Paul Downey | Flickr
L'apprentissage automatique est une expression de plus en plus utilisée, mais beaucoup ne savent toujours pas exactement ce que c'est. Bien sûr, il y a une raison à cela. Il en est encore à ses débuts et beaucoup supposent que cela ne touche pas encore la population en général. En fait, ce n'est peut-être pas aussi vrai que certains le supposent.
Alors, quel est l'apprentissage automatique? Et à quoi sert-il aujourd'hui? Voici notre guide sur tout ce que vous devez savoir sur l'apprentissage automatique.
Qu'est-ce que l'apprentissage automatique?
En termes simples, l’apprentissage automatique est une forme d’intelligence artificielle qui permet aux ordinateurs d’apprendre sans programmation supplémentaire. En d'autres termes, le logiciel est capable d'apprendre par lui-même de nouvelles choses, sans qu'un programmeur ou un ingénieur ait besoin de "l'enseigner". L'apprentissage automatique est capable de prendre des données, de détecter des modèles et de trouver des solutions, puis de les appliquer à d'autres problèmes.
Image: K? Rlis Dambr? Ns | Flickr
Il est important de noter que l'apprentissage machine en tant que concept n'est pas nouveau, il est difficile de retracer l'origine exacte du concept, car il s'agit d'un concept qui se confond avec d'autres technologies. On pourrait soutenir que l'apprentissage automatique date de la création du test de Turing, qui a été utilisé pour déterminer si un ordinateur disposait d'une intelligence. Cependant, le premier programme d’apprentissage à avoir été un jeu de dames développé par Arthur Samuel en 1952. Ce jeu s'est amélioré plus il a joué.
La technologie récente, cependant, améliore considérablement l’apprentissage automatique. Par exemple, l’apprentissage automatique nécessite une puissance de traitement considérable, à tel point que nous venons tout juste de commencer à développer l’apprentissage automatique de base de l’histoire récente.
Les programmeurs utilisent principalement l'apprentissage automatique de plusieurs manières. Le premier s'appelle «apprentissage supervisé». Ce que cela signifie fondamentalement, c'est qu'une machine est alimentée par des problèmes pour lesquels la solution au problème est connue. L'algorithme d'apprentissage est capable de recevoir ces problèmes avec les résultats souhaités, d'identifier les tendances dans les problèmes et d'agir en conséquence. L'apprentissage supervisé est souvent utilisé pour prédire des événements futurs, par exemple lorsqu'une transaction par carte de crédit peut être frauduleuse.
La deuxième mise en œuvre de l'apprentissage automatique s'appelle «apprentissage non supervisé». Dans ce cas, le résultat d'un problème n'est pas communiqué au logiciel; il est alimenté par des problèmes et doit détecter des modèles dans les données. Le but ici est de trouver une structure dans les données fournies.
La troisième place est «l'apprentissage semi-supervisé». Cette méthode d'apprentissage automatique est souvent utilisée pour les mêmes choses que l'apprentissage supervisé, mais elle prend des données avec une solution et des données sans. L'apprentissage semi-supervisé est souvent mis en œuvre lorsque les fonds sont limités et que les entreprises ne sont pas en mesure de fournir des ensembles complets de données pour le processus d'apprentissage.
Le dernier mais non le moindre est «l'apprentissage par renforcement», qui est utilisé spécifiquement pour des choses comme les jeux et les robots. L'apprentissage par renforcement est essentiellement enseigné par essais et erreurs - la machine tente des choses et apprend en fonction de ses succès ou de ses échecs. L'objectif ici est que la machine calcule les meilleurs résultats possibles.
Bien sûr, toutes ces méthodes d’apprentissage automatique impliquent d’alimenter une machine avec des centaines de milliers de problèmes et d’énormes quantités de données. Vraiment, plus il y a de données, mieux c'est.
Où l'apprentissage par machine est-il utilisé aujourd'hui?
Images d'argent | Flickr
En fait, il existe de nombreux endroits dans lesquels l'apprentissage automatique est utilisé aujourd'hui. Beaucoup d’entre eux sont dans les coulisses, mais vous serez peut-être surpris de savoir que beaucoup d’entre eux sont également utilisés chaque jour.
Peut-être que vous utilisez le plus souvent dans votre assistant personnel. En effet, Siri et Google Now utilisent l’apprentissage automatique, principalement pour mieux comprendre les schémas de parole. Avec autant de millions de personnes utilisant Siri, le système est en mesure d’améliorer considérablement la façon dont il traite les langues, les accents, etc.
Bien sûr, Siri n'est pas la seule application grand public de l'apprentissage automatique. Une autre utilisation est la banque, telle que la détection de fraude. Par exemple, les algorithmes d’apprentissage automatique peuvent suivre les habitudes de dépense, en déterminant quels types sont le plus susceptibles d’être frauduleux sur la base d’une activité frauduleuse passée.
En fait, même votre courrier électronique pourrait utiliser l'apprentissage automatique. Par exemple, les spams sont un problème et ils ont évolué au fil du temps. Les systèmes de messagerie utilisent l'apprentissage automatique pour suivre les modèles de courrier indésirable et leur évolution, puis les placer dans votre dossier de spam en fonction de ces modifications.
Conclusions
L'apprentissage automatique est appelé à jouer un rôle important dans la manière dont nous utilisons la technologie et dans quelle mesure la technologie peut nous aider. De Siri à US Bank, l’apprentissage automatique se généralise de plus en plus, et il est probable que cela continuera.
