L'intelligence artificielle, l'apprentissage automatique et le deep learning font désormais partie intégrante de nombreuses entreprises. Ces termes sont souvent utilisés comme synonymes.
L'intelligence artificielle progresse à grands pas - des réalisations dans le domaine des véhicules sans pilote et la capacité de battre une personne dans des jeux tels que le
poker et le Go, au service client automatisé. L'intelligence artificielle est une technologie de pointe prête à révolutionner les affaires.
Souvent, les termes intelligence artificielle, apprentissage automatique et apprentissage en profondeur sont utilisés au hasard comme interchangeables, mais, en fait, il existe des différences entre eux. La différence exacte entre ces termes sera décrite ultérieurement.
Intelligence artificielle (IA)
L'intelligence artificielle est un concept large concernant l'intelligence avancée des machines. En 1956, lors d'une conférence sur l'intelligence artificielle à Dartmouth, cette technologie a été décrite comme suit: "Chaque aspect de l'apprentissage ou toute autre caractéristique de l'intelligence peut, en principe, être décrit avec une telle précision qu'une machine peut les imiter."
L'intelligence artificielle peut concerner tout - des programmes informatiques pour jouer aux échecs aux systèmes de reconnaissance vocale, comme, par exemple, l'assistant vocal
Amazon Alexa , qui est capable de percevoir la parole et de répondre aux questions. En général, les systèmes d'intelligence artificielle peuvent être divisés en trois groupes: l'intelligence artificielle limitée (IA étroite), l'intelligence artificielle générale (AGI) et l'intelligence artificielle superintelligente.
Le programme
Deep Blue d' IBM, qui a vaincu Garry Kasparov aux échecs en 1996, ou le
programme DeepMind
AlphaGo de Google, qui a vaincu le champion du monde Guo Li Sedol en 2016, sont des exemples d'intelligence artificielle limitée qui peuvent résoudre un problème spécifique. C'est sa principale différence avec l'Intelligence Artificielle Générale (AGI), qui est comparable à l'intelligence humaine et peut effectuer de nombreuses tâches différentes.
L'intelligence artificielle supramentale est un cran au dessus de l'homme.
Nick Bostrom le décrit comme suit: c'est «une intelligence bien plus intelligente que le meilleur cerveau humain dans presque tous les domaines, y compris la créativité scientifique, la sagesse générale et les compétences sociales». En d'autres termes, c'est à ce moment-là que les voitures deviennent beaucoup plus intelligentes que nous.
Apprentissage automatique
L'apprentissage automatique est l'un des domaines de l'intelligence artificielle. Le principe de base est que les machines reçoivent des données et «en tirent des enseignements». Actuellement, c'est l'outil le plus prometteur pour les entreprises basé sur l'intelligence artificielle. Les systèmes d'apprentissage automatique vous permettent d'appliquer rapidement les connaissances acquises lors de la formation sur de grands ensembles de données, ce qui leur permet d'exceller dans des tâches telles que la reconnaissance faciale, la reconnaissance vocale, la reconnaissance d'objets, la traduction et bien d'autres. Contrairement aux programmes avec des instructions encodées manuellement pour effectuer des tâches spécifiques, l'apprentissage automatique permet au système d'apprendre à reconnaître indépendamment les modèles et à faire des prédictions.
Alors que les deux programmes - Deep Blue et DeepMind - sont des exemples d'utilisation de l'intelligence artificielle, Deep Blue a été construit sur un ensemble de règles préprogrammées, de sorte qu'il n'a rien à voir avec l'apprentissage automatique. D'autre part, DeepMind est un exemple d'apprentissage automatique: le programme a battu le champion du monde de Go en s'entraînant sur un large ensemble de données de mouvements effectués par des joueurs expérimentés.
Votre entreprise souhaite-t-elle
intégrer le machine learning dans votre stratégie? Amazon, Baidu, Google, IBM, Microsoft et d'autres proposent déjà des plateformes d'apprentissage automatique que les entreprises peuvent utiliser.
Apprentissage profond
Le deep learning est un sous-ensemble du machine learning. Il utilise certaines méthodes d'apprentissage automatique pour résoudre des problèmes réels en utilisant des réseaux de neurones qui peuvent imiter la prise de décision humaine. L'apprentissage en profondeur peut être coûteux et nécessite d'énormes quantités de données de formation. Cela est dû au fait qu'il existe un grand nombre de paramètres qui doivent être configurés pour les algorithmes de formation afin d'éviter les faux positifs. Par exemple, l'algorithme d'apprentissage en profondeur peut être chargé «d'apprendre» à quoi ressemble un chat. Pour produire de la formation, un grand nombre d'images seront nécessaires pour apprendre à distinguer les plus petits détails qui permettent de distinguer un chat, disons, un guépard ou une panthère, ou un renard.
Comme mentionné ci-dessus, en mars 2016, une victoire majeure a été remportée lorsque le programme AlphaGo DeepMind a vaincu le champion du monde Guo Li Sedol dans 4 matchs sur 5 en utilisant le deep learning. Selon Google, le système d'apprentissage en profondeur a fonctionné en combinant la "
méthode Monte Carlo pour rechercher un arbre avec des réseaux de neurones profonds qui avait été formé avec un professeur dans les jeux professionnels et renforcé l'apprentissage dans les jeux avec eux-mêmes."
Le Deep Learning a également des applications métier. Vous pouvez prendre une énorme quantité de données - des millions d'images et, avec leur aide, identifier certaines caractéristiques. Recherche de texte, détection de fraude, détection de spam, reconnaissance d'écriture manuscrite, recherche d'images, reconnaissance vocale, traduction - toutes ces tâches peuvent être accomplies à l'aide de l'apprentissage en profondeur. Par exemple, les réseaux d'apprentissage en profondeur de Google ont remplacé de nombreux "systèmes basés sur des règles qui nécessitent un travail manuel".
Il convient de noter que l'apprentissage profond peut être assez «biaisé». Par exemple, lorsque le système de reconnaissance des visages de Google a été initialement déployé, il a marqué de nombreux visages noirs comme des gorilles. "Ceci est un exemple de ce qui se passe si vous n'avez pas de personnes afro-américaines dans votre ensemble de formation", a déclaré Anu Tewary, responsable des données chez Mint at Intuit. "Si vous n'avez pas d'Afro-Américains travaillant sur le système, si vous n'avez pas d'Afro-Américains testant le système, alors quand votre système rencontrera des Afro-Américains, il ne saura pas comment se comporter."
Il y a une opinion que le
sujet de l'apprentissage en profondeur est très médiatisé .
Sundown AI , par exemple, fournit des interactions clients automatisées en utilisant une combinaison d'algorithmes d'apprentissage automatique et de graphe de politique sans apprentissage approfondi.
L'article d'origine est «
Comprendre les différences entre l'IA, l'apprentissage automatique et l'apprentissage en profondeur ».