Deep learning: qu'est-ce que c'est et comment est-il lié à l'apprentissage automatique?

Poursuivant quelques articles que nous avons faits, nous parlerons ici de ce qu'est le Deep Learning et de sa relation avec le Machine Learning . Les deux termes sont de plus en plus importants dans la société dans laquelle nous vivons et il sera utile de savoir ce qui nous entoure.

Index du contenu

Qu'est-ce que le Deep Learning ?

Le Deep Learning est un sous-ensemble de techniques qui sont nées autour des années 2000 à la suite du Machine Learning . Pour cette raison, nous devons le classer comme l' une de ses branches, faisant à son tour partie de l'informatique.

Ces systèmes sont plus autonomes que leurs frères et sœurs plus âgés, bien que leur structure soit également considérablement plus complexe. Cela leur donne un avantage évident lors de l'exécution de différents types de tâches où ils effectuent le même travail ou mieux que d'autres systèmes avec des algorithmes d' apprentissage automatique.

En outre, il existe d'autres travaux où Deep Learning se démarque de son prédécesseur. L'un des cas les plus notoires est l' Intelligence Artificielle de style AlphaGo, l' intelligence de Google capable de vaincre le champion du monde de Go .

Cela vous semble peut-être un peu chinois, mais Go est un jeu très célèbre et aussi très exigeant. Pour le mettre en contexte, les mathématiciens affirment catégoriquement que ce passe-temps est considérablement plus complexe que les échecs.

D'autre part, le Deep Learning est étroitement lié au Big Data, car ces grandes sources d'informations peuvent être utilisées pour apprendre et consolider l'expérience. De plus, grâce à la situation dans laquelle nous nous trouvons, l'environnement propice à la prolifération et au développement de cette technologie est parfait pour trois points clés:

1. La grande accumulation de données, car avec les outils que nous avons aujourd'hui, les données peuvent être obtenues et stockées de presque n'importe qui. Le degré de technologie dans lequel nous nous trouvons, car les composants sont bons pour offrir collectivement une puissance considérable. La volonté des entreprises d'améliorer leurs méthodologies, car, profitant des deux points précédents, de plus en plus d'entreprises misent sur l'Intelligence Artificielle . Si votre entreprise a stocké des données de milliers de clients et que la technologie vous donne la possibilité d' apprendre d'eux et de les utiliser, c'est une valeur sûre.

La structure du Deep Learning

Malgré un développement assez similaire au Machine Learning , cet ensemble d'algorithmes présente quelques différences nucléaires. Le plus important est probablement sa structure interne, c'est-à-dire le code qui compose son algorithme.

Idée générale sur le Deep Learning

Comme vous pouvez le voir sur l'image, le Deep Learning est étroitement lié aux réseaux de neurones. Ce concept n'est pas nouveau, mais il n'a pas été avec nous depuis longtemps, donc vous ne le savez peut-être pas.

Pour le simplifier, nous pourrions définir un réseau de neurones comme un ensemble d'algorithmes (chacun appelé couche) qui traitent et transmettent des informations. Chaque couche reçoit des valeurs d'entrée et renvoie des valeurs de sortie, et lorsqu'elle traverse l'ensemble du réseau, une valeur résultante finale est renvoyée. Tout cela se produit séquentiellement, normalement, où chaque couche a un poids différent, en fonction du résultat souhaité.

Ici, nous vous montrons une courte vidéo (en anglais) sur l'intelligence artificielle d' apprendre à jouer à Super Mario World :

Et vous vous demandez peut-être: "Pourquoi toute cette méthode est-elle si complexe?" . Certes, le Deep Learning appartient toujours à ce que nous appelons l'intelligence artificielle faible , mais c'est peut-être le premier pas vers la force.

Cette méthodologie est vaguement inspirée par le fonctionnement d'un cerveau. Semblable à ce que nous voyons dans le «monde physique» , les systèmes forment des couches et chaque couche fonctionne de manière similaire à un neurone. De cette façon, les couches sont liées les unes aux autres, partagent des informations et le plus important est que tout se fasse de manière autonome.

Schéma très simplifié du fonctionnement du Deep Learning

Suivant cette règle, les Intelligences les plus complètes sont, normalement, celles qui ont plus de couches et des algorithmes plus sophistiqués.

Comment l'intelligence artificielle fonctionne-t-elle avec cet algorithme?

Si vous avez vu nos précédents articles sur le sujet, vous aurez déjà vu ce gif. Ici vous pouvez voir notre article sur l'intelligence artificielle et ici vous pouvez lire un peu sur l' apprentissage automatique .

mais nous allons vous montrer une dernière fois.

