Lorsqu'une application vous assure qu'elle est alimentée par «l'intelligence artificielle», il semble un instant que vous êtes dans le futur. Mais qu'est-ce que cela signifie réellement? Nous lançons de grands mots à la mode - intelligence artificielle, apprentissage automatique, réseaux de neurones - mais que signifient-ils vraiment et aident-ils vraiment à améliorer les applications?
Plus récemment, Google et Microsoft ont ajouté une formation sur les réseaux neuronaux à leurs applications de traduction. Google prétend utiliser l'apprentissage automatique pour proposer des listes de lecture. Todoist dit qu'il utilise l'IA pour deviner quand vous devez terminer une tâche. Any.do affirme que son intelligence artificielle peut effectuer certaines tâches à votre place. Et ce n'était que la semaine dernière. Certains gadgets marketing semblent impressionnants et restent des gadgets, mais parfois les changements sont indéniablement bénéfiques. «L'intelligence artificielle», «l'apprentissage automatique» et les «réseaux neuronaux» décrivent tous les moyens utilisés par les ordinateurs pour effectuer des tâches plus sérieuses et apprendre au cours du processus. Et si vous avez peut-être entendu dire que les développeurs d'applications adoptent les systèmes des autres, en pratique, ils sont très différents.
Les réseaux de neurones analysent des données complexes pour imiter le cerveau humain
Les réseaux de neurones artificiels (RNA ou simplement «réseaux de neurones») font référence à un type spécifique de modèle d'apprentissage qui émule le fonctionnement des synapses dans votre cerveau. L'informatique traditionnelle utilise une série d'opérateurs logiques pour accomplir une tâche. Les réseaux de neurones, quant à eux, utilisent un réseau de nœuds (qui agissent comme des neurones) et d'analogues de synapses (bords) pour traiter les données. L'entrée est transmise à travers le système et la sortie est générée.
Les résultats sont ensuite comparés aux données connues. Par exemple, supposons que vous souhaitiez entraîner un ordinateur à reconnaître l'image d'un chien. Vous diffusez des millions d'images de chiens sur le Web pour voir quelles images elle choisit de ressembler à des chiens. La personne confirme alors quelles images sont en réalité des chiens. Le système donne la préférence au chemin dans le réseau neuronal qui a conduit à la bonne réponse. Au fil du temps et après des millions d'itérations, ce réseau améliorera à terme la précision de ses résultats.
Pour voir comment cela fonctionne en action, vous pouvez essayer l'expérience Google Quick Draw!.. Dans ce cas, Google entraîne le Web à reconnaître les griffonnages, les croquis rapides. Elle compare le dessin que vous dessinez avec les exemples que d'autres personnes dessinent. Le réseau apprend à reconnaître les futurs doodles en fonction de ce qu'il a vu dans le passé. Même si vous dessinez comme un enfant de cinq ans (comme moi), le filet reconnaît très rapidement des formes simples - sous-marins, plantes, canards. Essayez-le, amusant.
Les réseaux de neurones ne sont pas une panacée, mais ils sont parfaits pour gérer des données complexes. Google et Microsoft utilisent des réseaux de neurones pour former leurs applications de traduction car la traduction des langues est difficile. Nous avons beaucoup vu de mauvaises traductions automatiques, mais les réseaux de neurones sont formés pour améliorer ces traductions sur la base de traductions correctes au fil du temps. La même chose se produit avec la traduction parole-texte. Depuis l'introduction du réseau neuronal alimenté par Google Voice, les erreurs de traduction ont chuté de 49%. Ces systèmes ne sont pas parfaits, mais ils fonctionnent sur eux-mêmes, et c'est l'essentiel.
Vidéo promotionelle:
L'apprentissage automatique apprend aux ordinateurs à s'améliorer dans la pratique
L'apprentissage automatique est un terme large qui couvre tous les moments où vous essayez d'apprendre à une machine à s'améliorer par elle-même. En particulier, cela s'applique à tout système dans lequel les performances de l'ordinateur lors de l'exécution d'une tâche ne sont améliorées que par une plus grande expérience de la tâche. Les réseaux de neurones sont un exemple d'apprentissage automatique, mais ils ne sont pas le seul moyen de former un ordinateur.
