Lorsque vous pensez aux tâches "incroyables" qu'un ordinateur peut gérer, la première chose qui vous vient à l'esprit est les calculs les plus complexes en peu de temps ou l'analyse d'énormes quantités de données - quelque chose que vous ne pourrez jamais résoudre vous-même. Ou, je me souviens de la récente défaite de Lee Sedol en go, un jeu de stratégie classique. Les dernières victoires de l'IA ont été rendues possibles en grande partie par l'apprentissage en profondeur, qui ouvre désormais toutes les possibilités pour l'IA et les personnes qui la sous-tendent.
Mais des tâches simples et quotidiennes que même un enfant sain d'esprit peut faire semblent compromettre la fonctionnalité des systèmes d'IA: des choses comme identifier la nourriture dans votre assiette ou identifier les émotions sur le visage d'une autre personne. Ces tâches faciles pour les humains étaient impossibles pour les machines. Jusqu'à ce point.
Les techniques d'apprentissage en profondeur ont apporté du bon sens aux machines. Dans le passé, les programmeurs écrivaient des algorithmes complexes qui décrivaient tout dans les moindres détails. Un tel algorithme explicite et déterministe convient lorsque vous êtes confronté à la tâche de calculs volumineux et peu pratiques. Le deep learning libère l'IA de ce type de limitation, permet au système d'apprendre de ses erreurs, de se souvenir de tout ce qu'il a appris, d'interagir avec les utilisateurs pour plus d'informations.
La révolution de l'apprentissage profond se produit en grande partie parce que le big data devient disponible pour l'apprentissage. Un enfant en bas âge humain peut apprendre ce dont il a besoin après quelques essais, mais la machine prendra beaucoup plus de temps. L'apprentissage en profondeur repose sur l'accès à de vastes quantités de données, car les machines d'IA doivent baser leurs choix sur des probabilités et une signification statistique. Un remplacement mécanique de l'intuition n'a pas encore été inventé.
Possibilités profondes
Les progrès de l'apprentissage profond ont déjà considérablement amélioré les capacités de recherche vocale: Google a remplacé le système vocal Android par un nouveau système basé sur l'apprentissage profond, et les erreurs ont chuté à 25% du jour au lendemain. Les caméras utilisant des réseaux de neurones profonds peuvent désormais lire à haute voix et comprendre la langue des signes. Facebook se vante que ses capacités d'apprentissage en profondeur ont rendu la plate-forme accessible aux utilisateurs aveugles en apprenant à décrire des photos.
Dans les années à venir, les grandes entreprises technologiques et de nombreuses startups commenceront à utiliser le deep learning pour créer de nouveaux produits et services, ainsi que pour moderniser les applications existantes. De nouveaux marchés et entreprises verront le jour et stimuleront l'innovation, les services et les produits. Les systèmes d'apprentissage en profondeur s'amélioreront et deviendront plus accessibles et plus faciles à utiliser. Plus il est facile de les utiliser, plus notre interaction avec la technologie changera.
Vidéo promotionelle:
Aditya Singh, partenaire de Foundation Capital, estime que le développement du système d'exploitation d'apprentissage en profondeur démocratisera l'apprentissage en profondeur et favorisera l'adoption généralisée de l'IA pratique. Le résultat sera que les gens pourront résoudre leurs problèmes urgents, ou quelque chose de plus important, en utilisant l'apprentissage en profondeur. En ce sens, l'IA peut devenir un mécanisme d'égalisation, permettant aux personnes de toute classe et de tout état de changer le monde.
ILYA KHEL
