Deep learning ou apprentissage profond : c'est quoi ?
Le deep learning ou apprentissage profond passe par le déploiement d'un réseau de neurones artificiel préalablement entraîné. Il s'agit d'une pratique d'IA issue de l'apprentissage automatique ou machine learning.
Le deep learning, qu'est-ce que c'est ?
Le deep learning est une méthode d'IA issue du concept de machine learning. Cette méthode d'apprentissage dit profond se base plus spécifiquement sur la notion de réseau de neurones artificiel.
De structure non linéaire, un réseau de neurones artificiel se présente sous la forme d'un réseau d'ensembles d'unités d'exécution d'information (représentant les neurones) superposées en couches et liés entre eux via des connecteurs (les synapses). Partant de-là, il traite l'information à travers des modèles de propagation d'activations de ces unités, s'actionnant au-delà d'un certain seuil.
Qui utilise le deep learning ?
Le deep learning s’emploie dans de nombreux contextes et cas d'usage, par exemple :
- La reconnaissance d'image,
- La reconnaissance vocale,
- Le traitement du langage,
- La robotique,
- La cybersécurité,
- La bio-informatique…
On peut également évoquer les technologies dédiées à la conduite assistée et à l’aide au diagnostic dans le secteur médical.
Comment marche le deep learning ?
Après avoir été préalablement entraîné sur une base d'exemples, un réseau de neurones artificiel pourra typiquement être utilisé dans la reconnaissance d'images, pour identifier un chat par exemple. Chaque couche du réseau sera dédié à l'identification d'une caractéristique de l'animal : la silhouette, la tête, les deux oreilles, les quatre pattes, le pelage, etc. Les réseaux de neurones artificiels sont également très utilisés dans le traitement automatique du langage ou natural language processing (NLP).
Quels sont les principaux algorithmes de deep learning ?
Il existe plusieurs catégorie de réseaux de neurones artificiels :
- Réseau de neurones artificiels simple,
- Réseau de neurones convolutif,
- Algorithme génératif (ou generative adversarial Network),
- Transformer,
- ...
Quelle est la place du deep learning dans l’intelligence artificielle ?
Le deep learning peut être considéré comme une nouvelle étape dans l’évolution de l’intelligence artificielle. A ses origines, cette dernière se contentait de répondre à des règles prédéterminées sur la base d’un modèle cognitiviste. L’intervention d’un programmeur demeurait alors indispensable pour perfectionner le système ou y intégrer d’autres fonctionnalités ou de nouvelles règles.
A l'instar du machine learning statistique, le deep learning rend l’IA autonome en lui permettant d'intégrer par elle-même de nouvelles règles. L’amélioration exponentielle de la puissance de calcul et le développement d’applications connexes permettent à l'apprentissage profond de générer des couches de neurones toujours plus complexes et denses.
Derniers articles sur le deep learning
Quelle est la différence entre machine learning et deep learning ?
Le deep learning est un mode de machine learning. Les deux approches s’appuient sur le principe de l’apprentissage machine. On distingue néanmoins des différences notables. Pour le machine learning, les valeurs et les variables sont généralement sélectionnées à l’avance. Contrairement au deep learning qui inclut aussi des systèmes de vision par ordinateur.
La modélisation des résultats est également sujette à variation. Il s’agit d’un modèle statistique pour le machine learning et une optimisation numérique pour le deep learning. Enfin, le matériel diffère dans les processus d’application. Il est préférable de s’appuyer sur l’architecture d’un processeur central (CPU) pour le machine learning. Le deep learning est plus adapté au processeur graphique (GPU).