Cet article est encore en construction, donc lorsque j'en aurai le temps (oui, je sais, la vieille excuse bidon
...), je ferai quelques recherches pour mettre dans cette intro quelques éléments historiques.
Sinon, tout le reste est de moi seul (sauf évidemment tout ce que vous aurez contribué à me faire corriger
).
Les Réseaux de Neurones Formels, ou RNF, constituent une approche ascendante au problème de l'Intelligence Artificielle (IA) posé par Turing.
Juste pour information grammaticale, c'est le neurone qui est formel, et non le réseau (on parlera donc d'un réseau de neurones formels).
L'approche descendante consiste à écrire des programmes en un langage informatique donné pour tenter d'imiter un comportement donné (par exemple, tenir une conversation la plus humaine possible) : on part du but à atteindre, et on descend en divisant le problème en parties de plus en plus élémentaires jusqu'à atteindre les fonctions du langage utilisé (comparaisons, branchements, ...) qui, une fois associées, permettent de réaliser la tâche voulue ; c'est ce qui est réalisé tous les jours par des millions de programmeurs de par le monde.
L'approche ascendante consiste au contraire à partir des éléments constitutifs du 'langage' en les assemblant de manière plus ou moins dirigée jusqu'à ce que le but soit atteint de manière émergente.
Enoncée comme ceci, l'approche ascendante peut ressembler au fait de tester des chaînes hexadécimales aléatoires jusqu'à trouver par hasard le programme voulu ... ce qui serait effectivement le cas si le langage utilisé était le C ou de l'Assembler CISC.
Pour que l'approche ascendante soit efficace, il faut donc ajouter deux points à la 'définition' donnée ci-dessus :
- rendre le 'langage' le plus 'simple' possible, le plus RISC possible (façon de parler
)
les neurones formels constituent les 'instructions' d'un 'langage' de type vraiment très RISC, et un réseau de NF constitue le 'programme', donc les RNF sont parfaits pour l'approche ascendante
- ne pas retester à chaque fois un 'programme' totalement aléatoire, mais se servir plutôt de ceux qui, bien que ne fonctionnant pas parfaitement, semblent prometteurs
classiquement, on utilise des algorithmes génétiques (ne vous inquiétez pas, un article sur le sujet est également en préparation 
)
Il est à noter qu'un autre langage encore plus RISC est le lambda-calcul, et ce n'est pas pour rien que certains chercheurs (oui, oui, c'est bon, je chercherai les noms à l'occasion ...) l'utilisent pour tenter de faire le lien entre l'informatique et la neuropsychologie, et montrer comment certains processus mentaux sont quasiment identiques à certains programmes informatiques ... mais là n'est pas le sujet
...
D'après la théorie darwiniste de l'évolution des espèces, l'intelligence humaine s'est formée de manière ascendante, par évolution du cerveau, lequel est toujours formé à partir de neurones qui n'ont quasiment pas changé depuis les premiers animaux terrestres apparus (me semble-t-il ...).
C'est cette constatation qui, dans le domaine de la cybernétique, a donné l'idée de recréer cette approche ascendante informatiquement avec le même principe de base, à savoir des neurones presque tous identiques et interchangeables, interconnectés en un réseau de plus en plus complexe jusqu'à obtenir une émergence spontanée d'une intelligence artificielle.
Nous n'aborderons pas dans cet article ce Graal de la cybernétique, en nous contentant de donner aux RNF des applications plus simples et concrètes.
Voici le sommaire temporaire de cet article :
Introduction
I/ Le neurone biologique
II/ Le neurone formel
III/ Les réseaux typiques
IV/ L'implémentation mathématique et informatique
V/ Un exemple concret : Rosane
Conclusion
, le LIP6.