Capacité d’une machine à utiliser des algorithmes pour analyser leur environnement, apprendre des données et utiliser ce qui a été appris pour agir et prendre des décisions – avec un certain degré d'autonomie – en vue d’atteindre des objectifs spécifiques.

Comment

Un système d'IA peut apprendre de son environnement en produisant un extrant (prédictions, recommandations ou décisions) pour un ensemble donné de facteurs ou de variables de caractéristiques.

Il existe trois grands niveaux d'intelligence artificielle:

• l’apprentissage automatique: application de l'IA qui offre aux machines la possibilité d'apprendre et de s'améliorer automatiquement à partir de l'expérience (ensemble de données d'entraînement) sans être explicitement programmées;
• l’apprentissage profond: technique d'IA où des réseaux de neurones artificiels avec différentes couches, des algorithmes basés sur la structure et le fonctionnement du cerveau humain, apprennent à partir de grandes quantités de données pour créer des modèles de prise de décision;
• apprentissage par renforcement: approche informatique de l'apprentissage par l’expérience par laquelle un agent (robot, etc.) essaie de maximiser la « récompense » quantitative qu'il reçoit au cours du temps lorsqu'il interagit avec un environnement complexe et incertain.