Sélectionner une page

La popularité récente de l’intelligence artificielle est fortement motivée par les exploits des algorithmes d’apprentissage profond, ou deep learning en anglais. Ces algorithmes d’apprentissage automatique (cf. Apprentissage et Machine Learning), sont particulièrement performants pour la plupart des tâches perceptives. Les psychologues décomposent ces dernières en trois étapes, qui sont notamment la sélection, l’organisation et l’interprétation du stimulus entrant.

Ces algorithmes effectuent des calculs selon une structure de réseaux. Le schéma ci-contre illustre leurs fonctionnements. Ces réseaux sont composés de neurones artificiels organisés en couches. La couche en entrée prend l’information, comme les bits d’une image par exemple. La couche en sortie nous donne le résultat, ceci peut être la réponse à la question « est-ce qu’il y a un chat sur l’image? ». Afin de fournir un tel résultat, l’algorithme va dans la phase d’apprentissage renforcer ou affaiblir les liens entre les neurones dans les couches cachées. Ceci s’effectue à l’aide de données d’apprentissage pour lesquels les résultats en sortie sont connus.

Du fait de leur nature, les algorithmes d’apprentissage profond ne nécessitent pratiquement aucune intervention humaine en matière de sélection, et organisation de l’information entrante. Ceci ouvre la porte à la commercialisation de toute sorte de services en ligne, comme les Cognitive Services de Microsoft, permettant à n’importe qui de créer une fonction spécifique de reconnaissance d’images et de l’implémenter dans son application. Ceci évidement sans avoir besoin de comprendre quoi que ce soit du fonctionnement de l’algorithme sous-jacent.