Cette image reflète bien et très simplement le fonctionnement d'une Intelligence utilisant des réseaux de neurones. Comme vous pouvez le voir, son travail est simple: classer les images et apprendre à détecter les chiens dans les différentes photos qui lui sont transmises.

Chaque image commence par entrer dans le flux d'entrée, c'est-à-dire la couche d'entrée où les premiers calculs commenceraient déjà. Les résultats obtenus seraient partagés avec la deuxième couche ou neurone et, évidemment, il est informé quel neurone a effectué ce calcul. Ce processus est répété autant de fois que de couches de notre système jusqu'à ce que nous atteignions la dernière.

Le dernier neurone est nommé en tant que couche de sortie et est celui qui, dans cet exemple, affiche le résultat. Dans d'autres cas, la couche de sortie finit par exécuter l'action calculée. De plus, si l'on met dans la formule le fait d'agir le plus vite possible (comme dans les jeux vidéo) , le résultat devrait être quasi instantané. Cependant, grâce au point technologique où nous en sommes, c'est déjà possible.

Un des exemples les plus clairs de cela est l'Intelligence Artificielle AlphaStar, une autre création de Google elle-même.

Google Deepmind Artificial Intelligence

Nous vous avons parlé d' AlphaGo , une IA capable de lutter contre les meilleurs joueurs de Go du monde. Cependant, celui-ci a des frères et sœurs plus jeunes capables d'atteindre des jalons assez impressionnants.

AlphaZero

Cette Intelligence a appris en seulement 24 heures un niveau d' échecs, de shoji et de go surhumain avec lequel il a remporté plusieurs joueurs célèbres. De plus, dans la liste des adversaires vaincus, il a également souligné la version AlphaGo Zero de 3 jours d'expérience, quelque chose de vraiment incroyable. Voici la vitesse d'apprentissage de cette intelligence artificielle .

Le plus impressionnant de tous, l'équipe n'avait pas accès à des livres d'apprentissage ou des bases de données, donc toutes leurs tactiques ont été apprises avec la pratique.

Dans une autre de ses rencontres, il a affronté Stockfish , un programme open source automatisé vétéran qui joue aux échecs. Cependant, en seulement quatre heures, il a été dominé par AlphaZero.

Il convient de noter que si ce premier calcule environ 70 millions de mouvements, AlphaZero, aux échecs, ne prend en compte que 80 000 sorties différentes. La différence dans les prévisions a été compensée par un bien meilleur jugement sur ce qui serait des pièces prometteuses.

Avec des démonstrations de force comme celle-ci, nous pouvons voir la puissance de la nouvelle intelligence artificielle .

AlphaStar

D'autre part, AlphaStar est une IA qui, aujourd'hui, est capable de jouer à RTS Starcraft II (stratégie en temps réel, en espagnol).

Au moment de sa démo, AlphaStar a combattu plusieurs joueurs professionnels au milieu en remportant dix matchs de suite et en perdant seulement le dernier.

Contrairement aux échecs ou au go, Starcraft II est un match en temps réel, donc à chaque seconde, vous devez faire des choses. Pour cette raison, nous pouvons entrevoir que la technologie actuelle est capable de maintenir ces rythmes frénétiques de calcul et de décision.

Quant à la préparation de l' Intelligence , pour les dates de l'épreuve en direct, il avait environ 200 ans d'expérience de formation uniquement avec des protos (l'une des races disponibles) . Il a également été formé pour qu'il ne puisse effectuer des actions que s'il avait la caméra physiquement sur l'unité, s'assimilant ainsi davantage à la façon dont une personne jouerait.

Cependant, malgré ces handicaps, AlphaStar a réussi à battre la plupart de leurs rencontres en utilisant une tactique abandonnée du côté compétitif du jeu. Un point à noter est qu'AlphaStar maintient généralement les APM (Actions par Minute) bas, donc ses décisions sont très efficaces.

Actions moyennes par minute effectuées par l'IA et par un joueur professionnel

Cependant, lorsque la situation l'exige, il démontre littéralement le contrôle surhumain des unités en cassant facilement le comptoir.

Ici vous pouvez voir une de ses démos en entier:

L'avenir de l'intelligence artificielle

Nous avons déjà parlé de ce sujet, donc nous ne répéterons pas trop le même discours. Ce qu'il convient de souligner, ce sont les futurs possibles qui attendent le Deep Learning .

