Glossaire IA
Le dictionnaire complet de l'Intelligence Artificielle
Apprentissage par Imagination
Technique d'apprentissage par renforcement où l'agent utilise des modèles internes pour simuler mentalement des scénarios et générer des expériences sans interaction réelle avec l'environnement. Cette approche permet d'accélérer l'apprentissage en explorant virtuellement des trajectoires d'action avant leur exécution réelle.
Planification Mentale
Processus cognitif où l'agent explore et évalue mentalement différentes séquences d'actions avant de choisir la meilleure à exécuter. Cette technique utilise des modèles internes pour anticiper les conséquences futures sans coût d'interaction réel.
Simulation Environnementale
Génération artificielle d'expériences environnementales à l'aide de modèles appris pour créer des données d'entraînement supplémentaires. Cette méthode permet d'augmenter massivement les données disponibles pour l'entraînement de l'agent.
Rêve d'IA
Processus où un agent d'IA génère et traite des séquences d'états imaginaires pendant des périodes d'inactivité pour consolider son apprentissage. Ces rêves simulés permettent d'améliorer la robustesse du modèle sans interaction environnementale.
Expérience Imaginationnelle
Données générées par l'agent à travers des simulations mentales utilisées comme complément aux expériences réelles pour l'entraînement. Ces expériences synthétiques suivent la même structure que les interactions réelles mais sont produites par le modèle interne.
Trajectoire Imaginée
Séquence d'états-actions-récompenses simulés par l'agent en utilisant son modèle interne de l'environnement. Ces trajectoires virtuelles permettent d'explorer des politiques alternatives sans risque ni coût réel.
Buffer d'Imagination
Espace mémoire stockant les expériences générées par imagination pour l'entraînement ultérieur de l'agent. Ce buffer fonctionne parallèlement au buffer d'expérience réel pour enrichir le corpus d'entraînement.
Curiosité Intrinsèque
Mécanisme de motivation interne poussant l'agent à explorer des états inconnus ou imprévisibles dans son modèle de l'environnement. Cette curiosity guide l'imagination vers des scénarios informatifs pour améliorer le modèle.
Exploration Guidée par Modèle
Stratégie d'exploration utilisant les prédictions du modèle interne pour identifier les actions les plus prometteuses à essayer. L'agent priorise les simulations menant à des états avec une forte incertitude ou un potentiel de récompense élevé.
Apprentissage par Essai Erreur Virtuel
Processus d'amélioration de la politique où l'agent teste des actions dans des simulations pour apprendre de leurs conséquences sans interaction réelle. Cette méthode élimine les coûts et risques associés à l'exploration physique.
Prédiction d'État Futur
Capacité du modèle interne à anticiper les états futurs de l'environnement sur plusieurs pas temporels. Cette prédiction multi-étapes est essentielle pour une planification imaginative efficace.
Dynamique Environnementale
Modélisation mathématique des règles gouvernant les transitions entre états dans l'environnement d'apprentissage. Une compréhension précise de cette dynamique est cruciale pour des simulations imaginatives réalistes.
Rollout Imaginaire
Simulation d'une trajectoire complète à partir d'un état donné en utilisant uniquement le modèle interne et une politique candidate. Les rollouts imaginaires permettent d'évaluer rapidement la qualité de différentes stratégies d'action.