Intelligence Artificielle: Comment Les Machines Apprennent-elles ?

Intelligence Artificielle: Comment les machines apprennent-elles ?

Ne vous laissez pas emporter par le battage médiatique : L'apprentissage par la machine ne fait pas des ordinateurs quelque chose de similaire à l'homme. Peu importe à quel point, machines et ordinateurs sont " intelligents ", ils ont toujours besoin d'une intervention humaine.

Comment les machines apprennent-elles ?

Vous devez avoir entendu parler, dans l'actualité, du développement de l'intelligence artificielle. Elle permet notamment, d'améliorer, modifier votre apparence sur vos selfies, de transformer l'eau en une bière plus savoureuse, de prévenir la cessité ...
Les géants de la technologie et les gouvernements disent que nous vivons un âge d'or de l'IA.

En fait, la plupart du temps, quand vous entendez le terme d'intelligence artificielle, il s'agit d'une technologie d'apprentissage automatique. Malgré son nom, l'intelligence artificielle s'appuie fortement sur l'enseignement humain.

Au 20e siècle, les programmeurs informatiques devaient utiliser des lignes de code pour préciser exactement ce qu'il fallait faire. L'apprentissage automatique détourne une partie de ce travail des humains, forçant l'ordinateur à se débrouiller tout seul.

L'intelligence artificielle et la médecine

Les progrès récents des logiciels de lecture d'imagerie médicale en sont un bon exemple. Les programmes de vision par ordinateur s'appuyaient sur des personnes qui spécifiaient les caractéristiques qu'elles devaient rechercher; disons, des formes révélatrices ou des ombres indiquant la présence d'un os cassé sur une radiographie. Ça a marché, mais pas si bien que ça.

L'apprentissage automatique peut maintenant donner de bien meilleurs résultats, rivalisant avec la précision des médecins humains. Au lieu de spécifier ce que leur logiciel doit rechercher, les programmeurs le "forment" avec une collection d'images d'exemple.
Les entreprises qui travaillent sur l'apprentissage automatique pour les soins de santé, comme Google, créent de vastes collections d'images médicales étiquetées par les médecins. Des algorithmes d'apprentissage machine sont lâchés sur ces ensembles de données visuelles, à la recherche de modèles statistiques pour déterminer quelles caractéristiques d'une image suggèrent qu'elle mérite l'étiquette ou le diagnostic particulier qui lui a été donné.
Cette recette de base fonctionne également pour d'autres types de données comme le texte et l'audio. C'est pourquoi nous ne voyons plus beaucoup de spams, et c'est comme ça qu'Alexa, d'Amazon, peut comprendre les commandes lancées.

Nouveaux ordinateurs, anciennes astuces

L'apprentissage machine semble moderne, mais c'est l'une des plus anciennes idées en informatique. En 1959, l'ordinateur Perceptron, a posé un jalon dans le domaine de l'intelligence artificielle en apprenant à distinguer les formes telles que les triangles et les carrés.

Il a été construit sur une approche de l'apprentissage machine appelée réseaux neuronaux artificiels qui alimentent également la plupart des projets d'IA qui font la Une dans la presse aujourd'hui.
Les réseaux neuronaux dans le cloud ou même sur nos smartphones sont derrière les assistants virtuels et les filtres photo loufoques.

Réseaux Neuronaux et évolution de l'IA

Les réseaux neuronaux anciens et nouveaux sont basés sur des mathématiques inspirées de modèles simples de fonctionnement des neurones dans le cerveau. Alexa n'a pas été inventée en 1959 parce que peu de temps après les débuts du Perceptron, les chercheurs ont, pour la plupart, abandonné les réseaux neuronaux. Il n'était pas clair de les mettre à l'échelle pour résoudre des problèmes plus vastes. La technique a passé des décennies comme un intérêt marginal dans l'informatique.

Vers 2012, la petite communauté qui travaille encore sur l'approche des réseaux de neurones pour l'apprentissage automatique a montré de nouveaux résultats révolutionnaires sur la reconnaissance de la parole et des images. L'apprentissage machine était soudainement la chose la plus prisée de la technologie. Cette année, trois chercheurs à l'origine de cette révolution ont remporté le prix Turing, le prix Nobel de l'informatique.

L'apprentissage machine n'est pas intelligent

La résurgence des réseaux neuronaux a fait de l'apprentissage machine une partie de la vie quotidienne. Tous les projets d'avenir des grandes entreprises technologiques en dépendent, qu'il s'agisse des ambitions d'Alphabet de prédire l'insuffisance rénale avant qu'elle ne survienne ou du concept d'Amazon de magasins sans caisse de sortie.
Tout cela est vraiment excitant. Les ordinateurs sont de plus en plus capables d'interagir avec le monde et de comprendre le monde et nous. Mais ne vous laissez pas emporter par le battage médiatique : l'apprentissage automatique ne fait pas de l'ordinateur, un être humain.


.

Les limites de l'intelligence artificielle

Il est vrai que les robots, propulsés par l'apprentissage automatique, peuvent jouer à des jeux de société et des jeux vidéo délicats, mieux que les humains les plus doués. Pourtant, ils exigent une construction minutieuse et leur façon statistique d'apprendre rend leurs talents restreints et inflexibles. Les humains peuvent penser au monde en utilisant des concepts abstraits, et peuvent remixer ces concepts pour s'adapter à de nouvelles situations. L'apprentissage machine ne peut pas
.
Cette rigidité limite ce que l'IA a pu faire pour nous. C'est l'une des raisons pour lesquelles les voitures autonomes ont du mal à faire face aux imprévus. Les compétences étroitement liées à l'apprentissage automatique peuvent également produire des surprises amusantes ou désagréables.

Les robots de jeu, basés sur l'apprentissage automatique ont trouvé des moyens de pirater les simulations dans lesquelles ils étaient testés. Les logiciels de traitement d'images et de textes apprennent parfois à répéter ou à amplifier les stéréotypes sociaux sur la race et le sexe. Les machines peuvent apprendre, mais elles ont quand même besoin d'un enseignement attentif de la part des humains.

Plus d'information :

Tag : intelligence, artificielle, IA, apprentissage, automatique, développement, industrie, médecine, informatique, robot, machines , apprentissage automatique, apprentissage machine, intelligence, ordinateur, IA, réseaux neuronaux, jeux vidéo, informatique, Amazon, 1959, Perceptron, battage, jeux de société, neurones, mathématiques, filtres, smartphones, Cloud, sexe, cerveau, race, stéréotypes, traitement d'images, insuffisance rénale, alphabet, résurgence, prix Turing, Révolution, réseaux de neurones, 2012, Santé, réseaux neuronaux artificiels, lignes de code, âge d'or, géants, Savoureuse, bière, Eau, selfies, apprentissage, médecine, imagerie médicale, types de données, diagnostic, modèles statistiques, algorithmes, Google, logiciel, radiographie, OS,



Avis

Devenez membre pour donner votre avis !

Donner votre avis

(c)