Selon Andrew Yan-Tak Ng, un expert bien connu de l'intelligence artificielle, le Deep Learning est un bon pas vers l' intelligence du futur. Contrairement à d'autres méthodes d'enseignement, celle-ci est considérablement plus efficace lorsque nous augmentons l'échantillon de données.

NOUS VOUS RECOMMANDONS BABAHU X1: La brosse à dents AI est maintenant disponible

La diapositive suivante fait partie de sa présentation «Ce que les scientifiques de l'information devraient savoir sur le Deep Learning» . Si vous êtes intéressé, vous pouvez le voir sur ce lien.

Pas en vain, le développement de la technologie ne s'est pas arrêté. Chaque année, nous aurons des composants plus puissants, nous aurons donc de plus en plus de terrasse à tester. Comme cela s'est produit avec les anciennes IA et le Machine Learning, de nouveaux algorithmes, méthodologies et systèmes apparaîtront et remplaceront le Deep Learning innovant d'aujourd'hui.

De plus, comme vous pouvez l'imaginer, l'avenir est abordé par des machines semi-intelligentes.

Comme nous l'avons souligné dans d'autres articles, la plupart des appareils électroniques auront (certains les intègrent déjà) une intelligence de soutien . Un cas très notable est celui des Intelligences qui aident à prendre des photos de meilleure qualité.

Cependant, un point où cette technologie peut prospérer pour la plupart des utilisateurs est l' IoT (Internet of Things, en espagnol).

L' Internet des objets

Ce terme a de plus en plus de poids dans les conférences de technologie et d'informatique et cherche à se consolider maintenant que nous en avons les moyens.

L'idée est que les appareils électroménagers, les appareils électriques et autres sont des objets identifiables, ils peuvent communiquer entre eux et, en plus, être contrôlés avec un appareil. De cette façon, nous pouvons avoir un décompte des objets qui existent dans un endroit, où ils se trouvent, interagir avec eux et tout cela depuis le mobile. De même, les objets pourraient également interagir les uns avec les autres et si, par exemple, un aliment expire, le réfrigérateur pourrait peut-être vous le dire lorsque vous l'ouvrirez.

D'un autre côté, l'intelligence artificielle devrait être en mesure de surveiller l'état et les performances des appareils électroménagers. Avec cela, vous pourriez établir un plan d'électricité et optimiser l'énergie utilisée.

Cependant, un point pertinent qu'il nous reste à améliorer serait la sécurité Internet . C'est quelque chose qui ne semble toujours pas subir beaucoup de harcèlement, mais nous savons tous que ce sera essentiel si nous voulons que ce soit un service sûr.

C'est une idée quelque peu abstraite, mais en envahissant nos vies, vous deviendrez familier.

L'importance des nouvelles technologies et du Deep Learning

Il est incontournable de penser que l'informatique et l'intelligence artificielle vont façonner une grande partie de l'avenir qui nous attend. Par conséquent, il est important de toujours être à moitié conscient de ce qui se passe dans le monde régi par les bits.

Avec cet esprit à l'esprit, nous pouvons déjà voir comment différents diplômes, cours et diplômes apparaissent qui enseignent ces sujets en profondeur. Par exemple, certains ingénieurs en données sont apparus, d'autres diplômes en Big Data et, clairement, des cours en Deep Learning et en Intelligence Artificielle .

Pour cette même raison, nous vous invitons à enquêter sur le sujet. Internet , avec ses avantages et ses inconvénients, n'est pas encore autonome, ni parfait, ni vraiment sécurisé, mais c'est une source de connaissances quasi illimitée. Avec un peu de chance, vous trouverez un endroit pour apprendre et vous pourrez vous embarquer dans une nouvelle langue, ou plutôt, un nouveau monde.

Étant donné que le Machine Learning est une discipline légèrement plus légère, il existe des programmes qui vous permettent de jouer un peu avec les données. Si vous souhaitez en savoir un peu plus sur le sujet et vérifier par vous-même / les limites de cette technologie, vous pouvez visiter IBM Watson Developer Cloud ou Amazon Machine Learning. Nous vous avertissons: vous devrez créer un compte et ce ne sera pas un moyen facile d'apprendre, mais peut-être qu'un jour cela vous aidera à atteindre de grands objectifs.

Au-delà, voici le monde des idées, donc tout est entre vos mains. Et pour vous, que pensez-vous des nouvelles technologies liées à l'intelligence artificielle? Quelles autres applications Deep Learning connaissez-vous ou aimeriez-vous voir? Partagez vos idées dans l'encadré ci-dessous.

Blog d'entreprise source Think BigXatakaMachine Learning Mastery