Grand oral nsi Sujet 1 : Les voitures autonomes, les dangers ?

« Sujet 1 : Les voitures autonomes, les dangers ? Ÿ Intro Bonjour à tous aujourd'hui je vais vous parlez des voitures autonomes dans le thème interfaces-hommesmachines (IHM). Au cours des dernières années, la technologie des voitures autonomes a connu une progression rapide, faisant des progrès notables dans la sécurité routière, la connectivité et la mobilité.

Pour l'instant seules les voitures autonomes de niveau 3 qui est en autonomie conditionnelle peuvent être conduitent en France.

Elles sont autorisés à circuler en France que depuis le 1er septembre 2022. Nous allons donc nous demander face aux promesses d’autonomie et d’innovation, quelles sont les limites éthiques et sécuritaires que les voitures autonomes imposent à notre société ? Dans un 1er temps nous allons parler de comment marche une voiture autonome puis dans un 2nd temps les risques et les solutions pour les limiter. Ÿ I - Qu'est ce que la voiture autonome a) qu'est ce que c'est ? Ce que l'on appelle une voiture autonome c'est un véhicule capable de rouler sans l'intervention d'un être humain.

Grâce à de nombreux capteurs et à un logiciel de calcul particulièrement élaboré, elle est capable de se déplacer dans le trafic et de prendre des décisions toute seule, sans l'apport d'un conducteur.

Une voiture autonome ne l'est pas exclusivement.

En règle générale, elle dispose d'un mode automatisé, complet ou partiel, qui peut être activé ou désactivé au cas où le conducteur voudrait prendre le contrôle.

Car la voiture autonome ne dit pas absence de conducteur, bien au contraire.

Celui-ci doit être présent derrière le volant pour agir en cas de dysfonctionnement. b) système IA Le cœur de tout algorithme d’auto-conduite est un réseau de neurones profonds le DNN (Deep Neural Networks).

Les DNN utilisent un réseau de neurones artificiels pour représenter les données en couches: couche d’entrée, couche(s) cachée(s) et couche de sortie.

Connus pour avoir de nombreux paramètres qui le rendent difficile à entraîner, mais il existe de nombreux type de techniques d'apprentissage. Comme par exemple la pré formation et l'apprentissage par transfert.

Il existe différents types de DNN: les couches convolutives, les couches récurrentes (RNN) et les couches d’anticipation (FF) sont toutes largement utilisées dans les applications d’apprentissage en profondeur telles que les algorithmes de voiture autonome.

Les couches convolutives appliqueront un noyau ou un filtre pour extraire des caractéristiques de haut niveau d’une entrée afin que chaque élément de la sortie ait des dimensions très similaires par rapport à la couche précédente.

Les RNN tirent parti des dépendances temporelles, ce qui signifie qu’ils peuvent être utilisés dans des situations où vous devez comprendre comment quelque chose change au fil du temps, comme la compréhension de la parole ou la détection d’objets dans des images/vidéos.

Les couches Feedforward capturent mieux les dépendances spatiales, c’est pourquoi elles sont couramment utilisées dans des tâches de classification très précises. Pour former ces DNN, nous pouvons utiliser l’une des deux techniques suivantes : l’apprentissage supervisé ou l’apprentissage non supervisé.

Avec l’apprentissage supervisé, la sortie souhaitée pour chaque entrée est donnée au modèle pendant la formation; cela fonctionne généralement mieux lorsqu’il existe une étiquette disponible qui correspond à chaque observation. L’apprentissage non supervisé consiste à utiliser un ensemble de données non étiqueté et à lui donner des fonctionnalités pour qu’il puisse les regrouper avec des modèles par lui-même c) IA utiliser dans les voitures autonomes L'intelligence artificiel utilisé est le deep learning (aussi appelé « apprentissage profond ») permet à la machine de générer une réponse résultant d’un apprentissage autonome.

Cela par le fait des algorithmes dont le.... »