Dans un entretien au Monde, le scientifique Yann LeCun revient sur l’essor du “deep learning”, cette science de “l’apprentissage profond” qu’il a contribuée à inventer et qui est devenue en deux ans un outil de référence mondial utilisé par toutes les grandes entreprises, de Facebook à Google en passant par IBM Microsoft et Amazon. Yann LeCun […]
Dans un entretien au Monde, le scientifique Yann LeCun revient sur l’essor du « deep learning », cette science de « l’apprentissage profond » qu’il a contribuée à inventer et qui est devenue en deux ans un outil de référence mondial utilisé par toutes les grandes entreprises, de Facebook à Google en passant par IBM Microsoft et Amazon. Yann LeCun a même été placé à la tête du laboratoire d’intelligence artificielle de Facebook, installé à Paris.
{"type":"Pave-Haut2-Desktop"}
La technique : des couches de neurones artificielles superposées pour pouvoir reconnaître un objet à partir d’une donnée simple qui la compose, comme un ligne ou une forme. Cette technologie permet à la machine de reconnaître des formes, des visages et des voix. A la base du deep learning: l’apprentissage supervisé. Par exemple, pour qu’un programme apprenne à reconnaitre un chat, on va lui fournir des dizaines de milliers d’images labellisées « chat » durant des jours.
Interrogé par Le Monde, Yann Olivier, chercheur en Intelligence artificielle au CNRS, explique que le deep learning, à la différence de l’apprentissage supervisé, fonctionne par couches:
« Comment reconnaître une image de chat ? Les points saillants sont les yeux et les oreilles. Comment reconnaître une oreille de chat ? L’angle est à peu près de 45°. Pour reconnaître la présence d’une ligne, la première couche de neurones va comparer la différence des pixels au-dessus et en dessous : cela donnera une caractéristique de niveau 1. La deuxième couche va travailler sur ces caractéristiques et les combiner entre elles. S’il y a deux lignes qui se rencontrent à 45°, elle va commencer à reconnaître le triangle de l’oreille de chat. Et ainsi de suite. »
L’intelligence artificielle du deep learning pourrait être utilisée prochainement dans les domaines de l’aviation, de l’automobile et même de la médecine. Le chercheur Yann Ollivier souligne qu’il existe des réseaux de neurones qui « se trompent moins qu’un médecin pour certains diagnostics ». Le deep learing pourrait aussi influencer l’évolution des neurosciences grâce à des similitudes entre le fonctionnement des couches de réseaux artificiels et le réseaux de neurones des humains. Le but étant à terme, de créer une intelligence autonome, dont le champ d’action ne serait plus dicté par l’être humain.
{"type":"Banniere-Basse"}
