ils sauront qu'en ville on ne roule pas à 130, mais à 50.

Heu. non.
Il faut encore que ton reseau sache ce qu'est une ville, enfin. Ai une entrée qui dise "on est peut etre en ville". Ou qu'il soit entrainé d'une maniere ou d'une autre pour dfaire la difference entre campagne ou ville.

Un GPS peux donner des info foireuses ou pas d'info du tout. Il y a tellement de point de defaillance que je ne sais meme pas ou commencer la liste.

Et non un enfant se touche un truc bouillant, ou se cogne contre un mur soit il n'y touchera plus, soit il ferra plus attention. Ta voiture dans la meme situation avec les meme entrée elle ferra la meme connerie, ad vitam eternam.

Il n'y a aucun aprentissage, un reseau de neurone est globalement figé une fois qu'on est dans l'etape d'utilisation.
Les reseaux de type LSTM (Long/Short Term Memory) les neurones de type memoire "n'apprennent" que pendant la phase d'entrainement (propagation inverse tout ca) pas pendant l'execution.

Je le redit encore, le machine learning (aka reseaux de neurones) que tous les medias (et industries dans le domaine, je connais tres bien vu que je bosse dans ce domaine) apelle "IA" n'est qu'un outil statistique, et rien de plus.

Les DNN sont merveilleux pour de la reconnaissance, surtout quand l'entrée est de type analogique, donc bruité, tel que reconaissance de caracteres, reconaissance d'image (du moment qu'on lui en a appris assez et/ou que le reseau est suffisament grand) dans un autre mesure faire de l'imitation tel que les reseau de type GPT ou les reseau de styles. Mais a part ca, il n'y a rien de complexe qui emerge de ces dit reseau. Il ne font que repeter ce au'on leur a appris. Ce n'est pas de l'intelligence, et encore moins quelque chose d'autonome.

Utiliser un DNN pour faire les choix de navigation est une erreur monumentale, et ceux dans l'industrie qui font ce choix vont le payer cher. Le point le plus important: ce n'est pas déterministe, ou plutot, on est incapable de prouver formellement qu'un reseau donné produira toujours la bonne sortie dans TOUT les cas. On peux tester sur un certain nombre, mais on en peux pas tester sur tous.

L'exemple le plus simple est la reconnaissance d'image. Un les reseau sont globalement myopes: les images sont reduites a des tailles minuscules du genre 100 x 100 pixels avant d'appliquer les calculs dessus.

Maintenant 40x40 avec 256 niveau de gris ca parait peux, mais fait juste quelque maths sur le nombre total de combinaison que tu peux atteindre. C'est pas encore enome (meme si) mais il faut connaitre exactement ce qu'on veux pour chaque sortie, et pour ca, pas le choix, il faut le faire a la main.

Maintenant utilise de la couleur plutot que du niveau de gris, ou utilise des images plus grande en entrée.

Bref, c'est tres vite ingérable.