Blog

L’intelligence artificielle pour les débutants : tutoriels et exemples

Ce blog s’adresse à tous ceux qui désirent comprendre de manière simple et pédagogique comment fonctionne le machine learning (sous domaine de l’intelligence artificielle qui permet aux machines d’apprendre par elle-même.) De nombreux articles sur ce site seront désormais dédiés à cette thématique et expliqueront étape par étape le fonctionnement des réseaux de neurones artificielles et autres branches de l’IA.

 

Pourquoi l’intelligence artificielle est-elle un sujet à ne pas sous-estimer

Un des rêves de l’homme a toujours été de construire une machine à son égal (En quelque sorte de se prendre pour dieu). L’un des prérequis pour construire cette machine est déjà de reproduire les exploits du cerveau humain et ainsi de créer une intelligence généraliste capable de penser, de décider et de ressentir.

Certains affirment que l’intelligence artificielle sera la base de la prochaine révolution industrielle. Pour d’autres, l’intelligence artificielle façonnera notre futur de façon plus rapide et puissante qu’aucune autre innovation du 21ème siècle. Tous ceux qui ne la comprenne pas se sentiront bientôt à la traîne et se réveilleront dans un monde bourré de technologies qui leur semblera magique.

Le taux d’accélération des technologies et domaines impactés par l’Intelligence Artificielle est déjà assourdissant. De rapides progrès dans les domaines du stockage de données et en puissance de calculs ont permis d’accélérer la cadence et les innovations en matière de machine learning.

  • En 2015, Google a entraîné un agent conversationnel (IA) qui pouvait non seulement intéragir de façon convaincante avec des humains en jouant le rôle de support technique “Helpdesk”, mais aussi de discuter moralité, exprimer des opinions, et répondre à des questions générales basés sur des faits.
  • La même année, DeepMind a développé un agent qui a surpassé les humains dans 49 jeux vidéos Atari, en se basant uniquement sur l’écran des jeux et du score pour s’entrainer.
  • En mars 2017, OpenAI a créé des intelligences artificielles qui ont inventé leur propre langage afin de coopérer et plus facilement achever leurs objectifs. Peu de temps après, Facebook a réussi à entraîner des agents intelligents à négocier et même mentir.
  • En décembre 2017, des chercheurs de chez Nvidia ont développé un algorithme de machine learning qui est capable d’altérer une vidéo d’une scène d’hiver pour la transformer en temps réel en une scène d’été. De même, l’algorithme peut transformer une vidéo filmée de jour en une vidéo tournée la nuit. Les vidéos sont bluffantes.

https://www.digitaltrends.com/cool-tech/nvidia-ai-winter-summer-car/

 

exemple de deep learning

 

 

En janvier 2018, des scientifiques ont créé le premier algorithme capable d’interpréter et de reproduire de façon précise des images pensées ou imaginées par des personnes. Cet algorithme s’appelle “mind-reading” (lit dans les pensées).

Imaginez un jour pouvoir chercher une photo dans votre album présent sur votre téléphone simplement en y pensant. Ou dessinez un nouveau design pour votre cuisine rien qu’en y pensant, sans toucher un crayon.. Impressionnant non??

 

Generative Adversarial Network machine learning

 

Les exemples de use-cases plus déroutants les uns que les autres sont nombreux. Le cas de la voiture autonome qui se conduit à 100% seule est limite devenu un classique.

 

Distinction entre Machine Learning et Intelligence Artificielle

L’intelligence artificielle est l’étude d’agents informatiques qui perçoivent le monde autour d’eux, en étant capable de concevoir des plans, et en prenant des décisions en autonomie pour atteindre leurs objectifs. L’IA se base sur les mathématiques, la logique, la philosophie, les probabilités, les langues, les neurosciences et la théorie de décision. Les domaines d’application peuvent être le “Computer Vision”, la robotique, le “Machine Learning” et le traitement du langage naturel.

Le machine learning est un sous domaine de l’intelligence artificielle. Son objectif est de permettre aux ordinateurs d’apprendre seuls. Plus concrètement, un algorithme de machine learning permet d’identifier des “patterns” (corrélations) parmi des données, construire des modèles qui expliquent le contexte autour de ces données, et prédirent la suite de données sans avoir au préalable été préprogrammés avec des règles.

 

machine learning intelligence artificielle

 

Le “Machine learning” (Apprentissage automatique en français) est un des domaines de l’intelligence artificielle (“Artificial Intelligence” en anglais) qui explose depuis quelques années et qui fait couler beaucoup d’encre. Le “Machine Learning” est la capacité qu’a un système ou un programme informatique à apprendre seul et à devenir meilleur grâce à l’expérience sans avoir été programmé au préalable.

 

En d’autres termes :

Grâce au Machine Learning, un programme informatique apprend à réaliser une tâche en la répétant un certain nombre de fois et en accumulant de l’expérience.

Tout comme un enfant qui apprend à marcher, à force de se lever, tomber et se redresser à nouveau, le machine learning offre aux ordinateurs une capacité d’apprentissage similaire à celle de l’homme et des animaux.

Dans les prochains articles, j’aborderai le thème des réseaux de neurones artificiels (Pierre angulaire du machine learning), en reprenant la base et en tâchant d’expliquer et vulgariser simplement les mathématiques et concepts techniques derrière cette notion. Ce blog a pour objectif de rendre ces domaines plus abordables et accessibles à tous.

Comments are closed, but <a href="https://rocketbootstrapper.com/fr/intelligence-artificielle-intro/trackback/" title="Trackback URL for this post">trackbacks</a> and pingbacks are open.