Les buzz words comme Intelligence artificielle, deep learning, IoT bourdonnent dans nos oreilles. Mais savons-nous ce à quoi ces nouvelles technologies correspondent?
Le deep learning est une sous catégorie de l’intelligence artificielle. Celle-ci est une technique de Big Data qui utilise des algorithmes pour identifier très rapidement des tendances non linéaires. Un exemple en est la “lecture” du génome humain, qui a nécessité les années de travail par des chercheurs comparé au 10 minutes d’un super ordinateur.
Deep learning ou apprentissage par système neuronal
Le deep learning est fréquemment appelé apprentissage par système neuronal. Dans cette technique, les processeurs agissent comme des neurones d’un cerveaux humain ou plutôt “imitent le fonctionnement neuronal du cerveau humain”. Toute la difficulté se trouve dans cette nuance: imiter ou essayer d’imiter.
“Deep” parce que l’apprentissage se fait par couches successives. Les données identifiées (apprises par le programme) d’une couche, sont envoyées à la couche suivante, plus nuancée encore. Ainsi un chat est d’abord identifié par la forme, la couleur et les 4 pattes, ensuite par son poil, la forme de ses oreilles, ensuite par la densité du poil et la structure de l’iris et ainsi de suite. Tout ceci se passe dans un temps record.
Ainsi avons-nous des voitures Tesla qui conduisent en mode autonome, des robots assistants humains, des programmes linguistiques comme SIRI qui nous répondent. Même l’application Google Translate est un fleuron de l’intelligence artificielle car elle interprète et simule des traduction humaines qui vont au-delà du mot-à-mot initial.
Deep learning vs machine learning
Néanmoins il importe de différencier le deep learning du machine learning auquel il est souvent assimilé. Pour le premier, le programme apprend par lui seul en autonomie (avec ou sans supervision) et pour le second, le programme est constamment programmé pour aller plus loin. Il va sans dire que les résultats du deep learning sont moins contrôlés que ceux du machine learning. Peut-être, au lieu d’identifier et de copier du Van Gogh, le deep learning va bientôt faire naître son propre deep Gogh.