IA pour reconnaître les minéraux

[Abies]

Existe t-il de nos jours une IA capable d'identifier les minéraux de manière certaine. Je sais que cela existe pour les végétaux alors pourquoi pas les minéraux .🙂 ? Si un codeur lit ce message, c'est peut être quelque chose à développer non ! 

[3frangin]

non l'IA et autres ne peuvent pas faire les tests et analyses donc pas possible de reconnaitre des espèces minérales sur photo. Et pour les plantes ou les insectes ça ne marche pas pour des choses rares ou peu courantes il faut encore vérifier et faire des recherches pour être sur . 

[Invité jean francois06]

La réponse n'est pas aussi tranchée.

Il y a de nombreuses recherches dans le domaine. Mais ce n'est pas forcément accessible avec un téléphone, aussi smart soit il. Une lame mince, un microscope et un ordinateur, et l'IA peut faire déjà pas mal de trucs.

Pour les applications sur un téléphone, on pourrait imaginer un couplage entre le tel et un spectromètre raman (si faut ça existe déjà, il y a des spectromètres qui en fonction du spectre proposent des minéraux, genre j'invente l'eau tiède).

Toujours sur téléphone, il y a des applications, pas encore grand public qui en fonction de la localisation, de l'heure, proposent à partir d'une photo de déterminer la roche.

C'est du deep learning, il faut donc alimenter l'IA.

Pour les plantes, l'identification par photo semble évidente. Pas besoin de HCl, de densité, de dureté pour les tests de base. L'IA demande une photo de la fleur, pour les plantes à fleurs et propose des réponses. PlantNet, par exemple, donne des résultats sur cette photo de la fleur. Les réponses sont données en pourcentage. Parfois avant la réponse, on vous dit recherche dans la base des Cévennes, alors que vous êtes en PACA, ou bien dans la base mondiale. Vous ne faites pas qu'envoyer une photo, vous envoyez aussi une position et une date. Pour affiner le pourcentage, on peut ajouter la feuille (les feuilles de la base de la plante ne sont pas forcément les même que celles du sommet de la plante, on peut donc envoyer plusieurs fleurs et feuilles de la même plante), les fruits etc... Parfois s'il manque un critère, l'IA vous dira, j'ai besoin de tel critère pour identifier. Et on verra le pourcentage augmenter.

Parfois dans le monde des plantes, il faut aussi sortir sa loupe pour déterminer, et même avec ça on peut repartir avec un doute. Et bien l'IA en principe dans ce cas ne donne pas des pourcentages forts.

En gros l'IA comme nous elle peut douter. Sur les plantes ça semble simple car les caractères spécifiques pour l'essentiel sont morphologiques, pour les minéraux c'est moins simple car les caractères spécifiques ne sont pas morphologiques.

On voit sur ce site des gens qui sont capables de donner des identifications de minéraux et des localisations à partir de photographies du minéral et de sa gangue. L'Ia est sans doute très capable de faire ça. C'est juste une question de base de données.

La réponse, comme pour les plantes, sera donnée avec une incertitude.

 

 

 

[Marco Nature]

Bonjour

En tout cas dommage , car pour moi et autres? ça nous auraient servis, mais heureusement qu il y a des gars comme vous pour nous donné des coups de mains, renseignements et j en passe, sinon de mon coté je serais laché..perdu....mais c est une bonne question a qui je ne peux y répondre. 

[1GM]

il n'existe pas d'IA ( comprendre intelligences artificielles )... juste des réseaux neuronaux ( comprendre des programmes informatiques ) a qui on as fournis une base de connaissance ( lire : des données pré-machées par des humains payé au lance pierre dans des pays du tiers monde ) qui peuvent fournir les réponses correcte que leur programmation et la base de connaissance leur disent de fournir.

 

Bref : il n'y as aucune intelligence dans les IA ( y compris ChatGPT ), juste de l'informatique avancée et une base de donnée massive.

 

En ce qui concerne la minéralogie quand on voit que pour pas mal de zéolites, le seul moyen de les différencier c'est de faire l'analyse des compositions chimiques, les réseaux neuronaux sont pas près d'être efficace...

