INTELLIGENCE ARTIFICIELLE

L’intelligence artificielle consiste à mettre en œuvre un certain nombre de techniques dont le but est de permettre aux machines d’imiter une forme d’intelligence réelle (humaine).

De Google à Microsoft en passant par Apple, IBM ou Facebook, toutes les grandes entreprises dans le monde de l’informatique travaillent aujourd’hui sur les problématiques de l’intelligence artificielle en tentant de l’appliquer à quelques domaines précis. Chacun a ainsi mis en place des réseaux de neurones artificiels constitués de serveurs et permettant de traiter de lourds calculs au sein de gigantesques bases de données.

MACHINE LEARNING

Le Machine Learning (Apprentissage automatique) est un système dans lequel on choisit les données d’entrée que l’on implémente dans un algorithme afin d’avoir une prédiction voulue en sortie.

• Donner aux ordinateurs la capacité d’apprendre sans être explicitement programmé.
• Concevoir des algorithmes qui peuvent apprendre des modèles, comprendre les données et les exploiter
• Un sous-ensemble de l’intelligence artificielle où la machine est formée pour apprendre de son expérience passée. L’expérience passée est développée à travers les données collectées. Plus le modèle aura de l’expérience (se sera entraîné), plus il sera efficace lors de ses prédictions.

TRAITEMENT BIG DATA

Le traitement des données est sans aucun doute la partie la plus importante lorsqu’on parle d’intelligence artificielle. En effet, un modèle aussi complexe qu’il soit, ne sert à rien sans une grande quantité de données pour l’entraîner. Les données sont très compliquées à manipuler, en effet, il faut qu’elles soient en grande quantité mais aussi qu’elles soient pertinentes et cela demande beaucoup de travail de traitement.

Réseaux de neurones

Le Deep Learning (Apprentissage profond) est un type d’intelligence artificielle dérivé du Machine Learning (apprentissage automatique) où la machine est capable d’apprendre par elle-même, contrairement à la programmation où elle se contente d’exécuter à la lettre des règles prédéterminées.

Le Deep Learning s’appuie sur un réseau de neurones artificiels s’inspirant du cerveau humain. Ce réseau est composé de dizaines voire de centaines de « couches » de neurones, chacune recevant et interprétant les informations de la couche précédente.

À chaque étape, les « mauvaises » réponses sont éliminées et renvoyées vers les niveaux en amont pour ajuster le modèle mathématique. Au fur et à mesure, le programme réorganise les informations en blocs plus complexes. Lorsque ce modèle est par la suite appliqué à d’autres cas, il est normalement capable de reconnaître le concept que l’on souhaite sans que personne ne lui ait jamais indiqué ou appris ce concept. Les données de départ sont essentielles : plus le système accumule d’expériences différentes, plus il sera performant.