Un laboratoire constant
La même grille, les mêmes obstacles, la même sortie et les mêmes commandes rendent la comparaison équitable.
SupraLab AI
Module pédagogique interactif
Du hasard à un réseau qui apprend.
Un même robot, un même laboratoire, six façons de décider. Observez chaque calcul, entraînez les modèles et voyez apparaître un véritable apprentissage.
- Simulation en temps réel
- Calculs rendus visibles
- Français et anglais
Le principe
Comparer ce qui est programmé à ce qui est appris.
L’environnement ne change jamais. Seule la manière dont le robot choisit son prochain mouvement évolue.
Un seul robot
Le visiteur suit le même agent et distingue clairement une action, une stratégie et un apprentissage.
Chaque calcul visible
Règles, valeurs Q, poids, activations, erreurs et gradients sont expliqués au moment où ils agissent.
Progression pédagogique
Six niveaux pour construire l’intuition.
Chaque niveau répond aux limites du précédent et introduit une nouvelle famille de décisions.
- 01N’apprend pas
Agent aléatoire
Une référence minimale pour distinguer réussite occasionnelle et progression.
- Ce que le robot utilise
- Une direction tirée au hasard
- Mécanisme
- Échantillonnage aléatoire
- 02N’apprend pas
IA symbolique
Une stratégie cohérente, entièrement écrite par le développeur.
- Ce que le robot utilise
- Position, sortie et règles
- Mécanisme
- Conditions explicites
- 03Apprend
Q-learning
Le robot améliore ses décisions par essais, récompenses et pénalités.
- Ce que le robot utilise
- État, actions et récompenses
- Mécanisme
- Mise à jour d’une Q-table
- 04Apprend
Perceptron
Une première frontière de décision construite à partir d’entrées numériques.
- Ce que le robot utilise
- Entrées et poids
- Mécanisme
- Apprentissage supervisé
- 05Poids fixes
Réseau multicouche
Une couche cachée montre la propagation avant et les représentations intermédiaires.
- Ce que le robot utilise
- Entrées, poids et activations
- Mécanisme
- Propagation avant
- 06Apprend
Rétropropagation
La perte produit des gradients qui corrigent progressivement les poids du réseau.
- Ce que le robot utilise
- Erreur, gradients et exemples
- Mécanisme
- Descente de gradient
Apprendre en manipulant
Le visiteur ne regarde pas une boîte noire.
Chaque expérience relie le comportement visible du robot aux nombres qui ont produit sa décision.
Simuler
Avancer pas à pas ou automatiquement, avec quatre vitesses.
Entraîner
Accélérer le Q-learning et entraîner les modèles supervisés.
Inspecter
Lire entrées, poids, probabilités, erreurs, gradients et courbe de perte.
Comparer
Observer ce qui reste statique et ce qui s’améliore réellement avec l’expérience.
Périmètre réel
Une expérience lisible, pas un modèle de production.
SupraLab AI privilégie la compréhension des mécanismes. Cette simplicité est un choix pédagogique assumé.
- Carte fixe pour comparer les six approches dans les mêmes conditions
- Petits modèles conçus pour rester inspectables
- Données supervisées générées à partir des positions accessibles du laboratoire
SupraLab AI
Suivre la mise en ligne du module.
Recevez le lien de l’expérience interactive dès son ouverture dans l’écosystème SupraLearning.