[elasmo]

Citation

IA ( y compris ChatGPT ),

 

Bonsoir

 

C'est ce que je répète à tout le monde, en permanence, c'est de la communication journalistiques qui n'y comprennent que dalles comme souvent

[Invité jean francois06]

Il y a 16 heures, 1GM a dit :

il n'existe pas d'IA ( comprendre intelligences artificielles )... juste des réseaux neuronaux ( comprendre des programmes informatiques ) a qui on as fournis une base de connaissance ( lire : des données pré-machées par des humains payé au lance pierre dans des pays du tiers monde ) qui peuvent fournir les réponses correcte que leur programmation et la base de connaissance leur disent de fournir.

 

Bref : il n'y as aucune intelligence dans les IA ( y compris ChatGPT ), juste de l'informatique avancée et une base de donnée massive.

 

En ce qui concerne la minéralogie quand on voit que pour pas mal de zéolites, le seul moyen de les différencier c'est de faire l'analyse des compositions chimiques, les réseaux neuronaux sont pas près d'être efficace...

comme je ne suis pas un spécialiste je regarde les" comprendre" : https://www.ibm.com/fr-fr/topics/neural-networks

les réseaux neuronaux :"Les réseaux neuronaux constitue un programme ou un modèle de machine learning qui prend des décisions d’une manière comparable au cerveau humain, en utilisant des processus qui reproduisent la façon dont les neurones biologiques fonctionnent de concert pour identifier des phénomènes, évaluer des options et arriver à des conclusions." Word, excel, photoshop, outlook sont des logiciels, mais ils n’apprennent rien.  Mais qu'en est il par exemple en matière d'imagerie médicale? On fournit une base de données (pre machées par des humains payès au lance pierre (sans doute des gars qui font des radiographies à l'oeil)), et c'est fantastique car l'utilisation de la base de données permet d'accéder à des données rares,  qu'un radiographiste n'aura pas dans sa vie l occasion de voir, le trucs avec le faible, très faible pourcentage. Le truc improbable!

Je cite un exemple pratique : "En pratique, “l’intérêt, déjà énorme, de l’IA en imagerie médicale est double : elle permet à la fois l’analyse des images, mais peut aussi améliorer de la qualité d’image, grâce à ses « connaissances » acquises en anatomie. Cela nous permet un gain de temps considérable dans la réalisation des images, jusqu’à 14 fois plus rapide ” reconnaît-il, indiquant que pour une fracture, par exemple, le radiologue n’interprète que rarement la radio, mais analyse davantage l’échographie, l’IRM et le scanner. Autre exemple, une mammographie bénéficiera quant à elle d’une double lecture : par le radiologue et par une IA. “L’intérêt n’est pas de remplacer le radiologue, mais d’apporter une nouvelle lecture” insiste Alexandre."

https://popsciences.universite-lyon.fr/ressources/lintelligence-artificielle-au-service-de-limagerie-medicale-des-apports-majeurs-4-dossier-popsciences-diagnostic-2-0-quand-lia-intervient/

[Invité jean francois06]

voici un article en géologie : https://www.mdpi.com/2076-3417/11/16/7736

on peut imaginer la même chose sur des ammonites, etc...

et ne pas oublier les intervalles de confiances.

Tiens, on vient de passer le ramadan. Le début et la fin  Ramadan sont des données astronomiques en rapport aux phases lunaires. Nuits du doute. Les calculs, les musulmans connaissent. C'est pas la question. Il y a des pays ou le début et la fin du Ramadan sont définis des années à l"avance, le cycle lunaire étant parfaitement connu. Mais pour certains, ce n'est pas l'horloge astronomique qui gouverne, c'est un peu plus subtil. On discute. Il y a le fameux "inch allah". Et si les nuages empêchaient de voir la lune?  Voici une approche qui ne laisse pas de place à l'IA.  Ce sont des êtres humains qui discutent, se disputent sur un phénomène hors de leur pouvoir. Et ils le savent.

