Question transversaleMathsNSIDonnées et intelligence artificielle

Pourquoi un neurone artificiel seul ne peut-il pas apprendre le « ou exclusif » ?

Q: Vérifiez le neurone ET sur les quatre entrées.

Sommes 0, 1, 1, 2 ; seule 2 dépasse 1,5 : réponses 0, 0, 0, 1.

Q: Pourquoi la frontière est-elle une droite ?

L'équation $w₁x₁+w₂x₂=θ$ est une équation cartésienne de droite.

Q: Écrivez le OU exclusif avec ET, OU et NON.

$x₁⊕ x₂=(x₁vee x₂)wedgeneg(x₁wedge x₂)$.

Q: Qu'est-ce qu'un raisonnement par l'absurde ?

On suppose le contraire de ce qu'on veut démontrer et on en déduit une contradiction.

Q: Un neurone peut-il calculer NON-ET ?

Oui : avec $w₁=w₂=-1$ et $θ=-1,5$, seule $(1;1)$ donne une somme $-2<-1,5$.

Un neurone artificiel répond 1 si w₁x₁ + w₂x₂ ≥ θ. Il réalise le ET et le OU, mais pas le OU exclusif : les conditions 0 < θ, w₁ ≥ θ, w₂ ≥ θ et w₁ + w₂ < θ sont contradictoires. Géométriquement, aucune droite ne sépare les deux classes ; il faut une couche de neurones de plus.

Grand oral session 2027 : exposé de 10 minutes debout, puis 10 minutes d'échange, sans calculatrice. Plan prévu pour 9,5 min.

Pourquoi cette question : un modèle d'introduction

Le jury attend que vous expliquiez pourquoi vous avez choisi la question. Inspirez-vous de ce modèle, mais racontez votre propre parcours.

J'ai lu qu'en 1969, un livre avait presque arrêté la recherche sur les réseaux de neurones en démontrant qu'un neurone seul ne pouvait pas calculer une fonction aussi simple que le « ou exclusif ». Cela m'a intrigué : comment démontrer qu'une machine est incapable de quelque chose ? Le raisonnement tient en quelques inégalités, et il explique pourquoi les réseaux modernes ont plusieurs couches.

L'enjeu et les notions du programme

Démontrer une impossibilité par l'absurde à l'aide d'inégalités, et l'interpréter géométriquement par une droite séparatrice.

Mathématiques

Inéquations linéaires, demi-plans (seconde)
Raisonnement par l'absurde (seconde)
Équations de droites (seconde)

Numérique et sciences informatiques

Booléens, table de vérité du xor (première)
Apprentissage automatique : modèle et limites (première)

Le plan de l'exposé en 9,5 min

1. Introduction
1 min
Un neurone artificiel reçoit des entrées $x_{1}, x_{2}$ x₁,x₂, les pondère par des poids $w_{1}, w_{2}$ w₁,w₂ et répond 1 si $w_{1} x_{1} + w_{2} x_{2} \geq θ$ w₁x₁+w₂x₂≥θ, 0 sinon. Problématique : quelles fonctions logiques peut-il calculer ?
2. Mathématiques : ce qui marche et ce qui ne marche pas
4,5 min
ET logique : avec $w_{1} = w_{2} = 1$ w₁=w₂=1 et $θ = 1, 5$ θ=1,5, seule l'entrée $(1; 1)$ (1;1) donne $2 \geq 1, 5$ 2≥1,5 : réponse 1. OU : avec $θ = 0, 5$ θ=0,5, il suffit d'une entrée à 1.
OU exclusif : il faut 0 pour $(0; 0)$ (0;0) et $(1; 1)$ (1;1), et 1 pour $(1; 0)$ (1;0) et $(0; 1)$ (0;1). Supposons qu'un neurone y parvienne. $(0; 0)$ (0;0) donne 0 : $0 < θ$ 0<θ. $(1; 0)$ (1;0) donne 1 : $w_{1} \geq θ$ w₁≥θ. $(0; 1)$ (0;1) donne 1 : $w_{2} \geq θ$ w₂≥θ. Donc $w_{1} + w_{2} \geq 2 θ > θ$ w₁+w₂≥2θ>θ puisque $θ > 0$ θ>0. Mais $(1; 1)$ (1;1) doit donner 0 : $w_{1} + w_{2} < θ$ w₁+w₂<θ. Contradiction : aucun neurone ne calcule le OU exclusif.
Interprétation : la frontière $w_{1} x_{1} + w_{2} x_{2} = θ$ w₁x₁+w₂x₂=θ est une droite, qui coupe le plan en deux demi-plans. Un neurone sépare les entrées par une droite. Les points $(1; 0)$ (1;0) et $(0; 1)$ (0;1) d'un côté, $(0; 0)$ (0;0) et $(1; 1)$ (1;1) de l'autre, sont les sommets opposés d'un carré : aucune droite ne les sépare.
3. NSI : ajouter une couche
2,5 min
On combine des neurones : $x_{1} \oplus x_{2} = (x_{1} \lor x_{2}) \land \neg (x_{1} \land x_{2})$ x₁⊕ x₂=(x₁vee x₂)wedgeneg(x₁wedge x₂). Un premier neurone calcule le OU, un deuxième le ET, et un troisième combine les deux résultats : réponse 1 si le OU vaut 1 et le ET vaut 0, ce qui est séparable par une droite.
C'est le principe des réseaux à plusieurs couches : chaque couche transforme les données pour que la suivante puisse les séparer. La difficulté a longtemps été de les entraîner ; l'algorithme de rétropropagation du gradient, popularisé en 1986, l'a résolue.
4. Conclusion
1,5 min
Un neurone seul ne sépare les données que par une droite : quatre inégalités contradictoires prouvent qu'il ne peut pas apprendre le OU exclusif. Deux couches suffisent. Ce résultat explique la profondeur des réseaux actuels. J'ouvre sur le théorème d'approximation universelle, qui garantit qu'un réseau à une couche cachée peut approcher n'importe quelle fonction continue.

