Le deep learning en quelques mots
L’expression « deep learning » est de plus en plus présente dans les médias, mais connaissez-vous sa signification ? En deux mots, il s’agit du système d’apprentissage (apprentissage profond) dérivé du machine learning capable d’apprendre par lui-même.
Le deep learning, comment ça marche ?
Aux débuts de l’informatique, la réalisation de tâches passait nécessairement par la programmation d’algorithmes. Les ingénieurs définissaient l’objectif à atteindre et, point par point, le protocole à suivre pour y parvenir. Mais comment s’y prendre pour qu’un programme apprenne par lui-même ? Pour résoudre ce problème, les informaticiens se sont inspirés de la nature, et tout particulièrement du cerveau humain.
L’homme apprend en comparant, évaluant et classant des informations. l’intelligence artificielle suit exactement la même approche.
Classer, comparer, reconnaître
Imaginons que vous voulez apprendre à une intelligence artificielle à reconnaître un chat. Tous les chats ne se ressemblent pas, et il peut être facile de les confondre avec d’autres félins, voire d’autres types de mammifères. C’est là qu’intervient ce que l’on appelle le « big data ». L’idée est de disposer d’une base de données suffisante pour que l’I.A. se fasse sa propre expérience. En lui soumettant des millions de photos, certaines labellisées « chat » et d’autres « pas chat », vous lui permettez de déduire par elle-même les critères selon lesquels identifier cet animal. C’est exactement de cette manière que procède un enfant pour apprendre à reconnaître les êtres et objets qui l’entourent.
De l'identification à l'action
En 2015, le programme AlphaGo est entré dans l’histoire en battant le champion du monde de jeu de go. Comment cette prouesse a-t-elle eu lieu ? AlphaGo a d’abord étudié des dizaines de milliers de parties de joueurs de haut niveau. Le programme a ensuite joué des millions de parties contre lui-même, apprenant de chaque victoire et de chaque échec, jusqu’à devenir imbattable. C’est ce qu’on appelle l’apprentissage par renforcement.
Pour prendre un autre exemple, c’est à l’aide du même procédé que les véhicules autonomes s’entraînent à analyser leur environnement, puis à prendre rapidement la décision la plus adaptée aux éléments et évènements qui se présentent à eux.
Nous vous proposons des solutions autour du deep learning et machine learning dans divers domaines. Découvrez nos expertises sans plus attendre !
