Différence entre IA, machine learning et deep learning -

Ces dernières années, parallèlement à l'explosion de la révolution industrielle 4.0, des termes tels que l'intelligence artificielle (IA), l'apprentissage automatique et l'apprentissage en profondeur se popularisent progressivement et deviennent des concepts que les citoyens de l'ère 4.0 doivent saisir.

La relation entre ces trois concepts peut s'expliquer en les considérant comme des cercles, où l'IA - l'idée la plus ancienne - est le plus grand cercle, suivie de l'apprentissage automatique - le concept qui vient après, et enfin de l'apprentissage en profondeur - qui est le moteur du courant. AI boom - est le plus petit cercle.

Construire un système d'IA est bien sûr extrêmement compliqué, mais le comprendre n'est pas si difficile. La plupart des intelligences artificielles actuelles ne sont que de très bonnes machines à deviner (semblables à nos cerveaux). Vous donnez au système un groupe de données (comme les chiffres de 1 à 10) et demandez au système de créer un modèle (x + 1, commençant à 0) et de faire des prédictions. (Le prochain numéro sera onze). Il n'y a pas de magie, c'est ce que le cerveau humain fait tous les jours : utiliser ce que nous savons pour faire des suppositions sur l'inconnu.

Ce qui différencie l'IA des autres programmes informatiques, c'est qu'au lieu d'avoir à créer des programmes spécifiques pour chaque cas, nous pouvons complètement enseigner l'IA (apprentissage automatique), et elle a également la capacité d'apprendre automatiquement en profondeur. Ces trois concepts peuvent être essentiellement définis comme suit :

Intelligence artificielle (IA) :  une machine qui peut imiter le comportement et la pensée humaine.

Apprentissage automatique :  une fonctionnalité d'IA qui permet aux experts d'entraîner l'IA à reconnaître les modèles de données et à faire des prédictions.

Apprentissage profond :  Une petite technique d'apprentissage automatique qui permet aux machines de s'entraîner.

Qu'est-ce que l'IA (Intelligence Artificielle) ?

L'IA peut être définie comme une branche de l'informatique qui traite de l'automatisation des comportements intelligents. L'IA fait partie de l'informatique et doit donc être basée sur des principes théoriques solides et applicables du domaine. Pour faire simple : c'est l'intelligence des machines créées par l'homme. Cette intelligence peut penser, penser, apprendre, ... comme l'intelligence humaine. Traiter les données à un niveau plus large, à plus grande échelle, systématique, scientifique et plus rapide que les humains.

Cependant, à l'heure actuelle, la technologie de l'IA est encore très limitée. Par exemple, Alexa - une grande femme de ménage, l'une des icônes les plus populaires des applications d'intelligence artificielle, mais ne peut toujours pas passer le test de Turing.

En bref, ce que nous faisons avec l'IA aujourd'hui est dans le concept de "Narrow AI". Cette technologie est capable d'effectuer des tâches spécifiques d'une manière similaire ou meilleure que les humains. Des exemples d'"IA étroite" dans la pratique incluent la technologie de classification d'images de Pinterest ou la reconnaissance faciale pour taguer des amis sur Facebook.

Ces technologies représentent certains aspects de l'intelligence humaine, mais comment cela peut-il être ? D'où vient cette sagesse ? Passons au cercle suivant : l'apprentissage automatique.

Qu'est-ce que l'apprentissage automatique ?

Apprentissage automatique - une approche de l'IA

L'apprentissage automatique est un terme général qui fait référence à l'acte d'apprendre à un ordinateur à améliorer une tâche qu'il exécute. Plus précisément, l'apprentissage automatique fait référence à tout système dans lequel les performances d'un ordinateur lors de l'exécution d'une tâche s'améliorent après avoir effectué cette tâche plusieurs fois. En d'autres termes, la capacité la plus élémentaire de l'apprentissage automatique consiste à utiliser un algorithme pour analyser les informations disponibles, en tirer des leçons, puis prendre une décision ou une prédiction sur quelque chose de lié. Au lieu de créer un logiciel avec des instructions et des actions détaillées pour effectuer une tâche spécifique, les ordinateurs sont "formés" à l'aide de grandes quantités de données et d'algorithmes pour apprendre à effectuer la tâche. .

