Quelle est la différence entre l’AI, l’apprentissage par la machine et l’apprentissage profond ?

Intelligence Artificielle, machine learning et deep learning : quelles nuances technologiques ?

L’apprentissage profond est un sous-ensemble de l’apprentissage par la machine, qui est un sous-ensemble de l’AI.

 L’intelligence artificielle  est un programme informatique qui fait quelque chose d’intelligent. Il peut s’agir d’un tas de déclarations SI-DONC ou d’un modèle statistique complexe. L’AI peut se référer à quelque chose d’un programme informatique jouant à un jeu d’échecs, à un système de reconnaissance vocale comme Alexa d’Amazon qui interprète et répond aux discussions. La technologie peut généralement être classée en trois groupes: l’AI étroite, l’intelligence générale artificielle (AGI) et l’Ai super-intelligente.

Deep Blue d’IBM, qui a battu le grand maître d’échecs Garry Kasparov au jeu en 1996, ou AlphaGo de Google DeepMind, qui en 2016 a battu Lee Sedol au jeu de Go, sont des exemples d’AI étroiets qui sont qualifiées pour une tâche spécifique.

Ceci est différent de l’intelligence générale artificielle (AGI), qui est une AI qui est considérée comme un niveau humain et qui peut exécuter une gamme de tâches.

L’AI Super-intelligente prend les choses de plus loin. Comme le décrit Nick Bostrom, c’est « un intellect qui est beaucoup plus intelligent que les meilleurs cerveaux humains dans pratiquement tous les domaines, y compris la créativité scientifique, la sagesse générale et les compétences sociales ». En d’autres termes, c’est lorsque les machines nous ont dépassé.

Différence entre AI, apprentissage par machine et apprentissage en profondeur
L’apprentissage par la machine
est un sous-ensemble de l’AI. La théorie est simple : les machines prennent des données et apprennent elles-mêmes. C’est actuellement l’outil le plus prometteur du kit AI pour les entreprises. Les systèmes d’apprentissage par la machine peuvent rapidement appliquer les connaissances et la formation à partir de grands ensembles de données pour exceller dans la reconnaissance faciale, la reconnaissance vocale, la reconnaissance d’objets, la traduction et bien d’autres tâches. Contrairement au codage à la main d’un programme logiciel avec des instructions spécifiques pour compléter une tâche, l’apprentissage par machine permet à un système d’apprendre à reconnaître ses propres motifs et à faire des prédictions.

Alors que Deep Blue et DeepMind sont les deux types d’AI, Deep Blue était basé sur des règles, en fonction de la programmation, donc ce n’était pas une forme d’apprentissage par la machine. DeepMind, d’autre part apu battre le champion du monde en Go en s’entraînant sur un large ensemble de données de mouvements d’experts.

C’est-à-dire que tout l’apprentissage par la machine fonctionne comme une AI, mais que pas tous les calculs d’AI sont capables d’apprentissage par la machine.

 

L’apprentissage profond est un sous-ensemble de l’apprentissage par la machine. Les réseaux nerveux artificiels profonds sont un ensemble d’algorithmes qui atteignent de nouveaux niveaux de précision pour de nombreux problèmes importants tels que la reconnaissance d’image, la reconnaissance du son, les systèmes de recommandation, etc.

Il utilise des techniques d’apprentissage par machine pour résoudre les problèmes du monde réel en exploitant des réseaux de neurones qui simulent la prise de décision humaine. L’apprentissage approfondi peut être coûteux et nécessite d’énormes ensembles de données pour s’entraîner. C’est parce qu’il existe un grand nombre de paramètres qui doivent être compris par un algorithme d’apprentissage, qui peut principalement générer de faux positifs. Par exemple, un algorithme d’apprentissage approfondi pourrait être formé pour « apprendre » à quoi ressemble un chien. Il faudrait un énorme ensemble de données pour comprendre les détails mineurs qui distinguent un chien d’un loup ou d’un renard.

L’apprentissage approfondi fait partie de l’algorithme AlphaGo notoire de DeepMind, qui a battu l’ancien champion du monde Lee Sedol dans 4 jeux sur 5 de Go en utilisant un apprentissage approfondi début 2016.
Google a déclaré: « la façon dont le système d’apprentissage approfondi a fonctionné était en combinant Monte-Carlo Research avec des réseaux de neurones profonds qui ont été formés par l’apprentissage supervisé à des jeux d’experts humains et par l’apprentissage de renforcement des jeux individuels.

Publicités

Laisser un commentaire

Entrez vos coordonnées ci-dessous ou cliquez sur une icône pour vous connecter:

Logo WordPress.com

Vous commentez à l'aide de votre compte WordPress.com. Déconnexion / Changer )

Image Twitter

Vous commentez à l'aide de votre compte Twitter. Déconnexion / Changer )

Photo Facebook

Vous commentez à l'aide de votre compte Facebook. Déconnexion / Changer )

Photo Google+

Vous commentez à l'aide de votre compte Google+. Déconnexion / Changer )

Connexion à %s