Apprentissage automatique et intelligence artificielle : Quelle est la différence ?

L’intelligence artificielle (IA) et l’apprentissage automatique pouvaient sembler être des termes de science-fiction il y a dix ans, mais ils sont de plus en plus courants dans le langage d’aujourd’hui. En fait, de nombreux systèmes utilisent aujourd’hui l’apprentissage automatique et, bien que cela puisse sembler similaire, l’apprentissage automatique est différent de l’intelligence artificielle.

L’intelligence artificielle

Lorsque vous pensez à l’intelligence artificielle, vous pouvez naturellement penser à des robots de science-fiction comme Terminator, R2-D2 de Star Wars ou même Bender de Futurama, mais une telle intelligence artificielle sensible n’existe pas encore. L’idée de l’intelligence artificielle existe depuis les années 1950, et pas seulement dans la science-fiction, mais aussi dans l’esprit de véritables informaticiens. Jusqu’à récemment, elle n’était guère plus qu’une idée hors de portée

Cependant, les récentes percées en matière de puissance de traitement informatique ont transformé l’idée de l’intelligence artificielle en applications concrètes. Elle n’a rien à voir avec R2-D2, c’est pourquoi toutes les intelligences artificielles actuellement utilisées sont considérées comme des IA faibles ou des IA étroites. Il s’agit d’une intelligence artificielle non consciente et conçue pour une tâche spécifique. Le Siri d’Apple en est un bon exemple. Bien qu’elle puisse être excellente pour fixer un rendez-vous, ne vous attendez pas à ce qu’elle mène une véritable conversation avec vous.

L’apprentissage automatique

L’apprentissage automatique est une idée plus récente que l’intelligence artificielle. Il a vu le jour dans les années 1970, lorsque des programmeurs informatiques ont décidé qu’il serait beaucoup plus facile de programmer une machine qui apprend plutôt que de programmer une machine qui sait déjà tout. C’est ce qu’est l’apprentissage automatique : la capacité d’une machine à apprendre quelque chose par elle-même. On peut s’attendre à ce que toute intelligence artificielle réelle et sensible ait recours à l’apprentissage automatique. Aujourd’hui, la plupart des IA faibles utilisent l’apprentissage automatique pour mener à bien leurs tâches spécifiques. Siri utilise l’apprentissage automatique pour apprendre votre voix ainsi que d’autres aspects vous concernant au fur et à mesure que vous l’utilisez, et Pandora utilise l’apprentissage automatique pour choisir des chansons dans la même catégorie de musique que vous avez aimée.

Voir aussi :  Télécharger une photo Facebook: Comment faire ?

Quand l’apprentissage automatique est-il utile ?

L’apprentissage automatique peut être utile partout où il existe de grands ensembles de données dont on peut tirer des informations. La recherche d’images de Google en est un bon exemple. Google explore des sites Web sur l’internet et les indexe afin que les utilisateurs puissent les trouver dans le moteur de recherche de Google. Les données extraites de ces sites Web comprennent des images qui sont également saisies dans la base de données d’images de Google afin de pouvoir être recherchées.

Si un utilisateur souhaite voir toutes les images de chats que la base de données d’images de Google a accumulées, il lui suffit de rechercher « chat » pour voir apparaître des tonnes d’images de chats. Toutefois, mettez-vous à la place de Google. Il faudrait d’innombrables jours, voire des années, pour que quelqu’un passe en revue toutes les images de Google et identifie les images de chats qui doivent être affichées pour une requête « chat »

Google a résolu ce problème en utilisant l’apprentissage automatique. Après avoir vu la photo d’un chat, le logiciel trouve des images similaires et les étiquette en conséquence. Des humains vérifient ensuite et déterminent les images que le logiciel a correctement étiquetées et celles qu’il a mal étiquetées. Des itérations continues de ce processus affinent le logiciel jusqu’à ce qu’il parvienne à reconnaître avec précision les photos de chats. Il fait de même pour toutes les autres images, les panneaux, les bâtiments, les escaliers, bref, toutes les images qui peuvent être étiquetées, il les catégorise.

Bien sûr, il n’est pas parfait, ce que l’on peut constater de temps en temps. Il se peut qu’il ne soit pas capable de distinguer un panneau de stop d’un panneau de céder le passage. De même, il peut générer une variété d’images lorsqu’on lui demande des choses abstraites comme l’excitation, la tristesse ou l’amour.

Voir aussi :  Comment appliquer la Roue de Deming PDCA en entreprise ?

L’IA faible d’aujourd’hui, bien que très en avance sur ce qu’elle était il y a quelques années, n’a rien à voir avec ce que l’on voit dans la science-fiction. Mais grâce à l’apprentissage automatique, elle fait un pas de plus dans cette direction.

Laisser un commentaire