Divers

Qu'est-ce que le Deep Learning et pourquoi est-il plus pertinent que jamais?

Qu'est-ce que le Deep Learning et pourquoi est-il plus pertinent que jamais?

Apprentissage automatique? L'apprentissage en profondeur? Intelligence artificielle? Ces termes sont devenus synonymes de l'ère moderne; des termes que les gens adorent lancer dans les conversations sur les réseaux sociaux et dans les pièces de réflexion. Néanmoins, bien comprendre ces termes vous aidera à mettre en perspective l’impact de certaines des technologies les plus avancées au monde sur votre vie.

Nous avons déjà évoqué l'intelligence artificielle et l'apprentissage automatique, mais aujourd'hui, vous allez explorer le cousin le moins connu de ces technologies, le deep learning. Donc, cela soulève la question, que savez-vous de l'apprentissage en profondeur?

VOIR AUSSI: AMENEZ VOTRE IA ET VOTRE CONNAISSANCE D'APPRENTISSAGE AU NIVEAU SUIVANT AVEC CE BUNDLE AVANCÉ

Pour les non-initiés, l'apprentissage en profondeur est un sous-ensemble de l'apprentissage automatique dans lequel les réseaux de neurones artificiels, des algorithmes inspirés du cerveau humain, apprennent à partir de grandes quantités de données. L'apprentissage en profondeur fait partie de la famille plus large des méthodes d'apprentissage automatique basées sur l'apprentissage des représentations de données.

Une brève introduction

Vous avez peut-être lu cela et vous êtes un peu confus. En bref, l'apprentissage en profondeur et toutes les facettes de l'IA moderne utilisent les données pour prendre des décisions «intelligentes» de type humain. L'apprentissage en profondeur apprend aux ordinateurs à apprendre essentiellement par l'exemple ou les données.

Pour mettre cela en perspective, l'apprentissage en profondeur est utilisé pour les voitures sans conducteur, permettant aux véhicules de reconnaître d'autres véhicules, des panneaux d'arrêt et même des piétons, tandis que l'apprentissage en profondeur est également au centre des produits de consommation comme l'assistant vocal conduit des haut-parleurs intelligents, la technologie de reconnaissance faciale, et même sur certaines pages Web populaires.

Aujourd'hui, vous allez vous plonger plus profondément dans le monde de l'apprentissage en profondeur et examiner comment ce sous-ensemble de l'apprentissage automatique va changer votre vie.

Le monde du Deep Learning

Encore une fois, les données sont essentielles et sont au cœur de l'apprentissage profond. Vous pouvez apprendre une nouvelle compétence grâce à la pratique et à l'expérience. Les modèles d'apprentissage profond font de même. Pour en revenir à l'exemple de la voiture autonome, un modèle informatique peut examiner des milliers de panneaux d'arrêt avant d'acquérir la capacité d'identifier un panneau d'arrêt.

Les modèles informatiques d'apprentissage en profondeur apprennent à effectuer des tâches de classification directement à partir d'images, de texte ou même de sons. Un modèle d'apprentissage en profondeur peut «apprendre» à être précis, dépassant même ses créateurs humains.

Ces modèles sont «entraînés» pour utiliser de grands ensembles de données étiquetées ainsi que des architectures de réseaux neuronaux, ce que nous explorerons plus tard dans l'article.

Pourquoi maintenant?

L'apprentissage en profondeur est à la pointe de l'IA, aidant à façonner les outils que nous utilisons pour atteindre des niveaux de précision incroyables. Les progrès de l'apprentissage en profondeur ont poussé cet outil au point où l'apprentissage en profondeur surpasse les humains dans certaines tâches telles que la classification d'objets dans des images.

Nécessitant des GPU hautes performances, les modèles d'apprentissage en profondeur utilisent de grandes quantités de données étiquetées. Cette voiture Tesla sans conducteur derrière laquelle vous êtes assis avait besoin de millions d'images et de milliers d'heures de vidéo avant de pouvoir vous ramener chez vous.

Apprendre à prendre la bonne décision

Certaines des méthodes d'apprentissage en profondeur les plus courantes utilisées aujourd'hui utilisent ce qu'on appelle une architecture de réseau neuronal. Désormais, un réseau neuronal est une série d'algorithmes qui s'efforcent de reconnaître les relations sous-jacentes dans un ensemble de données grâce à un processus qui imite le fonctionnement du cerveau humain.

La beauté d'un réseau de neurones réside dans sa capacité à générer les meilleurs résultats sans qu'il soit nécessaire de redéfinir les critères de sortie. Ils peuvent reconnaître des modèles grâce aux données et prendre une décision précise.

Encore une fois, les techniques d'apprentissage en profondeur reposent sur des réseaux de neurones complexes et lourds pour identifier une image, un son ou des textes. Les réseaux de neurones traditionnels peuvent contenir uniquement 2-3 couches cachées, alors que les réseaux profonds peuvent avoir jusqu'à 150.

Après avoir créé votre modèle algorithmique, vous disposez d'un modèle d'apprentissage en profondeur qui imite la structure biologique du cerveau. Le Deep Learning est essentiellement du Machine Learning sur les stéroïdes. Chaque couche traite des entités et, généralement, chaque couche extrait des informations précieuses.

Comme décrit par MIT News, "Modélisé de manière lâche sur le cerveau humain, un réseau neuronal se compose de milliers, voire de millions de nœuds de traitement simples qui sont étroitement interconnectés."

"La plupart des réseaux de neurones actuels sont organisés en couches de nœuds, et ils sont" feed-forward ", ce qui signifie que les données les traversent dans une seule direction."

«Un nœud individuel peut être connecté à plusieurs nœuds dans la couche en dessous, à partir de laquelle il reçoit des données, et à plusieurs nœuds dans la couche au-dessus, à laquelle il envoie des données.»

Cela soulève donc la question suivante: comment le deep learning est-il utilisé aujourd'hui?

L'apprentissage en profondeur dans l'industrie

Les modèles d'apprentissage en profondeur ont déjà infiltré votre monde, inaugurant également une série de percées dans de grandes industries allant du monde de l'électronique grand public qui étend sa puissance aux domaines de l'aérospatiale et de la défense.

L'apprentissage en profondeur est plus couramment utilisé dans les applications d'audition et de traduction vocale automatisées trouvées sur les applications et les appareils intelligents. Les applications d'apprentissage en profondeur aident ces systèmes à reconnaître votre voix et à fournir des réponses précises.

Dans le domaine médical, les chercheurs utilisent l'apprentissage en profondeur pour détecter les cellules cancéreuses. Même les entreprises industrielles utilisent l'apprentissage en profondeur pour améliorer la vie des employés, identifiant les cas où les travailleurs risquent de se blesser lorsqu'ils utilisent des machines lourdes.

Les outils d'apprentissage en profondeur continueront de changer la façon dont les gens travaillent, créent et même conçoivent des produits. Ce n'est que le début.


Voir la vidéo: TOUT COMPRENDRE À LIA - Dossier #33 - LEsprit Sorcier (Novembre 2021).