L’apprentissage profond, plus connu sous Deep Learning est une des principales pratiques du Machine Learning et de l’intelligence artificielle.
Vous êtes de ceux qui se posent des questions concernant cette technologie ? Lisez le reste de l’article, et le Deep Learning n’aura plus de secrets pour vous…
1- Le Deep Learning, c’est quoi ?
Le Deep Learning est un dérivé du machine learning dont les techniques ont évolué durant les dernière décennies. L’algorithme du Deep Learning permet à la machine de passer d’un état d’exécution à un état d’auto-apprentissage.
Le concept lui-même a été inspiré du fonctionnement du cerveau humain. En effet, il repose sur un réseau de neurones artificiels.
2- Fonctionnement du Deep Learning
Comme on vient de citer le système du Deep Learning, se compose de centaines de couches de réseaux de neurones artificielles ayant chacune un poids différent.
Les informations circulent à travers ces neurones. Chaque couche est analysée après celle qui la précède, ainsi, le système reconnaîtra les chiffres avant la date, et les lettres individuelles avant les mots.
La première couche collecte les détails de l’information qui lui a été présentée et la réponse que le système produit émane de la dernière couche de neurones.
Mais ça ne s’arrête pas là. Une fois la réponse émise, le réseau la compare avec la bonne réponse fournie par un humain.
Si la réponse est bonne, le réseau la sauvegardera et s’en servira dans d’autres situations. Si, au contraire, la réponse est mauvaise. Le réseau enregistre l’erreur et réajuste le poids de chaque neurone. Cette action corrective se répète des milliers de fois.
Le but étant, ainsi, d’avoir la bonne réponse dans n’importe quelle circonstance.
Bien sûr, ça sera plus simple de comprendre moyennant un exemple concret.
Imaginons une photo d’un portable, si le système le reconnaît, il enregistra, tout simplement, cette réussite. S’il l’identifie en tant qu’une calculatrice par exemple. Il devra revisiter la charge exercée sur chaque neurone. Ceci se répétera avec tout erreur jusqu’à ce que le système sache reconnaître un téléphone peu importe sa marque, sa couleur, l’angle sous lequel il est photographié.
3- Deep Learning VS Machine Learning
Le Deep Learning et le Machine Learning ne sont pas si différents. Comme on l’a déjà mentionné précédament, le Deep Learning est une technique du machine learning.
La principale différence consiste dans les bases du Machine Learning et le Deep Learning.
Pour le Machine Learning basique, la “Structured Data” entre en jeu. En effet, si on revient à notre exemple précédent, il faut étiqueter les images de téléphone portable et de calculatrice en définissant les caractéristiques distinctives de chacun. Ces données seront largement suffisantes pour que l’algorithme apprenne. Après celui-ci continuera de fonctionner en fonctions de ces étiquettes qu’il a compris et en fonction desquelles il classifiera toutes images qui lui sera donnée.
Le Deep Leargning, quand à lui, aura une autre approche. Il n’a pas besoin de “Structured Data” pour différencier les deux photos. Son réseau de neurones artificiels envoie lui-même les caractéristiques des images qui sont traitées à travers les différentes couches.
Ceci dit, l’intelligence artificielle reste le domaine le plus large, elle est un ensemble très vaste de technologies stimulant de l’intelligence artificielle.
4- Les utilisations du Deep Learning
Le Deep Learning a permis un progrès immense dans plusieurs domaines, notamment dans la reconnaissance vocale, le traitement automatisé du langage, la traduction automatique et la reconnaissance faciale.
Mais Facebook n’est pas le seul à avoir recourt au Deep Learning pour la reconnaissance faciale. D’autres domaines l’on intégré dans leur quotidien.
Le diagnostique médical, par exemple. Les chercheurs ont, effectivement, pu standardiser le processus de détection de tumeur cérébrale en fonction de leurs profils de méthylation.
On peut aussi parler de l’exploration spéciale, Ari Silburt et ses collègues ont utilisé un réseau de neurones pour automatiser le comptage des cratères.
Bien sûr, on n’en finira pas avec les exemples : la voiture économe, les chatbots, pour automatiser le comptage des cratères…..
Vous l’avez bien compris, le Deep Learning, enfant du Machine learning, lui-même descendant de l’intelligence artificielle gagne du terrain. À présent, on associe forcement Data Science et intelligence artificielle à ce domaine.
Alors allez-vous vous lancer dans le Deep Learning ?
