Apprentissage automatique: qu'est-ce que c'est et quelle est sa relation avec l'IA?

Aujourd'hui, nous voulons vous enseigner plus en profondeur l'un des termes qui a révolutionné et révolutionnera certaines interactions telles que nous les connaissons. Nous parlons de l'intelligence artificielle et de sa branche la plus spécifique, l' apprentissage automatique ou l'apprentissage automatique.

Comme vous le savez peut-être, l'informatique est toujours en constante évolution et ce que nous pouvons acheter n'est généralement pas aussi à la pointe que possible.

Par exemple, alors que nous développons la 4e génération de PCI-Express , les chercheurs développent déjà PCIe Gen 5 et étudient le saut au 6e . Pour cette même raison, il n'est pas rare de trouver des technologies que nous ne connaissions pas pour effectuer des tâches dont nous n'avions jamais entendu parler.

Mais avant d'aller plus loin, affinons le sujet dont nous allons parler car, qu'est-ce que le Machine Learning ?

Index du contenu

Qu'est-ce que l' apprentissage automatique ?

L'apprentissage automatique est une branche spécifique de l'informatique et de l'intelligence artificielle où des systèmes capables d'apprentissage automatique sont créés .

Cette branche a commencé son étude et son développement vers les années 80 et est aujourd'hui assez développée. Pour cette même raison, l'intelligence artificielle et l' apprentissage automatique sont utilisés dans de nombreux domaines scientifiques et quotidiens.

Dans cette branche, les IA sont constituées d' un ou plusieurs algorithmes capables de traiter de grandes quantités de données et d'apprendre en conséquence. Les deux idées clés sur lesquelles tourne ce sujet sont:

• Le système doit être capable d'analyser les données et de développer des compétences qu'il ne possédait pas à sa naissance. L'intelligence doit pouvoir effectuer le travail de manière autonome, c'est-à-dire sans supervision humaine.

Dans le monde réel, nous avons des exemples pratiques tels que la classification du spam dans les e-mails, des recommandations connexes sur Amazon ou des prédictions de l'avenir à l'aide des données de l'entreprise. Ce dernier est une section intéressante sur laquelle de plus en plus d'entreprises parient.

En utilisant le Machine Learning, nous pouvons voir quels modèles identifient les clients insatisfaits ou les anciens clients pour essayer d'améliorer la relation avec d'autres utilisateurs dans le même état. L'ancienneté, le nombre de réclamations, les plans contractuels et autres sont étudiés pour créer certains profils. Une fois les conclusions de l' IA tirées, un groupe d'experts en marketing peut créer une campagne spécifique pour lutter contre ces problèmes.

Ainsi, l'entreprise peut créer des plans pour attirer ou garder des clients en fonction de certaines hypothèses et passe d'une stratégie réactive à une stratégie proactive. C'est une tactique très intéressante qui utilise l'intelligence artificielle , de grandes quantités de données et l' apprentissage automatique .

Comment l'intelligence artificielle est-elle formée?

Pour qu'une Intelligence Artificielle soit préparée, elle doit passer par différentes phases:

1. Il passe d'abord par un environnement contrôlé. Ici, vous entrez une grande quantité de données et leurs résultats respectifs avec lesquels vous pouvez créer des relations entre les idées. Cette partie est appelée apprentissage supervisé . Ensuite, vous êtes placé dans un environnement gratuit et sans réponse où l' IA elle-même devra sélectionner un résultat. En sachant si vos réponses sont correctes ou non, vous créez de nouvelles règles dans votre algorithme. Cette étape est appelée apprentissage non supervisé . Enfin, un environnement lui est préparé où il vacille. Si, par exemple, vous avez du mal à faire la différence entre les images en basse lumière, vous pouvez être formé aux photos de nuit. Cette phase est appelée apprentissage par renforcement. Le processus peut être effectué à partir de l'étape 2 autant de fois que vous le souhaitez pour affiner l' intelligence .

Schéma généralisé sur l'apprentissage automatique

Un exemple pratique serait de montrer à une IA dix millions de photos et de leur dire quels sont les chiens et lesquels ne le sont pas. Ici, il racontera que les chiens ont généralement de la fourrure, ils vont généralement sur quatre pattes et il existe différentes formes et tailles selon la race.

