211service.com
Qu'est-ce que l'apprentissage automatique ?
Qu'est-ce que l'apprentissage automatique ? Karen Hao
Les algorithmes d'apprentissage automatique sont responsables de la grande majorité des avancées et des applications de l'intelligence artificielle dont vous entendez parler. (Pour plus d'informations, consultez notre premier organigramme sur 'Qu'est-ce que l'IA ?' ici .)
Quelle est la définition de l'apprentissage automatique ?
Les algorithmes d'apprentissage automatique utilisent des statistiques pour trouver des modèles dans des quantités massives* de données. Et les données, ici, englobent beaucoup de choses : des chiffres, des mots, des images, des clics, etc. S'il peut être stocké numériquement, il peut être introduit dans un algorithme d'apprentissage automatique.
L'apprentissage automatique est le processus qui alimente de nombreux services que nous utilisons aujourd'hui - des systèmes de recommandation comme ceux de Netflix, YouTube et Spotify ; les moteurs de recherche comme Google et Baidu ; les flux de médias sociaux comme Facebook et Twitter ; assistants vocaux comme Siri et Alexa. La liste continue.
Dans tous ces cas, chaque plate-forme collecte autant de données que possible sur vous (les genres que vous aimez regarder, les liens sur lesquels vous cliquez, les statuts auxquels vous réagissez) et utilise l'apprentissage automatique pour faire une supposition très éclairée sur ce que vous pourrait vouloir ensuite. Ou, dans le cas d'un assistant vocal, quels mots correspondent le mieux aux sons amusants qui sortent de votre bouche.
Franchement, ce processus est assez basique : trouvez le motif, appliquez le motif. Mais il dirige à peu près le monde. C'est en grande partie grâce à une invention en 1986, gracieuseté de Geoffrey Hinton, aujourd'hui connu comme le père de l'apprentissage en profondeur.
Qu'est-ce que l'apprentissage en profondeur ?
L'apprentissage en profondeur est un apprentissage automatique sur stéroïdes : il utilise une technique qui donne aux machines une capacité accrue à trouver et à amplifier même les plus petits modèles. Cette technique s'appelle un réseau neuronal profond - profond parce qu'il comporte de très nombreuses couches de nœuds de calcul simples qui fonctionnent ensemble pour parcourir les données et fournir un résultat final sous la forme d'une prédiction.
Que sont les réseaux de neurones ?
Les réseaux de neurones étaient vaguement inspirés du fonctionnement interne du cerveau humain. Les nœuds sont un peu comme des neurones, et le réseau est un peu comme le cerveau lui-même. (Pour les chercheurs parmi vous qui grincent des dents à cette comparaison : arrêtez de vous moquer de l'analogie. C'est une bonne analogie.) Mais Hinton a publié son article révolutionnaire à une époque où les réseaux de neurones étaient passés de mode. Personne ne savait vraiment comment les former, donc ils ne produisaient pas de bons résultats. Il a fallu près de 30 ans pour que la technique fasse son grand retour. Et mon garçon, a-t-il fait un retour.
Qu'est-ce que l'apprentissage supervisé ?
Une dernière chose que vous devez savoir : l'apprentissage automatique (et approfondi) se décline en trois versions : supervisé, non supervisé et renforcé. Dans l'apprentissage supervisé, le plus répandu, les données sont étiquetées pour dire exactement à la machine quels modèles elle doit rechercher. Considérez-le comme quelque chose comme un chien renifleur qui traquera des cibles une fois qu'il connaîtra l'odeur qu'il recherche. C'est ce que vous faites lorsque vous appuyez sur lecture sur une émission Netflix - vous dites à l'algorithme de trouver des émissions similaires.
Qu'est-ce que l'apprentissage non supervisé ?
Dans l'apprentissage non supervisé, les données n'ont pas d'étiquettes. La machine recherche simplement tous les modèles qu'elle peut trouver. C'est comme laisser un chien sentir des tonnes d'objets différents et les trier en groupes avec des odeurs similaires. Les techniques non supervisées ne sont pas aussi populaires car elles ont des applications moins évidentes. Fait intéressant, ils ont gagné du terrain dans le domaine de la cybersécurité .
Qu'est-ce que l'apprentissage par renforcement ?
Enfin, nous avons l'apprentissage par renforcement, la dernière frontière de l'apprentissage automatique. Un algorithme de renforcement apprend par essais et erreurs pour atteindre un objectif clair. Il essaie plein de choses différentes et est récompensé ou pénalisé selon que ses comportements l'aident ou l'empêchent d'atteindre son objectif. C'est comme donner et retenir des friandises lorsque vous apprenez un nouveau tour à un chien. L'apprentissage par renforcement est à la base d'AlphaGo de Google, le programme qui a battu les meilleurs joueurs humains dans le jeu complexe de Go.
C'est ça. C'est l'apprentissage automatique. Maintenant, consultez l'organigramme ci-dessus pour un récapitulatif final.
*Remarque : d'accord, il existe techniquement des moyens d'effectuer l'apprentissage automatique sur de petites quantités de données, mais vous en avez généralement besoin d'énormes quantités pour obtenir de bons résultats.
___
Ceci est apparu à l'origine dans notre newsletter AI The Algorithm. Pour le recevoir directement dans votre boîte de réception, inscrivez-vous ici gratuitement.