Conclusion

Autant le perceptron est un dispositif très rudimentaire d'apprentissage, autant des algorithmes comme la rétropropagation du gradient appliqué à des réseaux multicouches permettent d'aborder des problèmes déjà très complexes. Parmi les applications les plus fréquentes de ces réseaux, on peut noter :

• la reconnaissance des formes. Il semble que ce soit là un des domaines où les réseaux neuronaux sont les plus performants. On a annoncé il y a déjà quelques temps la conception d'un réseau reconnaissant les visages. Si cela est exact, on serait en présence d'une solution connexionniste d'un problème pour lequel les méthodes classiques de l'intelligence artificielle ont été très peu performantes
• concurrence avec les méthodes statistiques. Les réseaux neuronaux sont de plus en plus utilisés en marketing, scoring, ...avec des succès divers. D'après certains statisticiens, si ces nouvelles méthodes sont intéressantes et parfois plus performantes que les techniques statistiques usuelles, elles sont aussi moins robustes, moins bien fondées et partant, plus dangereuses
• la cognition. L'espoir qu'ont suscité les techniques connexionnistes dans la communauté des sciences cognitives provient du fait que l'on a pensé avoir trouvé avec elles un dispositif expliquant ou montrant comment le ``symbolique'' pouvait émerger spontanément de l'expérience. Le compte-rendu des familles de Hinton vont dans ce sens. Il me semble que les travaux et expérimentations visant à étudier ce phénomène n'avancent que très lentement