APPRENTISSAGE PROFOND ou DEEP LEARNING
Carte mentale
Élargissez votre recherche dans Universalis
Apprentissage profond, deep learning en anglais, ou encore « rétropropagation de gradient »… ces termes, quasi synonymes, désignent des techniques d’apprentissage machine (machine learning), une sous-branche de l’intelligence artificielle qui vise à construire automatiquement des connaissances à partir de grandes quantités d’information. Les succès qu’enregistrent ces techniques leur confèrent un rôle essentiel dans le monde contemporain, où elles apparaissent être à l’origine d’innombrables applications pratiques (reconnaissance des visages et de la parole, voiture autonome, etc.). Même si elles semblent constituer un renouveau, voire une révolution de l’intelligence artificielle, les principes sur lesquels elles reposent sont anciens. Très tôt, avant même l’avènement de l’intelligence artificielle – discipline ayant vu le jour officiellement en 1956 –, avec la cybernétique – courant de réflexion créé en 1946 à l’issue des premières tentatives de simulation du vivant et du cerveau aux moyens de flux d’information – et l’article séminal d’Alan Turing (1912-1954) sur l’intelligence des machines (1950), il apparut nécessaire de développer des techniques d’apprentissage machine afin que les ordinateurs soient capables de s’adapter aux évolutions du monde extérieur, de tirer parti de leurs propres expériences et de se reprogrammer automatiquement. Ces techniques se développèrent dès les années 1940 et 1950, puis se perfectionnèrent dans les années 1980, avant de connaître un nouvel essor à partir de 2010.
1
2
3
4
5
…
pour nos abonnés,
l’article se compose de 5 pages
La suite de cet article est accessible aux abonnés
- Des contenus variés, complets et fiables
- Accessible sur tous les écrans
- Pas de publicité
Déjà abonné ? Se connecter
Écrit par :
- Jean-Gabriel GANASCIA : professeur des Universités, université Pierre-et-Marie-Curie
Classification
Autres références
« APPRENTISSAGE PROFOND ou DEEP LEARNING » est également traité dans :
APPRENTISSAGE, psychologie
Dans le chapitre « Depuis les années 1990 » : […] Alors que, dans les années 1970-80, la psychologie cognitive a accordé plus d’attention à l’étude de la mémoire qu’à celle de l’apprentissage, l’évolution des connaissances à partir de la fin des années 1980 a conduit à une fusion des concepts et des théories de ces deux champs. En effet, les théories récentes qui cherchent à rendre compte des processus d’apprentissage s’appuient sur les conceptio […] Lire la suite
BIG DATA
Dans le chapitre « Les aspects algorithmiques et logiciels du big data » : […] Les logiciels de gestion de bases de données traditionnels s’appuient sur les mathématiques relatives à la théorie des ensembles pour appliquer des algorithmes de recherche exhaustifs et déterministes (pour un algorithme donné, les mêmes données initiales impliquent le même résultat en sortie) sur des données fortement structurées (en tables contenant des lignes d’informations pertinentes appelées […] Lire la suite
EXPÉRIENCE (notions de base)
Dans le chapitre « Vers un homme-machine ? » : […] « L’homme d’expérience » n’a pas pour autant disparu du paysage contemporain. Mais ne faut-il pas s’inquiéter du fait que les progrès spectaculaires de l’ intelligence artificielle conduisent certains de nos contemporains à « humaniser » nos machines en leur prêtant la capacité d’acquérir de l’expérience ? L’apparition récente du deep learning tend à rapprocher le fonctionnement mécanique du […] Lire la suite
INTELLIGENCE ARTIFICIELLE (IA)
Dans le chapitre « Renaissance de l’intelligence artificielle » : […] Depuis 2010, la puissance des machines permet d’exploiter de grandes masses de données (ce que l’on appelle couramment les b ig d ata ) avec des techniques d’apprentissage machine qui se fondent sur le recours à des réseaux de neurones formels, c’est-à-dire à des techniques relativement anciennes que l’on déploie aujourd’hui sur des architectures de dimensions beaucoup plus importantes qu’auparava […] Lire la suite
LE CUN YANN (1960- )
Informaticien français, Yann Le Cun est un spécialiste de l’apprentissage profond ( deep l earning en anglais), méthode d’apprentissage automatique ( machine l earning en anglais) de réseaux de neurones artificiels, permettant de les entraîner (à partir d’une base de données d’exemples, par essais-erreurs) à réaliser une tâche donnée. Ses travaux sur les réseaux de neurones artificiels, et not […] Lire la suite
Voir aussi
Pour citer l’article
Jean-Gabriel GANASCIA, « APPRENTISSAGE PROFOND ou DEEP LEARNING », Encyclopædia Universalis [en ligne], consulté le 05 février 2023. URL : https://www.universalis.fr/encyclopedie/apprentissage-profond-deep-learning/