INTELLIGENCE ARTIFICIELLE : les fondamentaux

Qu’est-ce que l’apprentissage profond ou « deep learning » ?

L’apprentissage profond est construit à partir d’éléments de calcul disposés en couches successives et reliés entre eux par des connexions construites lors de la phase d’apprentissage. Les données d’entrée sont décomposées en différentes couches d’abstraction hiérarchisée.

Inspirés du fonctionnement du cerveau humain, les réseaux de neurones profonds sont parmi les premiers modèles à avoir été inventés en IA, dès les années 1950.

Le « deep learning » se distingue par :

  • son niveau de performance proche du niveau humain, pour de plus en plus de tâches, notamment de perception complexe,
  • sa généricité : même si l’application à une nouvelle tâche nécessite beaucoup d’ajustements, c’est l’utilisation d’un ou plusieurs réseau (x) de neurones profond(s) qui permet à chaque fois d’atteindre ce niveau de performance. 
  • l’intuition dans sa capacité de généralisation.

Il s’agit d’une forme d’IA où un domaine est réellement appris par la machine avec peu ou pas de supervision humaine. En substance, la machine va apprendre sa capacité de généralisation et la représentativité du jeu de données d’apprentissage. 

Quelles sont les principales applications d’IA ?

Bien que le développement de l’IA en soit encore au stade primaire, elle fait l’objet de nombreuses applications en matière de synthèse vocale, de reconnaissance des formes, d’aide aux diagnostics, d’aide à la décision la traduction automatique, d’automatisation de taches  ou de systèmes d’évaluation de risques.

Suite, page suivante : cliquer sur « 4 » ci-dessous

Laisser un commentaire