Pour être sûr d'être sur le qui-vive au volant
Les réseaux neuronaux sont une tentative des scientifiques pour modéliser le cerveau humain dans l'espoir de parvenir à une intelligence artificielle (IA). Ils sont utilisés pour modéliser des relations entrée-sortie complexes. À l'instar des êtres humains, les réseaux neuronaux acquièrent des connaissances via l'apprentissage et les stockent sous la forme d'un coefficient de pondération neuronale. Le laboratoire des réseaux neuronaux de l'université de Milan en Italie utilise des réseaux neuronaux dans le but de réduire le pourcentage d'accidents de voiture. La surveillance continue des électrocardiogrammes, de la respiration, du réflexe psychogalvanique et de la température de la peau des conducteurs a permis d'obtenir des données sur leur niveau de vigilance. Des paramètres des automobiles tels que la vitesse, l'accélération, l'angle de braquage, etc., ont par ailleurs été enregistrés. Ces deux flux de données ont servi d'entrée à un réseau neuronal hybride de perceptrons multicouches. Dans la mesure où les réseaux neuronaux doivent être entraînés, la phase suivante comprend un apprentissage intensif. La technique de rétro-propagation, au travers de laquelle l'entrée est introduite dans le MLP et où les coefficients de pondération sont ajustés jusqu'à ce que la sortie souhaitée soit atteinte, a été utilisée. L'application de la théorie d'apprentissage Probably Approximately Correct (PAC) a permis d'établir la durée de la formation nécessaire. Au terme de l'apprentissage, des règles ont été établies en vue de gouverner l'interaction entre les entités sous-symboliques et symboliques dans le MLP. L'équilibre entre le temps de calcul et les performances a pu être atteint de manière intelligente grâce à l'application d'un programme d'optimisation du recuit simulé. En ce qui concerne la route, les manoeuvres exigeant la plus grande attention de la part du conducteur ont été définies à l'aide des paramètres disponibles. Une fois toutes les données regroupées, le système surveille l'état de santé du conducteur pendant l'exécution de ces manoeuvres et, sur la base de la sortie du réseau, fournit un précieux feed-back visuel. À ce stade, le système peut seulement être qualifié de prototype. Des partenariats avec des organisations offrant des compétences complémentaires sont nécessaires pour aller de l'avant.
