Laboratoire 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 exactement ce qui change quand une machine commence à apprendre.
Module interactif en préparation
Le même terrain, une autre décision
Choisissez le cerveau. Comparez le résultat.
La grille, les obstacles et la sortie restent constants. Seule la manière de choisir le prochain mouvement varie — ce qui rend la différence observable.
La Q-table évolue après les essais : l’agent explore, puis réutilise les décisions qui ont fonctionné.
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.
Entrée · direction tirée au hasard
Mécanisme · échantillonnage - 02N’apprend pas
IA symbolique
Une stratégie cohérente, entièrement écrite par le développeur.
Entrée · position + règles
Mécanisme · conditions explicites - 03Apprend
Q-learning
Le robot améliore ses décisions par essais, récompenses et pénalités.
Entrée · état + récompense
Mécanisme · mise à jour Q-table - 04Apprend
Perceptron
Une première frontière de décision construite à partir d’entrées numériques.
Entrée · entrées + poids
Mécanisme · supervisé - 05Poids fixes
Réseau multicouche
Une couche cachée montre la propagation avant et les représentations intermédiaires.
Entrée · activations
Mécanisme · propagation avant - 06Apprend
Rétropropagation
La perte produit des gradients qui corrigent progressivement les poids.
Entrée · erreur + gradients
Mécanisme · descente de gradient
Apprendre en manipulant
Une décision devient compréhensible quand on peut la suivre.
SupraLab AI relie le mouvement visible du robot aux valeurs, poids, probabilités et erreurs qui l’ont produit.
- 01
Simuler
Avancer pas à pas ou laisser l’environnement jouer à plusieurs vitesses.
- 02
Entraîner
Accélérer le Q-learning et entraîner les modèles supervisés.
- 03
Inspecter
Lire les entrées, activations, valeurs Q, gradients et pertes.
- 04
Comparer
Distinguer une réussite occasionnelle d’une stratégie qui progresse.
Périmètre réel
Une expérience lisible pour apprendre.
Le laboratoire privilégie l’intuition et l’inspection. Les modèles sont petits, la carte est fixe et les données supervisées proviennent de l’environnement de l’expérience.
- Six approches comparées dans les mêmes conditions
- Calculs et décisions visibles au moment où ils agissent
- Aucune promesse de performance industrielle
Dans l’écosystème
Après le mécanisme, retour à la maîtrise.
Une intuition observée dans le Lab peut devenir une notion à comprendre, pratiquer et rappeler dans FlashLearning.
Accès produit
Suivez l’ouverture de SupraLab AI.
Recevez le lien de l’expérience interactive dès sa mise en ligne.