Dans le cours d’exploration des nouvelles technologies, nous rechercherons comment développer un réseau de neurones artificiels (« artificial neural network » ou ANN) qui sera en mesure de détecter des caractères (chiffres et lettres) dessinées à l’écran. Le but de la recherche est de comprendre le fonctionnement derrière les technologies d’apprentissage automatique (« machine learning ») en exploitant un outil de reconnaissance optique de caractères.
Dans le contexte plus général de l’intelligence artificiel, l’enjeu principal est souvent d’automatiser des tâches qui sont faciles pour un humain mais difficiles pour un ordinateur. La reconnaissance optique de caractère (« optical character recognition » ou OCR) est un bon exemple de tâche qui est difficile à programmer de façon algorithmique.
La reconnaissance de caractères a une application importante au niveau de l’archivage de données, par exemple lorsque les documents sont seulement disponibles sur papier. Il est facile de numériser un document mais difficile d’extraire l’information sous forme de texte pour la traiter par la suite, à moins de transcrire le texte manuellement. Une autre application possible serait de détecter des codes postaux.
Ce projet fera le lien avec des connaissances que nous avons acquises dans nos cours de programmation et d’algèbre linéaire et nous permettra de les mettre en pratique concrètement.
Pour arriver à la réussite du projet, beaucoup de connaissances seront nécessaires à acquérir. Le plus difficile sera le fonctionnement derrière les réseaux de neurones artificiels et les détails qui les entourent qui relèvent de l’algèbre linéaire et de calcul avancé. Heureusement, il existe plusieurs librairies dans le langage Python qui nous faciliteront la tâche.
L’intelligence artificielle est un sujet qui est de plus en plus d’actualité dans des domaines qui jusqu’à maintenant étaient crus comme étant réservés aux humains, par exemple la conduite d’automobiles. Les réseaux de neurones artificiels sont souvent à la base des systèmes d’intelligence artificielle complexes. La motivation de notre recherche est donc de pouvoir expliquer le lien entre la reconnaissance de caractère et les technologies plus poussées qui ont été développées dans les dernières années par les compagnies comme Google et IBM.
Notre outil de démonstration se limitera à la reconnaissance individuelle de caractères, mais il serait possible de l’utiliser pour transcrire correctement des documents numérisés pour en extraire le texte. Il y a plusieurs domaines où il est utile d’extraire du texte contenu dans une image, par exemple pour archiver les données de façon plus compacte ou pour l’envoyer dans un système de synthèse vocale pour aider les personnes avec des problèmes de vision.
La recherche sera menée d’abord en lisant les ressources à propos des réseaux de neurones qui sont disponibles sur internet. La recherche sera ensuite menée en grande partie à l’aide d’outils d’expérimentation. L’outil principal sera le langage de programmation Python dans lequel notre outil de démonstration sera programmé. Les librairies Numpy (opérations sur des matrices et tableaux) et Pygame (interfaces graphiques) seront utilisées.
Les étapes suivantes nous permettront d’arriver au but visé :
Les ressources suivantes seront utilisées lors de l’expérimentation et de la recherche :
Ressources matérielles :