Par la suite, il reçoit un million de photos à classer. Ici, vous devez indiquer s'il y a ou non un chien sur la photo et selon que vous créerez ou non de nouvelles «idées» dans votre base de données. Pour implémenter ces nouvelles données, Intelligence va établir de nouvelles règles dans son algorithme et désormais, par exemple, il pourra différencier les chiens des chats.

Enfin, son efficacité est étudiée et de nouvelles photos sont préparées pour entraîner ses points faibles.

Bien sûr, il s'agit d'un système simple et très répété pour la démonstration, mais il existe d' autres méthodes plus expérimentales et particulières.

Tay, le bot Twitter

Un cas récent de formation expérimentale était Tay , une IA développée par Microsoft conçue pour apprendre à s'exprimer en tant qu'humain.

Profil Twitter de Tay

Le bot a été programmé pour parler initialement en tant que fille de 19 ans et le 23 mars 2016, elle a été libérée dans les endroits sombres de Twitter.

Vous avez été programmé pour parler à la communauté et apprendre des messages que vous avez reçus ainsi que de vos interactions avec les utilisateurs. Son apprentissage était presque complètement autonome, bien qu'elle ait dû être retirée après 16 heures pour avoir montré des comportements négatifs.

Dans la courte durée de sa vie, il a tweeté plus de 96 000 tweets. Cependant, le comportement offensant intentionnel de ce réseau social a fait qu'il a été plus rapide que tôt pour Tay de répondre avec des phrases racistes et autres.

Dans ce cas, l' apprentissage supervisé et la série de règles de base auraient dû être dûment révisés. Connaissant le ton insouciant et offensant du réseau social, Tay n'était pas prêt à différencier le réel du sarcastique. Pour la même raison, certains utilisateurs ont réussi à «briser» facilement la «barrière intellectuelle» de l' intelligence .

Applications d'apprentissage automatique dans le monde réel

Nous vous avons déjà parlé de certaines utilisations quotidiennes que vous connaissiez peut-être déjà au sujet du Machine Learning , mais quels autres cas existent.

Ci-dessous, vous verrez une série d' applications pratiques de cette technologie dans les problèmes les plus courants. Bien sûr, ce sont des solutions de pointe, elles nécessitent donc généralement beaucoup plus d'argent.

La santé

Une technologie pour un nouveau type de vêtements capable de lire des informations sur notre corps est à l'étude. Il peut être capable de lire notre pouls, notre respiration ou notre anxiété.

Ces données sont lues par une Intelligence qui évalue l'état du patient en temps réel. Donc, si vous avez un problème comme une crise cardiaque à un moment précis, vous pouvez diagnostiquer et / ou répondre plus rapidement.

En revanche, certains bots capables de détecter des pensées suicidaires ont été mis en place chez certaines personnes. Le célèbre Facebook Intelligence lit les conversations et votre activité pour reconnaître les schémas de tendances suicidaires, bien qu'il existe d'autres versions qui étudient de plus près le comportement de la personne, son ton de voix et son langage corporel.

Finances

En économie, certaines banques et entreprises ont utilisé des solutions basées sur le Machine Learning pour détecter et prévenir la fraude.

D'autre part, quelque chose de similaire est également utilisé pour identifier plus facilement les opportunités d'investissement. Il est également utilisé pour décider quand vendre ou acheter des actions et d'autres moyens.

Le marketing

Nous l'avons déjà mentionné, mais c'est l' une de ses applications les plus connues.

Il vous sera arrivé de voir quelques produits sur Amazon , d'entrer sur Facebook, Google ou Instagram et de voir juste ce produit dans vos annonces. Ce n'est pas un hasard, puisque les réseaux sociaux et Google mettent en œuvre des Intelligences qui étudient votre histoire et vos intérêts potentiels pour les capturer où ils le peuvent.

Certains utilisateurs y voient une manière intrusive d' attaquer l'utilisateur et ce n'est pas surprenant car ils vous bombardent avec une idée. Cependant, la publicité ira dans cette direction car elle est plus personnelle et les publicités seront destinées aux acheteurs potentiels.

Apprentissage automatique et apprentissage profond

Ces deux termes vont généralement de pair, mais ils ne sont pas exactement les mêmes. Dans un prochain article, nous parlerons de ce second terme, car c'est quelque chose qui mérite d'être appris.

