L’apprentissage est une opération de collecte, de classement et de transformation d’information en vue de produire ou enrichir un ou plusieurs modèles réutilisables (Cornuéjol Antoine, 2010).

Nous réalisons tous cette opération lorsque nous captons une information nouvelle. Nous cherchons à la rapprocher des autres informations et à l’insérer dans un modèle que nous avons préalablement construit. Nous remanions ce modèle lorsque l’on peut difficilement classer cette information avec celles existantes.

L’apprentissage artificiel est mené par une machine apprenante sur le même principe.

Il existe plusieurs techniques d’apprentissage automatique telles que :

  • la catégorisation qui consiste à regrouper des informations en fonction de critères communs
  • la phénomènisation qui consiste à extraire des séquentialités dans les informations
  • l’apprentissage supervisé, non supervisé ou semi supervisé selon qu’un expert s’implique plus ou moins dans les produits des algorithmes

De nombreux algorithmes d’apprentissage automatique ont été réalisés à partir de techniques inductives, abductives, génétiques, heuristiques, etc.

Dans leur ouvrage (Cornuéjol Antoine, 2010) les auteurs citent également les techniques d’apprentissage par exploration, par optimisation, par approximation et interpolation.

Les techniques d’apprentissage par exploration incluent les techniques inductives, par analogie, et les inférences grammaticales par exemple.

Les techniques d’apprentissage par optimisation regroupent les techniques bayésiennes ou markoviennes, les réseaux connexionnistes par exemple. Enfin les techniques d’apprentissage par approximation et interpolation comprennent notamment les méthodes à noyau et les méthodes reflexes.

Cornuéjol Antoine, Miclet Laurent. 2010. Apprentissage artificiel. s.l. : Eyrolles, 2010.