Par exemple, l'une des méthodes alternatives d'apprentissage automatique est appelée apprentissage par renforcement. Dans cette méthode, l'ordinateur exécute une tâche, puis évalue son résultat. Si, par exemple, l'ordinateur gagne aux échecs, il attribue la valeur gagnante à une série de coups qu'il utilise pendant la partie. Après avoir joué à des millions de jeux, le système peut déterminer quelles étapes sont les plus susceptibles de mener à la victoire en fonction des résultats des jeux précédents.
Alors que les réseaux de neurones sont bons pour des choses comme la reconnaissance de formes dans les images, d'autres types d'apprentissage automatique peuvent être plus utiles pour diverses tâches telles que l'identification de votre musique préférée. Google affirme que son application musicale trouvera la musique que vous souhaitez écouter. Il le fait en analysant vos listes de lecture précédentes. Si vous n'aimez pas le résultat, la machine le considérera comme un échec. Mais si vous choisissez l'une des listes suggérées, elle la marquera comme un succès et analysera les coups gagnants qui l'ont amenée à votre cœur.
Dans des cas comme celui-ci, vous ne bénéficierez pas pleinement de l'apprentissage automatique si vous n'utilisez pas cette fonctionnalité fréquemment. Lorsque vous ouvrez l'application Google Music pour la première fois, les recommandations seront probablement passées après le paiement. Mais plus vous l'utilisez, meilleures seront les suggestions. Du moins en théorie. L'apprentissage automatique n'est pas non plus une panacée. L'apprentissage automatique est plus vague que les réseaux de neurones, mais cela implique également que le logiciel que vous utilisez s'appuiera sur vos commentaires pour améliorer ses performances.
L'intelligence artificielle est tout avec le préfixe «intelligent»
Tout comme les réseaux de neurones sont une forme d'apprentissage automatique, l'apprentissage automatique est une forme d'intelligence artificielle. Mais la catégorie «intelligence artificielle» est encore si mal définie que cette expression n'a pas de sens pratique. Oui, cela évoque des images d'un futur technologiquement avancé, mais en réalité, nous ne nous en sommes toujours pas approchés. L'OCR était autrefois trop difficile pour une machine, mais maintenant une application sur votre téléphone peut numériser des documents et les transformer en texte. L'appeler un exploit d'intelligence artificielle est en quelque sorte inapproprié.
La raison pour laquelle les capacités de téléphonie de base peuvent être considérées comme de l'intelligence artificielle est qu'il existe en fait deux types d'IA. L'IA faible ou étroitement ciblée décrit tout système conçu pour effectuer une liste restreinte de tâches. Par exemple, Google Assistant ou Siri, étant une IA assez puissante, effectuent toujours une liste de tâches assez étroite. Ils reçoivent des commandes vocales et renvoient des réponses, ou ils lancent des applications. La recherche sur l'intelligence artificielle alimente ces caractéristiques, mais elles sont considérées comme «faibles».
En revanche, une IA puissante - également connue sous le nom d'intelligence artificielle générale ou «IA complète» - est un système capable d'exécuter n'importe quelle tâche humaine. Et ça n'existe pas. Par conséquent, toute application «intelligente» est encore une intelligence artificielle faible.
Bien que les implications puissent être vagues, la recherche pratique en intelligence artificielle est si enrichissante qu'elle est probablement déjà entrée dans votre vie quotidienne. Chaque fois que votre téléphone se souvient automatiquement de l'endroit où vous vous êtes garé, reconnaît les visages sur vos photos, reçoit des suggestions de recherche ou regroupe automatiquement toutes vos photos du week-end, vous touchez l'intelligence artificielle d'une manière ou d'une autre. Dans une certaine mesure, «l'intelligence artificielle» signifie simplement que les applications seront légèrement plus intelligentes que ce à quoi nous sommes habitués. Le label "AI" ne signifie plus rien de pratique d'un point de vue pratique maintenant.
ILYA KHEL