A nous de voir le crédit que l'on donne à l'ia.

[elasmo]

Un site génial d'un ancien ingénieur naval qui présente de nombreuses choses de manière synthétique et ludique

 

http://villemin.gerard.free.fr/

 

@jean francois06

Tu devrais peux être t'en inspirer pour faire quelques choses d'utile vu le champ des connaissances que tu semble avoir

[Maxster]

Je crois pas que ça existe non plus, cependant en utilisant google lens (recherche google avec photo) tu trouve des photos ressemblant à la tienne ce qui donne de bonnes pistes a explorer, en faisant ensuite un test de densité, ta recherche se precise. 

 

Ce n'est pas un outil miracle mais il est très utile, et pas que pour les mineraux mais aussi les plantes, les animaux, etc...

[Kayou]

https://www.google.fr/search?q=une+appli+pour+reconnaissance+des+mineraux&sca_esv=00efb85e6f8ba711&sca_upv=1&sxsrf=ADLYWIJPySd_-HyLDmqQRxSAlio1B4--ig%3A1716454259580&ei=cwNPZr_yIuyMkdUP2NWHwA4&ved=0ahUKEwj_96izsqOGAxVsRqQEHdjqAegQ4dUDCBE&oq=une+appli+pour+reconnaissance+des+mineraux&gs_lp=Egxnd3Mtd2l6LXNlcnAiKnVuZSBhcHBsaSBwb3VyIHJlY29ubmFpc3NhbmNlIGRlcyBtaW5lcmF1eDIKEAAYsAMY1gQYRzIKEAAYsAMY1gQYRzIKEAAYsAMY1gQYRzIKEAAYsAMY1gQYRzIKEAAYsAMY1gQYRzIKEAAYsAMY1gQYRzIKEAAYsAMY1gQYRzIKEAAYsAMY1gQYR0jMcVAAWABwBHgAkAEAmAFIoAFIqgEBMbgBDMgBAJgCBKACH5gDAIgGAZAGCJIHATSgB44G&sclient=gws-wiz-serp

[1GM]

Il y a 4 heures, Maxster a dit :

Je crois pas que ça existe non plus, cependant en utilisant google lens (recherche google avec photo) tu trouve des photos ressemblant à la tienne ce qui donne de bonnes pistes a explorer, en faisant ensuite un test de densité, ta recherche se precise. 

 

Ce n'est pas un outil miracle mais il est très utile, et pas que pour les mineraux mais aussi les plantes, les animaux, etc...

 

La recherche d'une d'image ou ChatGPT c'est du pareil au même... C'est même plus simple avec une image.

le moteur neuronal va chercher dans sa mémoire ( base de donnée ) quelque chose qui ressemblera à l'image donnée en source... Et te donneras des détails... mais ces détails, il y as un homo sapiens mal payé qui les as validé avant que l'image entre dans la base de donnée.

[Invité jean francois06]

https://www.sciencedirect.com/science/article/pii/S0065268720300054

Un article sur 70ans de machine learning en géosciences. C'est un peu en dehors du sujet mais...

je cite un extrait de l'introduction : "Nevertheless, investigations of machine learning in geoscience are not a novel development. The research into machine learning follows interest in artificial intelligence closely. Since its inception, artificial intelligence has experienced two periods of a decline in interest and trust, which has impacted negatively upon its funding. Developments in geoscience follow this wide-spread cycle of enthusiasm and loss of interest with a time lag of a few years. This may be the result of a variety of factors, including research funding availability and a change in willingness to publish results."

Je mets ici une traduction faite par une IA : "Néanmoins, l'étude de l'apprentissage automatique dans le domaine des géosciences n'est pas une nouveauté. La recherche sur l'apprentissage automatique suit de près l'intérêt pour l'intelligence artificielle. Depuis sa création, l'intelligence artificielle a connu deux périodes de déclin de l'intérêt et de la confiance, ce qui a eu un impact négatif sur son financement. Les développements dans le domaine des géosciences suivent ce cycle généralisé d'enthousiasme et de perte d'intérêt avec un décalage de quelques années. Cela peut être le résultat d'une variété de facteurs, y compris la disponibilité du financement de la recherche et un changement dans la volonté de publier les résultats."

