@pemile
Ah oui, j’ai oublié de te dire, pour répondre à ta question, le RN doit la traduire, la confronter à sa représentation du monde, y répondre dans cette représentation et retraduire cette réponse. Donc ce volume de données n’est pas passif, il sert à comprendre tes questions et à y répondre. Et quand le volume de données du RN est faible, la représentation du monde est forcément trop simplifiée, et tu ne peux pas t’attendre à ce que les réponses soient justes quand elles impliquent un grand nombre de domaines différents. Donc dans les RN, la taille d’un réseau compte pour la cognition (dans la mesure où la phase d’apprentissage entraîne bien tout le réseau : ce qui est très difficile et très coûteux avec de gros réseaux). Donc on pourrait créer des réseaux neuronaux bien plus gros que notre cerveau, mais la difficulté est d’entraîner tout ça de manière efficace. À une époque, on observait qu’augmenter la taille des RN n’améliorait pas la qualité des réponses, justement parce qu’on ne savait pas les entraîner correctement.