Le deelearning

Le Deep learning

Le deelearning (apprentissage profond en français) est un système d’apprentissage automatique ou machine learning qui s’appuie sur des réseaux de neurones artificiels.

C’est une technique ancienne qui avait besoin de larges bases de données et de puissance de calcul importante pour exploser. Elle est aujourd’hui, grâce à l’avancée de la technologie, la méthode phare de l’Intelligence Artificielle (IA), utilisée par les grandes entreprises telles que Google, IBM, Microsoft, Amazon, Adobe, Yandex, Baidu ou Facebook.

Principe du DeepLearning

La machine peut maintenant apprendre sans avoir besoin d’être programmée, grâce au système qui tente de reproduire le fonctionnement du cerveau pour appréhender le monde.

Il ne s’agit pas de modéliser le monde dans son entier. On procède plutôt comme pour le cerveau d’un enfant. On n’apprend pas à un enfant à connaître toutes les marques de voitures, toutes les formes et toutes les couleurs sous tous les angles. On lui montre des exemples qu’il essaye de reconnaître. Quand il réussit, on lui dit « OUI ».

Il en est de même pour le deeplearning qu’on peut comparer à un vol artificiel par rapport à celui d’un oiseau. On ne réplique pas un oiseau, mais on s’en inspire pour atteindre le même résultat : voler. Il est donc inutile de copier complètement la nature, sinon on aurait passé 200 ans à reproduire les plumes qui ne s’avèrent pas nécessaires pour voler. En IA on s’inspire de la nature sans forcément la copier.

Cette méthode va permettre d’automatiser des prises de décision. Par exemple, la machine pourrait être capable de décider à partir des images du choc qu’un accident est grave ou non.

Fonctionnement du cerveau
Deeplearning s’inspire du fonctionnement du cerveau

Fonctionnement de la technique

Le deeplearning s’inspire du fonctionnement du cerveau en suivant ces phases :

  1. On fait des corrélations (ex: association du feu et du danger) pour se représenter le monde et aller vers le plus utile, le plus probable
  2. Le cerveau émet des hypothèses et les teste. Ensuite si elles sont validées, il les intègre
  3. On identifie les éléments simples et récurrents, puis on les regroupe pour en faire des concepts. C’est la phase d’imitation
  4. On s’entraîne, on répète et ainsi on affine

Le projet européen Human Brain

Lancé sur dix ans en 2013 s’inspire également de ce processus. Il s’agit de réaliser une simulation du cerveau humain pour comprendre son fonctionnement, afin d’aider à mieux étudier certaines pathologies.

La technique de l’apprentissage profond fonctionne sur la base d’un réseau de neurones reconstitué à l’image du cerveau humain. Un réseau neuronal est un programme composé d’algorithmes reliés les uns aux autres. Chaque neurone réceptionne une information, l’analyse, prend une décision et reçoit une réponse qui lui dit si la décision est correcte ou pas. L’information est répartie sur l’ensemble du réseau.

La machine s’améliore par entraînement comme l’enfant qui tâtonne et apprend durant son évolution. Elle part des erreurs pour se perfectionner au fil du temps grâce aux milliers d’exemples dont elle est nourrie. Les machines de tri du courrier utilisent des réseaux de neurones formels pour reconnaître les chiffres des codes postaux sur les enveloppes sur le principe de la reconnaissance d’images. Google Map l’utilise de la même façon pour reconnaître les numéros des rues.

Elle est utilisée aussi bien par AlphaGo afin d’appréhender le positionnement des pierres sur le plateau en cours de partie que par Facebook qui est ainsi capable de reconnaître les utilisateurs et de les taguer sur les photos.

Mais le Deep Learning n’est pas seulement utilisée en reconnaissance d’images: traduction en temps réel, assistants virtuels comme Cortana ou Siri, ou détecteur de tumeurs dans l’imagerie médicale chez IBM en partagent aussi le principe.

Demain, le procédé permettra même d’automatiser des prises de décision: à partir d’images d’un accident observé, la machine décidera si celui-ci est grave ou non avant d’envoyer tel ou tel type de secours.

Le deep learning touche un grand nombre de domaine d’applications. L’équipe projet Linkmedia de l’INRIA développe en ce moment par exemple des algorithmes d’apprentissage automatique principalement basés sur des modèles statistiques et neuronaux pour extraire des structures, des connaissances, des entités ou des faits à partir de documents et collections multimédia. Ils travaillent sur la détection de canulars dans les réseaux sociaux, par une association du traitement de l’image et du traitement naturel du langage, la création d’hyperliens dans des collections de vidéos en exploitant simultanément le contenu parlé et visuel, et les analyses d’actualités interactives par des graphes de proximité.

La technologie du deep learning trouve chaque jour de nouvelles applications business : les sociétés US Synapsify ou Idibon vendent par exemple au marketeurs le parcours de réseaux sociaux par leurs robots pour identifier des insights consommateurs forts.