Ce que j'écris au tableau

Pas de calculatrice ni de support numérique : un calcul clé écrit au tableau rend l'exposé concret et montre la solidité des connaissances.

r \overset{e}{ˊ} ponse = 1 ⟺ w_{1} x_{1} + w_{2} x_{2} \geq θ réponse =1\Leftrightarrow w₁x₁+w₂x₂\geqθ 0 < θ, w_{1} \geq θ, w_{2} \geq θ \Rightarrow w_{1} + w_{2} \geq 2 θ > θ mais w_{1} + w_{2} < θ contradiction 0<θ, w₁\geqθ, w₂\geqθ\Rightarrow w₁+w₂\geq2θ>θ mais w₁+w₂<θ contradiction

Conclusion : la réponse à la question

On peut démontrer qu'une machine est incapable d'une tâche : un neurone ne trace qu'une droite, et le OU exclusif n'est pas séparable par une droite. La géométrie des demi-plans explique pourquoi les réseaux de neurones ont des couches.

Les questions probables du jury

Pendant les 10 minutesd'échange, le jury vous fait préciser et approfondir, sur tout le programme de vos spécialités en lien avec la question.

Vérifiez le neurone ET sur les quatre entrées.

Sommes 0, 1, 1, 2 ; seule 2 dépasse 1,5 : réponses 0, 0, 0, 1.

Pourquoi la frontière est-elle une droite ?

L'équation $w_{1} x_{1} + w_{2} x_{2} = θ$ w₁x₁+w₂x₂=θ est une équation cartésienne de droite.

Écrivez le OU exclusif avec ET, OU et NON.

$x_{1} \oplus x_{2} = (x_{1} \lor x_{2}) \land \neg (x_{1} \land x_{2})$ x₁⊕ x₂=(x₁vee x₂)wedgeneg(x₁wedge x₂).

Qu'est-ce qu'un raisonnement par l'absurde ?

On suppose le contraire de ce qu'on veut démontrer et on en déduit une contradiction.

Un neurone peut-il calculer NON-ET ?

Oui : avec $w_{1} = w_{2} = - 1$ w₁=w₂=-1 et $θ = - 1, 5$ θ=-1,5, seule $(1; 1)$ (1;1) donne une somme $- 2 < - 1, 5$ -2<-1,5.

Les pièges qui coûtent des points

Oublier la condition θ > 0 tirée de l'entrée (0 ; 0).
Croire qu'un meilleur entraînement suffirait : c'est une impossibilité.
Confondre OU et OU exclusif.

Revoir les notions

Autres questions : données et intelligence artificielle

Toutes les questions maths-nsi →

Préparer l'oral, pas seulement le contenu

Gestion des 20 minutes de préparation, usage du tableau, posture debout, réponses au jury : la méthode complète, conforme aux règles de la session 2027.

Méthode : traiter une question de Grand oral →

Continuer la préparation

Le Grand oral 2027 →Méthode : traiter une question →Toutes les questions, par combinaison →Questions de maths seules →Questions maths-physique-chimie →Questions maths-SES →Questions maths-SVT →Questions maths-SI →Questions maths-HGGSP →Questions maths-anglais →