Machine learning & deep learning : quesako ?

Vous connaissez tous Siri, l’assistant d’Apple qui répond à toutes vos questions. Et vous avez certainement entendu parler de la voiture autonome de Google. Toutes ces innovations sont issues de nouvelles technologies appelées machine learning et deep learning.

Extrait de la vidéo de formation Génération Big Data

Au milieu du phénomène Big data, on entend de plus en plus parler de deep learning et de machine learning, en lien toujours avec l’intelligence artificielle. Mais savez vous ce que cela signifie réellement ?

Définition du machine learning

Le machine learning dit apprentissage automatique est un phénomène démontrant comment des algorithmes peuvent “apprendre” en étudiant des exemples.

L’idée est alors de collecter un maximum de données, de les analyser et de trouver un lien permettant de créer une règle et donc de réaliser des prédictions.

En l’appliquant à la santé, on peut par exemple trouver des corrélations entre certaines données. On va pouvoir montrer que les personnes qui consomment plus de sucres sont généralement plus sujettes à l’obésité par exemple.

Il s’agit ici d’une analyse simple à réaliser puisque l’on retrouve seulement deux points d’entrée : la consommation de sucre et l’IMC des consommateurs.

Les limites du machine learning

Le machine learning reste toutefois limité en fonction du nombre de données d’entrées que l’information possède. Par exemple, pour analyser une image de taille classique, c’est plusieurs milliers de pixels qui vont être envoyés à la machine. Il faudra donc créer un système de réception et de regroupement des informations pour pouvoir sélectionner celles qui intéressent l’algorithme. Et c’est ici qu’intervient le deep learning.

Le deep learning au quotidien

L’un des exemples les plus parlant est celui de Siri, le système de reconnaissance vocal développé par Apple. Ainsi, en étudiant les intonations et accents de milliers de personnes, les système de reconnaissance vocale parviennent à traduire les demandes avec une grande précision. Et donc d’apporter une réponse adéquate.Essayez donc de déjouer Siri, vous verrez que ce n’est pas simple !

Idem, la voiture autonome de Google intègre des milliards d’informations pour pouvoir “conduire toute seule”. C’est le machine learning qui lui permet de traiter les informations et d’apprendre que telle forme est un trottoir, que tel panneau veut dire qu’il faut s’arrêter ou encore qu’il faut impérativement freiner si quelque chose d’inattendu arrive sur sa trajectoire. Aujourd’hui elles sont encore en phase de développement mais on estime que ce type de voiture sera en vente grand public dans les cinq prochaines années. Vous imaginez le bruit que cela va faire ?

Le deep learning est donc une des manières de faire du machine learning mais de façon encore plus poussée.

Le deep learning au service de l’intelligence artificielle

En allant plus loin, c’est tout le futur de l’intelligence artificielle qui est remis en question car avec ces algorithmes capables d’apprendre tout seuls, de nouvelles perspectives s’ouvrent en termes de robotique.

On murmure par exemple que des algorithmes seront bientôt capables de donner des diagnostiques médicaux ayant une probabilité d’erreur significativement inférieure à celle d’un médecin.

Les avocats ne sont pas en reste. Le premier assistant juridique issu de l’intelligence artificielle a également vu le jour récemment. Ce nouveau service s’appelle ROSS. Il analyse les données légales et en tire les éléments pertinents pour construire un raisonnement argumenté comportant les sources légales pour répondre à la problématique juridique du dossier. Un gain de temps considérable ! Comme toutes les technologies du machine learning Ross apprend de ses erreurs et plus il sera sollicité, plus il deviendra un véritable partenaire capable de fournir un travail de qualité.

On arrête pas le progrès !