Sans l'apprentissage automatique, l'IA actuelle serait assez limitée car elle donne aux ordinateurs le pouvoir de comprendre les choses sans être explicitement programmés. À titre d'exemple d'un type d'apprentissage automatique, supposons que vous souhaitiez qu'un programme soit capable d'identifier les chats sur des images :

• Tout d'abord, vous donnez à l'IA un ensemble de caractéristiques de chat que la machine doit reconnaître, telles que la couleur du pelage, la forme du corps, la taille, etc.
• Ensuite, vous envoyez certaines images à l'IA, où certaines ou toutes les images peuvent être étiquetées "chat" afin que la machine puisse sélectionner plus efficacement les caractéristiques et les détails liés au chat. .
• Une fois que la machine a reçu toutes les données de chat nécessaires, elle doit savoir comment trouver un chat dans une image - "Si l'image contient certains détails X, Y ou Z, il y a 95% de chances de trouver un chat dans une image . C'est peut-être un chat."

En général, l'application de l'apprentissage automatique est aujourd'hui extrêmement populaire et son utilité est incontestée.

Qu'est-ce que l'apprentissage en profondeur ?

Apprentissage en profondeur - une technique d'apprentissage automatique

On peut dire que jusqu'à présent, l'IA a fait beaucoup de progrès. Considérez-le comme une sorte d'apprentissage automatique avec des «réseaux de neurones» profonds qui peuvent traiter les données de la même manière qu'un cerveau humain. La principale différence ici est que les humains n'auront pas à enseigner à un programme d'apprentissage en profondeur à quoi ressemble un chat, mais lui donneront simplement toutes les images de chats nécessaires, et il le découvrira par lui-même. Les étapes à faire sont les suivantes :

• Donnez à la machine beaucoup de photos de chats.
• L'algorithme vérifiera l'image pour voir les caractéristiques communes et les détails entre les images.
• Chaque image sera décodée en détail à plusieurs niveaux, des grandes formes générales aux tuiles de plus en plus petites. Si une forme ou des lignes sont répétées plusieurs fois, l'algorithme la marquera comme une propriété importante.
• Après avoir analysé suffisamment d'images nécessaires, l'algorithme sait maintenant quels modèles fournissent les preuves les plus solides de chats, et tout ce que les humains ont à faire est de fournir les données brutes.

En bref : L'apprentissage en profondeur est un type d'apprentissage automatique dans lequel la machine s'entraîne. L'apprentissage en profondeur nécessite beaucoup plus de données et de puissance de calcul que l'apprentissage automatique, mais il a déjà commencé à être mis en œuvre par de grandes entreprises technologiques comme Facebook et Amazon. Parmi eux, l'un des noms les plus célèbres de l'apprentissage automatique est AlphaGo, un ordinateur qui peut jouer au Go contre lui-même jusqu'à ce qu'il puisse prédire les mouvements les plus précis suffisamment pour battre de nombreux champions du monde.

Conclure

L'apprentissage en profondeur a permis l'application de nombreux problèmes de machines réelles tout en élargissant le domaine global de l'intelligence artificielle. L'apprentissage en profondeur perturbe la façon dont les humains travaillent en rendant toutes sortes de machines d'assistance fonctionnelles, proches ou identiques aux humains. Voitures sans conducteur, meilleurs soins de santé… Tout est réalisé de nos jours. L'IA est le présent et l'avenir du monde. Avec l'aide de l'apprentissage en profondeur, l'IA peut réaliser le rêve de science-fiction que nous avons imaginé depuis longtemps.