Traduit avec DeepL.com (version gratuite)

Au passage on a cette expression "AI Winter": "The 1970s were left with few developments in both the methods of machine learning, as well as, applications and adoption in geoscience (cf. Fig. 1), due to the “first AI winter” after initial expectations were not met."

"Les années 1970 ont été marquées par peu de développements dans les méthodes d'apprentissage automatique, ainsi que dans les applications et l'adoption dans les géosciences (cf. Fig. 1), en raison du "premier hiver de l'IA", après que les attentes initiales n'aient pas été satisfaites." Traduit avec DeepL.com (version gratuite).

Je passe à la conclusion :"In conclusion, machine learning has had a long history in geoscience. Kriging has progressed into more general machine learning methods, and geoscience has made significant progress applying deep learning. Applying deep convolutional networks to automatic seismic interpretation has progressed these methods beyond what was possible, albeit still being an active field of research. Using modern tools, composing custom neural networks, and conventional machine learning pipelines has become increasingly trivial, enabling wide-spread applications in every subfield of geoscience. Nevertheless, it is important to acknowledge the limitations of machine learning in geoscience. Machine learning methods are often cutting edge technology, yet properly validated models take time to develop, which is often perceived as inconvenient when working in a hot scientific field. Despite being cutting edge, it is important to acknowledge that none of these applications are fully automated, as would be suggested by the lure of artificial intelligence. Nevertheless, within applied geoscience, significant new insights have been presented. Applications in geoscience are using machine learning as a utility for data preprocessing, implementing previous insights beyond the theory and synthetic cases, or the model itself enabling unprecedented applications in geoscience. Overall, applied machine learning has matured into an established tool in computational geoscience and has the potential to provide further insights into the theory of geoscience itself."

"En conclusion, l'apprentissage automatique a une longue histoire dans les géosciences. Le krigeage a évolué vers des méthodes d'apprentissage automatique plus générales, et les géosciences ont fait des progrès significatifs dans l'application de l'apprentissage profond. L'application des réseaux convolutifs profonds à l'interprétation sismique automatique a fait progresser ces méthodes au-delà de ce qui était possible, bien qu'il s'agisse toujours d'un domaine de recherche actif. L'utilisation d'outils modernes, la composition de réseaux neuronaux personnalisés et les pipelines d'apprentissage automatique conventionnels sont devenus de plus en plus triviaux, ce qui permet des applications à grande échelle dans tous les sous-domaines des géosciences. Néanmoins, il est important de reconnaître les limites de l'apprentissage automatique dans les géosciences. Les méthodes d'apprentissage automatique sont souvent à la pointe de la technologie, mais il faut du temps pour développer des modèles correctement validés, ce qui est souvent perçu comme un inconvénient lorsqu'on travaille dans un domaine scientifique en pleine effervescence. Bien qu'elles soient à la pointe de la technologie, il est important de reconnaître qu'aucune de ces applications n'est entièrement automatisée, comme le suggérerait l'attrait de l'intelligence artificielle. Néanmoins, dans le domaine des géosciences appliquées, de nouvelles idées importantes ont été présentées. Les applications en géosciences utilisent l'apprentissage automatique comme un utilitaire pour le prétraitement des données, la mise en œuvre de connaissances antérieures au-delà de la théorie et des cas synthétiques, ou le modèle lui-même permettant des applications sans précédent en géosciences. Dans l'ensemble, l'apprentissage automatique appliqué est devenu un outil reconnu dans le domaine des géosciences computationnelles et a..."

Traduit avec DeepL.com (version gratuite)

C'est payant, la longueur du texte est limité :"et a le potentiel de fournir de nouvelles connaissances dans la théorie des geosciences elle-même."

On parle d'Ia en ayant recourt à l'Ia (il y a quelques défaut dans la traduction, je crois que google fait pareil.)