Pour en savoir un peu plus sur le machine learning et le deep learning

Note liminaire : Il y a 13 jours j'avais déjà publié cet article. Aussi, ce jour, je devais mettre en ligne un article sur le malthusianisme. Or, pour une raison incompréhensible, mon article du jour est venu écraser le post sur le machine learning ... et prendre sa place ! Étonnant, voire très étonnant. 🤔 🤔 🤔
Pour ne perdre aucun de mes articles et les avoir tous en ligne sur la présente blockchain, je le réédite, en espérant que ce type de bug ne se reproduise plus à l'avenir.
L'article sur le malthusianisme est consultable en cliquant sur le présent lien.

L'intelligence artificielle... qui apprend toute seule ?

Il est indéniable que depuis quelques années l'on parle régulièrement de l'intelligence artificielle. Voie d'avenir incontournable pour certains, terreau de peur et d'angoisse pour les autres.

L'intelligence artificielle relève de la science-fiction, mais elle envahit, chaque jour, un peu plus notre vie courante... sans que l'on s'en aperçoive obligatoirement.

L'aventure d'AlphaGo (programme d'IA - Intelligence Artificielle - développé par la société DeepMind) qui a battu, en mai 2017, le joueur n° 1 du jeu de Go, Ke Jie a fortement contribué à nous faire prendre conscience de la réalité et de la puissance de l'intelligence artificielle.

Donc l'IA nous entoure et il faudra désormais composer avec elle. Mais lorsque l'on parle Intelligence artificielle l'on évoque souvent le machine learning ou le deep learning. Il est donc temps d'en appréhender les différences.

De façon très globale l'on peut dire que l'Intelligence artificielle est née au milieu des années 1950, puis est apparu, dans les années 80, l'apprentissage automatique (Machine learning) avant que naisse, au cours des années 2010, l'apprentissage en profondeur (Deep learning). Cette évolution a été rendue possible grâce aux différents progrès technologiques relevés au cours des années et les percées dans l'apprentissage profond ont permis le boom de l'IA que nous connaissons.

C'est quoi le machine learning ?
Quand la machine apprend...

Machine learning se traduit par apprentissage automatique. Il s'agit en fait d'une branche de l'intelligence artificielle à la croisée de plusieurs domaines scientifiques (statistiques, informatique, automatique, optimisation, ...) qui est notamment utilisé pour faire progresser les logiciels de reconnaissance faciale.

Il a pour objet de développer les capacités d'un système à améliorer ses performances en interagissant avec son environnement. Cet apprentissage automatique, à la base, consiste à utiliser des algorithmes pour analyser des données, en tirer des enseignements, puis déterminer ou prédire quelque chose dans le monde.

Son avantage est qu'il évite le codage manuel de routines logicielles avec un ensemble d'instructions spécifiques ayant pour but d'accomplir une tâche particulière. Il n'est pas exagéré de dire que la machine est formée à le faire grâce à de grandes quantités de données et d'algorithmes qui lui permettent d'apprendre à exécuter cette tâche.

Mais le machine learning présente des limites car il pêche notamment par la capacité d'un algorithme à résoudre différentes tâches et à la capacité des ordinateurs à gérer la complexité des problèmes à traiter. C'est pour cela que le deep learning va encore plus loin ...

C'est quoi le deep learning ?
Des réseaux neuronaux pour aller plus profond ...

Les progrès technologiques, les traitements plus rapides, les capacités de stockage quasi infinies et des flux de données astronomiques ont donné naissance au deep learning. Et l'un des pas décisifs a été l'apparition des réseaux de neurones.

Je vous rassure, ce ne sont pas des neurones humains mais informatiques qui sont chargés, par analogie, de répliquer la tolérance à la faute et la faculté d'apprendre que l'on rencontre dans nos systèmes biologiques de neurones. Trop fort, non ?

Les performances des algorithmes de Deep Learning, tendent à s'améliorer de façon exponentielle lorsqu'on leur donne toujours plus de données (images, vidéos, textes, ...) pour s'entraîner et analyser. Aujourd'hui, l'analyse via l'apprentissage en profondeur dans certains scénarios est supérieure à celle de l'humain, et cela va du chat à reconnaître sur une photo à l'identification d'indicateurs du cancer dans le sang ou des tumeurs lors d'une IRM.
Sans oublier notre fameux AlphaGo qui a appris seul le jeu Go - en réglant son réseau de neurones - en jouant contre lui-même, encore et encore.

Les cas d'applications de l'IA et de ses 2 composantes - Machine learning et Deep learning - sont multiples et variés allant des voitures autonomes, à de meilleurs soins de santé préventifs, ou à des recommandations de films encore plus adaptées.... et bien d''autres choses encore
La science-fiction d'hier se concrétise et l'IA est d'ores et déjà le présent et le futur.... A nous de savoir la maîtriser au risque d'être asservis ou de disparaître !

 

Pour en savoir plus :

 

• https://siecledigital.fr/2018/08/20/histoire-intelligence-artificielle/
• https://www.lemagit.fr/conseil/Trois-exemples-concrets-dalgorithmes-de-Machine-Learning
• http://www.grappa.univ-lille3.fr/polys/apprentissage/sortie005.html
• https://www.zdnet.fr/actualites/reconnaissance-d-images-deep-learning-a-la-decouverte-d-un-nouveau-monde-39883541.htm