APPRENTISSAGE PROFOND ou DEEP LEARNING
Applications de l’apprentissage profond
Ainsi, en entraînant par apprentissage profond des algorithmes de reconnaissance faciale sur 200 millions d’images de visages, le système FaceNet de la société Google obtient un taux d’identification correcte de 99,63 p. 100. Le nombre d’applications potentielles de l’apprentissage profond est immense. C’est la raison pour laquelle cette méthode d’apprentissage s’est imposée ces dernières années. Ces techniques permettent d’améliorer la reconnaissance d’images en général et de créer des applications pour la biométrie (reconnaissance d’empreintes digitales ou d’iris), la médecine (avec, par exemple, le diagnostic de mélanomes à partir d’images de grains de beauté et l’analyse de radiographies), la voiture autonome (reconnaissance d’obstacles, de véhicules, de panneau de signalisation, etc.), par exemple. Elles permettent aussi d’améliorer la reconnaissance de la parole, avec des systèmes comme Siri, ou le profilage des individus, pour la recommandation et la publicité ciblée, ou encore les logiciels de jeux, comme on l’a vu en mars 2016 lorsque le programme informatique AlphaGo l’a emporté sur Lee Sedol, l’un des meilleurs joueurs mondiaux de go, en ayant fait appel à de l’apprentissage profond et à de l’apprentissage par renforcement. Enfin, et surtout, les techniques d’apprentissage supervisé aident à anticiper le futur sur la base du passé, ce qui permet d’évaluer, avec une précision inconnue auparavant, les risques potentiels d’investissements, d’accidents, de maladies, etc. Or, la prédiction aide à prendre des décisions en calculant les conséquences les plus probables de chaque action. De ce fait, les systèmes prédictifs recourant à de l’apprentissage profond jouent un rôle de plus en plus important dans le monde contemporain où on les utilise pour trancher dans les situations délicates à la place des hommes. C’est ce qui conduit certains à parler aujourd’hui de « gouvernementalité algorithmique » pour évoquer, et bien souvent déplorer, une politique qui éluderait toute responsabilité en confiant à des machines, entraînées par apprentissage profond sur d’immenses masses de données, le soin de décider.
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, faculté des sciences, Sorbonne université, Paris
Classification
Pour citer cet article
Jean-Gabriel GANASCIA. APPRENTISSAGE PROFOND ou DEEP LEARNING [en ligne]. In Encyclopædia Universalis. Disponible sur : (consulté le )
Média
Réseau de neurones formels
Encyclopædia Universalis France
Autres références
-
APPRENTISSAGE, psychologie
- Écrit par Daniel GAONAC'H, Jean-François LE NY
- 5 939 mots
- 2 médias
Ces recherches s’articulent maintenant avec celles qui, en intelligence artificielle, s’appuient sur l’exploitation d’un très grand nombre de données empiriques (big data) : plutôt que d’« instruire » la machine par des règles définies a priori, on cherche à ce que celle-ci se fonde, pour... -
BIG DATA
- Écrit par François PÊCHEUX
- 6 148 mots
- 3 médias
...les progrès réalisés dans le domaine de l’apprentissage automatique (machine learning), encore appelé apprentissage statistique, et de son extension, l’apprentissage profond (deeplearning), qui excelle dans la reconnaissance vocale, la reconnaissance d’images, ou encore le traitement automatique du... -
EXPÉRIENCE (notions de base)
- Écrit par Philippe GRANAROLO
- 2 783 mots
...conduisent certains de nos contemporains à « humaniser » nos machines en leur prêtant la capacité d’acquérir de l’expérience ? L’apparition récente du deeplearning tend à rapprocher le fonctionnement mécanique du fonctionnement biologique. Prenons l’exemple de la reconnaissance des formes. Pour « apprendre... -
INTELLIGENCE ARTIFICIELLE (IA)
- Écrit par Jean-Gabriel GANASCIA
- 5 584 mots
- 5 médias
...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’auparavant du fait de l’accroissement des capacités des machines. Cela correspond à ce que l’on appellel’apprentissage profond. - Afficher les 9 références
Voir aussi
