au même groupe.

Cette approche est basée sur une théorie d’apprentissage statistique, probabiliste, la théorie de régularisation (qui permet de choisir la meilleure fonction qui décrie la relation entre une Entré et une Sortie ) et la classification SVM[1] . Mais comment ces programmes s’améliorent dans le temps ?

L’auteur propose une approche à base de composants pour la détection des objets dans les images ; Et vue le nombre important des variations pour une classe d’objet par exemple dans le cas des images prises de plusieurs angles différents ou bien dans le cas des scènes 3D.

L’approche à base de composants nécessite la mise en œuvre d’un système permettant la description des composants, la représentation des relations entre les différents composants, établir les relations géométriques entre les composants et surtout comment choisir l’ensemble approprié d’éléments pour la classification ?

Parfois c’est très difficile de définir automatiquement les composants, encore il faut choisir ceux parmi l’ensemble qui participent à l’identification de l’objet et bien évidemment ceux qui vont permettre au système de construire le modèle d’apprentissage.

Le système d’identification à base de composants proposé par l’auteur consiste au premier lieu d’extraire les composants à partir de l’image, puis normaliser la taille des composants, ensuite les combiner dans un seul vecteur, enfin les enregistrer dans le classificateur.

Interpréter des scènes ! Je pense que maintenant c’est possible, mais comment ? Tout simplement parce qu’on peut reconnaître et séparer les différentes classes d’objets dans une scène et grâce aux relations (je parle ici des relations géométriques et spatiales) de corrélations entre les objets on peut imaginer un grand nombre de systèmes plus au moins intelligents.

Mais il y a plusieurs difficultés à savoir développer la faculté de se souvenir de l’adéquation entre deux exemples, détecter les parasites, nettoyer les exemples des parasites avant de les classer et surtout garder l’intégrité de la base de connaissance ; parfois le système crée une autre classe d’objet parce que le système n’arrive pas à reconnaître l’objet : on a deux classes qui représentent la même catégorie !

Moi, personnellement, je vois un système intelligent est avant tout un système et ce dernier est nécessairement composé d’un certain nombre de composants (parfois hétérogènes). L’intelligence ou bien le comportement intelligent peut être interprété dans les composants ou bientôt dans leurs propriétés (mécanique, thermique, électrique, magnétique, électronique, optique), aussi bien que dans les relations directes et indirectes entre ces composants pour former un système qui répond rapidement aux variations de l’environnement et s’adapte aux différents contextes. Donc il faut que le système fait preuve d’un certain degré d’autonomie associé à d’autres caractéristiques comme la fiabilité, la sécurité, l’efficacité, la résistance aux conditions extrêmes et à ne pas oublier aussi l’auto-(détection de pannes, dépannage, diagnostique… ).Et ce n’est qu’à partir de ces paramètres qu’on peut juger le niveau d’intelligence du système.

Enfin, les systèmes intelligents ont déjà existé dans les films de sciences fictions et dans les gros laboratoires de recherches, mais maintenant il y en à partout (à la maison, au travail et même dans les moyens de transport…). On parle toujours de nouveaux systèmes intelligents, les anciens ne sont plus. Enfin la naissance d’un système intelligent est tout simplement l’association entre les sciences et leurs applications ; c’est la Technologie !