NOUS VOUS RECOMMANDONS Comment désinstaller facilement et facilement les pilotes AMD

En général, nous pourrions établir la relation entre le Machine Learning et le Deep Learning comme étant celle de l'intelligence artificielle et du Machine Learning . Le Deep Learning est une branche encore plus spécifique du Machine Learning .

Il partage des sections clés telles que l' évolution dans le temps et l'expérience, mais il présente une autre série de différences.

Apprentissage approfondi simplifié

Sa base pour l'apprentissage et le traitement des données est d' utiliser différentes couches qui agissent comme s'il s'agissait de neurones. Par conséquent, nous pourrions établir que ces Intelligences sont généralement plus raffinées, mais aussi plus compliquées et coûteuses à construire.

Bien que si vous êtes plus intéressé par ce sujet, restez à l'écoute du site Web et visitez notre prochain article sur le Deep Learning .

À quelle distance sommes-nous de Skynet ?

Nous avons cette section pour les esprits les plus rêveurs.

C'est un sujet très répété dans les livres, les films et autres. Pas pour rien, il existe exactement un genre ou un thème appelé Cyberpunk . Cependant, loin de ces dystopies futuristes contrôlées par l'Intelligence Artificielle , nos machines ont encore un long chemin à parcourir.

Robot intelligent de Rick et Morty

Les systèmes de Machine Learning d'aujourd'hui appartiennent au groupe des « IA faibles». Comme nous l'avons vu, ces Intelligences ne sont capables que de comprendre des schémas et de faire de simples déductions. Ils sont très utiles pour nous soutenir dans certains contextes, mais ce ne sont pas du tout des systèmes autonomes.

D'un autre côté, nous aurions les `` IA fortes '' , celles représentées dans des histoires futuristes où elles sont égales ou beaucoup plus intelligentes que les humains. Nous pouvons trouver des exemples notables dans la culture populaire comme «Matrix» , «Terminator» , «Ghost in the Shell» ou «Halo» . En fait, dans cette liste, il y a deux œuvres qui sont liées l'une à l'autre; Devinez lesquels?

Aujourd'hui, nous développons encore des voitures entièrement autonomes et sûres. Nous progressons continuellement, mais nous avons encore un moyen de développer un fait égal entièrement fait de technologie.

Si vous souhaitez en savoir plus, vous pouvez consulter notre article sur l'intelligence artificielle . C'est un texte d' un point de vue plus général et nous étudions un peu les ramifications possibles que cette technologie aura.

Derniers mots sur l' apprentissage automatique

À l'instar de notre conclusion sur l'intelligence artificielle, il est clair que l'avenir est incertain. Cependant, il est inévitable que l'évolution devra être revue pour mettre en œuvre la technologie parmi ses compétences et caractéristiques.

Petit à petit, Internet sera de plus en plus contrôlé par des programmes et des algorithmes. Les réseaux sociaux seront mieux calibrés et nous proposeront davantage de contenus selon nos goûts. Enfin, les relations en ligne seront beaucoup plus sécurisées en détectant plus facilement les risques de fraude ou similaires.

D'un autre côté, ne soyez pas surpris que ce siècle soit le moment où l' IoT (Internet des objets) brillera. C'est une idée dont nous rêvons depuis longtemps et qui se rapproche. En outre, l' IoT est un grand soumissionnaire de technologies de pointe liées au Machine Learning, bien qu'il manque encore quelques ajustements concernant la sécurité.

Pour notre part, nous pensons que ce sera une évolution progressive et tant que vous serez informé de ce qui se passe, vous n'avez rien à craindre. Les voitures neuves ou les réfrigérateurs peuvent vous sembler étranges, mais je ne pense certainement pas que nous verrons l'éveil des `` IA puissantes ''.

Nous vous recommandons de lire les meilleurs ordinateurs portables du marché

Enfin, nous devons avouer que nous ne sommes pas des experts en intelligence artificielle ou en apprentissage automatique , alors ne soyez pas surpris par des données étranges. Si nous avons fait une erreur, n'hésitez pas à nous le dire! Après tout, nous ne sommes pas encore des machines parfaites.

Et vous, que pensez-vous du Machine Learning et de l'Intelligence Artificielle ? Dans quel aspect pensez-vous qu'ils devraient être mis en œuvre? Partagez vos idées ci-dessous.

Clever Dataapdsaslagacetawhatsnew font