Plan du site  
pixel
pixel

Articles - Étudiants SUPINFO

Le Deep Learning et les réseaux neuronaux

Par Anthony DOMINGUEZ Publié le 22/09/2017 à 15:06:17 Noter cet article:
(0 votes)
Avis favorable du comité de lecture

Introduction

Nous l'utilisons chaque jour, souvent on décrit une application bien faites, ou encore un algorithme bien pensé alors que derrière tout cela se cache ce qui répond aujourd'hui par le doux nom d'intelligence artificielle. Les versions les plus évoluées savent même déjà parler, bouger, analyser des émotions et reconnaître des objets. Que va-t-elle ammener sur son chemin ?

Avant de rentrer dans le vif du sujet, je vais vous poser une première question.

Qu'est-ce que l'intelligence ?

Un élève « intelligent » à l'école, c'est celui qui a de bonnes notes. C'est celui qui a bien appris sa leçon et qui est capable de répondre à des questions comme "la date de la bataille de Waterloo ?"

L'élève ayant appris sa leçon répondrait 1815, c'est bien mais si on creuse en lui demandant quelle armée était opposée à quelle armée ? Il n'aurait pas la réponse car il aura appris les dates historiques par cœur sans chercher à savoir ce qu'il y a derrière chaque date.

Ce cas présent est le défaut de l'intelligence comme on la mobilise trop souvent à l'école. Apprendre sans pour autant comprendre ce qui est appris. Finalement, on confond connaissance et intelligence alors que la connaissance est une toute petite partie de l'intelligence.

Lorsque l'intelligence artificielle fit son apparition, les ingénieurs qui cherchaient à créer des « machines qui pensent » procédaient comme le cas de l'école vu précédemment : On essaye de leur faire apprendre tout ce qu'on peut. On appelle cette méthode le Machine Learning.

Deep Blue

C'est ainsi que Deep Blue, un superordinateur spécialisé dans le jeu d'échec conçut par IBM, fût le premier ordinateur à battre un champion du monde d'échecs en 1997 face à Gary Kasparov.

Pour arriver à un tel résultat, Deep Blue avait reçut une « formation » par les plus grands maîtres des échecs, qui lui avaient appris une « bibliothèque » de leurs meilleurs coups. Puis, grâce à son super calculateur, la machine devait simplement trouver le meilleur coups à un moment donné !

Deep Blue aura tout de même perdu son premier match en 1996 contre Gary avant de remporter les deux suivants en 1997 toujours face à Gary. Deep Blue doit son nom en partit à l'entreprise IBM, surnommé Big Blue, ils ont alors nommé leur machine Deep Blue en référence à Deep Throught pour 'pensé profonde' car n'oublions pas que le but de l'intelligence artificielle à ses début était de faire penser les machines.

Le Deep Learning

Cependant, depuis le début des années 2010 l’intelligence artificielle a fait un bond en avant. Elle a complètement révolutionné son mode d’apprentissage grâce aux ingénieurs travaillant sur l’intelligence artificielle, ces derniers ont permis de passer de l’air du Machine Learning à l’ère du Deep Learning, pour résumé de manière très grossière le Machine Learning correspond à un apprentissage passif tandis que le Deep Learning correspond à un apprentissage dynamique.

Le Deep Learning n’a été possible que très récemment car elle nécessite d’énormes quantités de données pour pouvoir fonctionner. Depuis les années 2010, le développement d’Internet à permis aux systèmes d’informations d’obtenir des quantités inédites d’informations et cela la plupart du temps gratuitement, par exemple chaque jour sur les réseaux sociaux nous mettons en ligne des quantités astronomique d’informations qui enrichissent les bases de données accessible par les systèmes d’information.

Afin d’utiliser au mieux cette quantité importante d’informations, les ingénieurs de l’intelligence artificielle essaient désormais de la programmer pour lui apprendre à apprendre. Pour résumer, le Machine Learning est une définition à priori, on va apprendre à la machine qu’un chat se compose de pattes, oreilles, yeux, moustache, queue sans pour autant lui apprendre à reconnaître l’animal en entier. Le Deep Learning fait une définition à posteriori, il va déterminer ce qui lui a été présenté après l’avoir analysé tandis que le Machine Learning va définir le maximum de chose avant de rencontrer le problème, cela restreint donc la capacité de l’intelligence artificielle.

