Menu
Blog Web & Mobile

Qu’est ce que le « Machine Learning » ?

Qu'est-ce que Machine Learning ?
  • Note des lecteurs
  • Rated 4.9 stars
    4.9 / 5 (9 )
  • Votre note


Vous avez dit « Machine Learning » ? 

Le « machine learning » est un domaine de l’informatique et une application de l’intelligence artificielle (IA, Deep Learning) qui donne aux systèmes informatiques la capacité d’apprendre et à agir comme le font les humains, c’est-à-dire d’améliorer progressivement la performance sur une tâche spécifique, avec des données de manière autonome, sans être explicitement programmé pour effectuer cette tâche.

 

 

 

“Machine learning is the science of getting computers to act without being explicitly programmed.” – Stanford

 

“Machine Learning at its most basic is the practice of using algorithms to parse data, learn from it, and then make a determination or prediction about something in the world.” – Nvidia

 

 

Depuis le développement de l’ordinateur dans les années 1940, il a été démontré que les ordinateurs peuvent être programmés pour effectuer des tâches très complexes par exemple, la découverte de preuves pour les théorèmes mathématiques ou jouer aux échecs ou au jeu de Go avec une grande compétence.

 

Le processus d’apprentissage commence par des observations ou des données, comme des exemples, de l’expérience directe ou de l’enseignement, afin de rechercher des tendances dans les données et de prendre de meilleures décisions à l’avenir en fonction des exemples que nous fournissons. L’objectif principal est de permettre aux ordinateurs d’apprendre automatiquement sans intervention humaine ou assistance et d’ajuster les actions en conséquence.

 

Contrairement aux méthodes fondées sur des règles, l’apprentissage automatique est probabiliste et utilise des modèles statistiques plutôt que des règles déterministes. L’opération de base d’un processus d’apprentissage automatique consiste à dire « étant donné ce que nous savons de ces résultats historiques, que pouvons-nous dire des résultats futurs ».

 

Les termes d’Intelligence Artificielle (AI) et de « Machine Learning » (ML) sont à la mode en ce moment et semblent souvent interchangeables. Pourtant l’intelligence artificielle est un concept plus large définissant des machines capables d’exécuter des tâches d’une manière que nous considérerions comme « intelligente ».

 

Le Machine Learning ou « apprentissage machine » est une application courante de l’IA basée sur l’idée que nous pouvons donner la capacité aux machines ou ordinateurs d’apprendre par eux-mêmes.

 

Le concept d’intelligence artificielle existe depuis longtemps – les mythes grecs contiennent des histoires d’hommes mécaniques conçus pour imiter notre propre comportement. Très tôt, les ordinateurs  ont été conçus comme des « machines logiques » et en reproduisant des capacités telles que l’arithmétique de base et la mémoire, les ingénieurs ont vu leur travail, fondamentalement, comme une tentative de créer des cerveaux mécaniques.

 

Au fur et à mesure que la technologie et, ce qui est important, notre compréhension du fonctionnement de nos esprits ont progressé, notre conception de ce qui constitue l’IA a changé. Au lieu de calculs de plus en plus complexes, les travaux dans le domaine de l’IA se sont concentrés sur l’imitation des processus décisionnels humains et sur l’exécution de tâches toujours plus humaines.

 

Les Intelligences Artificielles – dispositifs conçus pour agir intelligemment – sont souvent classées dans l’un des deux groupes fondamentaux – appliqué ou général. L’IA appliquée est beaucoup plus répandue – les systèmes conçus pour négocier intelligemment des actions et des actions ou manœuvrer un véhicule autonome entrent dans cette catégorie.

 

 

 

La montée en puissance du Machine Learning (ML)

Deux percées importantes ont conduit à l’émergence du Machine Learning (Deep Learning) et au développement fulgurant qu’il connaît actuellement. 

 

La première d’entre elles était le concept – crédité à Arthur Samuel en 1959 – qu’au lieu d’enseigner aux ordinateurs tout ce qu’ils ont besoin de savoir sur le monde et sur la façon d’accomplir les tâches, il serait possible de leur enseigner à apprendre pour eux-mêmes. Cela revient à reproduire le cerveau d’un enfant et non celui d’un adulte !

