Deep Learning : Algorithmes de programmation qui apprennent par eux-mêmes

Pourquoi l'Intelligence Artificielle ?

Le deep learning ou apprentissage profond est une sous-partie du machine learning qui fait partie de l'intelligence artificielle.

L'intelligence artificielle est un concept considéré comme moderne, au point qu'il est né au milieu du XXe siècle, il y a plus d'un demi-siècle !!

Avec l'intelligence artificielle, on a essayé de faire en sorte que les ordinateurs soient capables de résoudre des problèmes que seuls les humains pouvaient résoudre jusqu'à présent.

Si nous y réfléchissons, nous pouvons programmer des algorithmes plus ou moins complexes avec n'importe quel langage de programmation, que ce soit JavaScript, Python, Java... dans lequel nous définirons les instructions à exécuter pour résoudre un problème concret.

Sauriez-vous programmer un algorithme qui, en fonction de la voix, sait qui vous êtes ? Probablement pas, mais vous êtes sûrement capable de reconnaître quelqu'un par sa voix. C'est là que l'intelligence artificielle entre en jeu et que les algorithmes traditionnels disparaissent.

Qu'est-ce que le Deep Learning ?

Alors, l'intelligence artificielle consiste à laisser à la machine la possibilité de résoudre des problèmes qui ne pouvaient être résolus que par les humains. Ou plutôt, des problèmes faciles à résoudre pour les humains mais difficiles pour les machines.

Le machine learning est la capacité d'un algorithme à apprendre par lui-même, et le deep learning est un type d'algorithme capable d'apprendre par lui-même.

En deep learning, on construit un modèle basé sur des couches, chacune de ces couches étant composée d'un nombre déterminé de nœuds également appelés neurones.

Image libre de droits : PixabayCes neurones sont connectés entre eux, en imitant ce que l'on sait du fonctionnement du cerveau : Les neurones reçoivent des données d'entrée et génèrent à partir de celles-ci une nouvelle sortie, et cette sortie devient l'entrée des neurones de la couche suivante.

Si nous y réfléchissons bien, ce qu'il fait, c'est traiter des caractéristiques pour en générer de nouvelles, qui à leur tour en génèrent de nouvelles. Peut-être que, théoriquement, cela suppose la résolution de n'importe quel problème.

Pourquoi l'apprentissage profond est-il si intéressant ?

Ce qui est incroyable, ce n'est pas seulement que nous puissions créer des algorithmes qui apprennent par eux-mêmes, mais qu'ils peuvent résoudre des problèmes de manière plus efficace que les humains.

Imaginons un expert en football qui veut savoir quelle équipe gagnera le match, il étudiera une série de facteurs, réfléchira à eux et après les avoir évalués consciencieusement, il pourra tirer une conclusion. Un modèle de réseau neuronal bien entraîné pour cela vous donnera une réponse en une seconde, il suffira de lui fournir les données d'entrée pour qu'il les traite et nous donne ce que nous voulons savoir.

Nous pouvons l'extrapoler à de nombreux domaines : conduite automatique, savoir si un couple se séparera, savoir si une entreprise fera faillite, ou si l'économie d'un pays croîtra...

Si nous y réfléchissons, tout ce qui se passe dans le monde est basé sur des facteurs, connus ou inconnus. La question est de savoir quelles variables influencent, de recueillir suffisamment de données et de les appliquer à notre modèle d'apprentissage automatique pour obtenir une réponse.