C’est en partant de cette nouvelle approche que cela a débouché, en 2011, à un premier grand succès : Pour la première fois, l’intelligence artificielle développée par IBM et nommée « Watson » a remporté un jeu de culture générale, le Jeopardy, un jeu très connu aux États-Unis dans lequel les participants doivent deviner quelle est la question à partir de sa réponse, par exemple : « La réponse est vampire ».

Pour gagner, l’intelligence artificielle de IBM avait à sa disposition 4 terra-octet de données, dont presque la totalité de la plateforme Wikipédia. La principale différence entre cette expérience et les autres vient du fait que Watson ne connaissait pas les réponses aux questions du présentateur à l’avance. De ce fait il était capable de trouver par lui même la question aboutissant à la réponse donnée par le présentateur. Pour imager, on peut imaginer un moteur de recherche s’interroger lui même et se demander comment il s’appelle.

De plus Watson était capable de donner les réponses dans un langage naturel ce qui lui a permis de participer pleinement à l’émission.

Plus récemment, c’est AlphaGo qui a prouvé encore une fois que l’intelligence artificielle avait progressé de manière considérable ces dernières années. Cette intelligence artificielle développé par Google en 2016 a vaincu pour la première fois le plus grand champion du monde de Go humain.

Pour vous aider à mieux comprendre l’exploit de AlphaGo, dites vous bien que le jeu de Go est un jeu avec énormément de possibilités. Pour vous aider encore un peu plus, voilà ce que je peux vous indiquer, quand on estime que le nombre d’atome dans l’univers est égal à 10⁸⁰, le nombre de coups possible au jeu de Go est lui de 10⁶⁰⁰ !

Pour arriver à cet exploit, AlphaGO a d’abord appris 30 millions de coups possible imaginés par des humains. Puis pour s’améliorer il a commencé à jouer contre lui même afin de stocker l’expérience résultant de plusieurs millions et millions de parties, bien plus que n’importe quel humain ne pourrait en jouer …

Nous pouvons également parler de Libratus, il s’agit d’une intelligence artificielle qui a appris à bluffer au poker, cela lui a permis de battre les meilleurs joueurs de poker au monde. Pour en arriver là, après chaque partie, Libratus avait appris à détecter ses propres pattern de jeux et les éliminer afin de rester toujours imprévisible dans ses stratégies.

Le principal atout du Deep Learning est qu’elle adopte la même logique que l’apprentissage humain, cela passe par une succession d’expériences et d’échecs. On peut la comparer à un enfant qui essaie d’apprendre à marcher.

Les réseaux neuronaux artificiels

Tous ces exploits ont été possible grâce à l'arrivé de nouveaux algorithmes de plus en plus sophistiqué, s'approchant du réseau de neurone biologique d'un humain, ils représentent des réseaux de neurones artificiels et sont implémenté dans de plus en plus de solution d'intelligence artificielle.

Les réseaux neuronaux artificiels sont des algorithmes prenant plusieurs valeurs en entrée, ces valeurs sont traités par plusieurs fonctions et en sortit retourne une valeur. Ces fonctions passent d'abord par une phase d'apprentissage dans le but de calibrer les résultats en sortie. On donne à un réseau des valeurs d'entrée, on connaît le résultat de sortie et on vérifie que le réseau retourne le résultat attendu, tant que ce n'est pas le cas on continu de faire des tests jusqu'à ce que le réseau soit correctement configuré et qu'il soit en mesure de répondre systématiquement le résultat attendu. Ensuite il agit comme une boîte noire, on lui donnera des valeurs d'entrée dont on ne connaît pas encore le résultat et il nous donnera une valeur en sortie sans qu'on ne sache ce qu'il a fait. Ainsi un réseau ne donne pas forcément de règle exploitable par un humain.

L'apprentissage par l'expérience permet ensuite d'utiliser les réseaux neuronaux pour de la reconnaissance d'image, de la prédiction boursière, la résolution de problèmes mathématiques, etc.