 

La seconde, plus récente, a été l’émergence d’Internet et l’augmentation considérable de la quantité d’information numérique produite, stockée et mise à disposition pour analyse.

 

Une fois ces innovations mises en place, les ingénieurs se sont rendu compte qu’au lieu d’enseigner aux ordinateurs et aux machines comment tout faire, il serait beaucoup plus efficace de les coder pour penser comme des êtres humains, puis de les brancher sur Internet pour leur donner accès à toute l’information dans le monde. 

 

 

 

Les réseaux neuronaux

Le développement des réseaux neuronaux a été essentiel pour enseigner aux ordinateurs à penser et à comprendre le monde de la même façon que nous, tout en conservant les avantages induits qu’ils détiennent sur nous, tels que la vitesse, la précision et l’absence de biais.

 

Un réseau neuronal est un système informatique conçu pour travailler en classifiant l’information de la même façon qu’un cerveau humain. On peut apprendre à reconnaître, par exemple, les images et à les classer en fonction des éléments qu’elles contiennent.

 

Il fonctionne sur un système de probabilité – à partir des données qui lui sont transmises, il est capable de faire des déclarations, des décisions ou des prédictions avec un certain degré de certitude. L’ajout d’une boucle de rétroaction permet « l’apprentissage » – en détectant ou en étant informé que ses décisions sont bonnes ou mauvaises, il modifie l’approche qu’il adopte à l’avenir.

 

Les applications de Machine Learning peuvent lire du texte et déterminer si la personne qui l’ a écrit dépose une plainte ou fait des compliments. Ils peuvent aussi écouter un morceau de musique, décider s’il est susceptible de rendre quelqu’un heureux ou triste, et trouver d’autres morceaux de musique qui correspondent à leur humeur. Facebook, Google ou Spotify ont déjà recours au Machine Learning sans même que vous vous en rendiez compte peut-être. Dans certains cas, ils peuvent même composer leur propre musique exprimant les mêmes thèmes, ou dont ils savent qu’elle est susceptible d’être appréciée par les admirateurs du morceau original.

 

Grâce en grande partie à la science-fiction (mais est-ce encore de la sciences fiction ?)   l’idée est également née que nous devrions être capables de communiquer et d’interagir avec les dispositifs électroniques et l’information numérique, aussi naturellement que nous le ferions avec un autre être humain. Un autre domaine de l’IA est devenu au cours des dernières années une source d’innovation extrêmement passionnante et qui dépend fortement du Machine Learning : le traitement naturel du langage (NLP) utilisé notamment sur vos smartphones (« Dis Siri ») mais aussi sur les assistants personnels type Google Home (« Dis Google, met de la musique et allume la lumière »). Ne sentez-vous pas planer l’ombre de HAL, l’ordinateur de contrôle de Discovery One, la navette spatiale de 2001 l’Odyssée de l’espace de Stanley Kubrick ? 

 

 

A ce propos, Le saviez-vous ? , notre agence digitale développe vos chatbots (agents conversationnels) ou vos applications pour assistants personnels vocaux (ex. Google Home) et ça, ce n’est pas de la sciences-fiction !

 

 

Le fait que nous finirons par développer une IA de type humain a souvent été considéré comme inévitable. Nous sommes aujourd’hui plus proches que jamais et nous nous rapprochons de cet objectif avec une rapidité croissante. Le robot humanoïde Sophia et sa capacité à reproduire des émotions est « étonnante » et peut-être parfois inquiétant dans ses réponses.

 

Les intelligences artificielles n’ont pas encore passé le test de Turing (Test proposé en 1950 par le mathématicien anglais Alan M. Turing pour déterminer si un ordinateur peut « penser ») mais pour les fans de sciences fiction l’heure est donc venue de se rappeler les trois lois de la robotique d’Isaac Asimov :) 

 

  • Règle n°1 : Un robot ne peut pas blesser un être humain ou, par inaction, permettre à un être humain de se blesser ;
  • Règle n°2 : Un robot doit obéir aux ordres qui lui sont donnés par l’être humain, sauf si de tels ordres entrent en conflit avec la Première Loi ;
  • Règle n°3 : Un robot doit protéger sa propre existence tant que cette protection n’entre pas en conflit avec la première ou la deuxième loi.

 

 

 

 

Contactez-Nous !

 

Démarrons votre projet