Sur YouTube il y a d'excellentes vidéos présentant, sur une simulation, des véhicules apprenant à conduire sur un circuit entouré de mur, chaque fois que le véhicule échoue sur un mur, la simulation recommence et l'erreur commise est assimilée petit à petit par le réseau de neurone qui reçoit en général trois entrées et qui utilise ces entrées (des capteurs de distance entre les murs) pour savoir si il doit accélérer, freiner, tourner à gauche ou tourner à droite. Lorsque le véhicule arrive enfin à terminer le circuit, le réseau de neurone est complet et peut être utilisé en général sur d'autre ciruit, la phase d'apprentissage étant terminé, le véhicule roule tout seul et sait désormais quelle action mener pour chaque situation. En moyenne il faut une quarantaine d'essais avant que le réseau de neurone soit au point.

Conclusion

Dans cet article, j’espère avoir pu mettre en avant la prochaine étape que l’intelligence artificielle est en train de franchir dans le but d’optimiser toujours plus ces capacités et de venir en aide à l’humain en allégeant sa charge de travail pour qu’il puisse se concentrer sur les tâches importantes qui requièrent des capacités que n’ont pas encore les algorithmes.

L’intelligence artificielle possède certainement les armes dont nous aurons besoin pour naviguer dans le monde hyper complexe à venir. En effet, notre monde est de plus en plus « informé ». De plus en plus de données sont mise à notre disposition, celle-ci sont des atouts précieux mais ralentissent les processus de prise de décision en exigeant un énorme travail d’analyse des données.

Pour pouvoir gérer au mieux des connaissances en perpétuelles augmentation nous devons déléguer des tâches. Cela permet à l'Homme de se focaliser sur les tâches où il pourra mettre à profit toute sa créativité comme la recherche et développement, l’éthique, les décisions, etc.

Peut être est-ce la prochaine étape de l’intelligence artificielle ? Un jour sera-t-elle capable de donner son avis et pourquoi pas prendre des décisions importante en fonction des données qu’elle pourra analyser ?

Sources

Abavala !!!, Qu’est ce que l’intelligence artificielle?

https://www.abavala.com/qu-est-ce-que-l-intelligence-artificielle/

A propos de SUPINFO | Contacts & adresses | Enseigner à SUPINFO | Presse | Conditions d'utilisation & Copyright | Respect de la vie privée | Investir
Logo de la société Cisco, partenaire pédagogique de SUPINFO, la Grande École de l'informatique, du numérique et du management Logo de la société IBM, partenaire pédagogique de SUPINFO, la Grande École de l'informatique, du numérique et du management Logo de la société Sun-Oracle, partenaire pédagogique de SUPINFO, la Grande École de l'informatique, du numérique et du management Logo de la société Apple, partenaire pédagogique de SUPINFO, la Grande École de l'informatique, du numérique et du management Logo de la société Sybase, partenaire pédagogique de SUPINFO, la Grande École de l'informatique, du numérique et du management Logo de la société Novell, partenaire pédagogique de SUPINFO, la Grande École de l'informatique, du numérique et du management Logo de la société Intel, partenaire pédagogique de SUPINFO, la Grande École de l'informatique, du numérique et du management Logo de la société Accenture, partenaire pédagogique de SUPINFO, la Grande École de l'informatique, du numérique et du management Logo de la société SAP, partenaire pédagogique de SUPINFO, la Grande École de l'informatique, du numérique et du management Logo de la société Prometric, partenaire pédagogique de SUPINFO, la Grande École de l'informatique, du numérique et du management Logo de la société Toeic, partenaire pédagogique de SUPINFO, la Grande École de l'informatique, du numérique et du management Logo du IT Academy Program par Microsoft, partenaire pédagogique de SUPINFO, la Grande École de l'informatique, du numérique et du management

SUPINFO International University
Ecole d'Informatique - IT School
École Supérieure d'Informatique de Paris, leader en France
La Grande Ecole de l'informatique, du numérique et du management
Fondée en 1965, reconnue par l'État. Titre Bac+5 certifié au niveau I.
SUPINFO International University is globally operated by EDUCINVEST Belgium - Avenue Louise, 534 - 1050 Brussels