L’apprentissage machine avec Desjardins Lab et Jean-Philippe Gauthier de Google

Le 23 novembre dernier, nous avons assisté à l’évènement L’Apprentissage Machine : L’Extension De L’Homme De Demain présenté par Desjardins Lab et mettant en vedette un expert de l’équipe de Google, Jean-Philippe Gauthier. Au menu : Intelligence Artificielle, Réseaux Neuronaux (« Neural Networks »), l’importance des données dans le monde d’aujourd’hui et de demain et bien plus encore.

D’entrée de jeu, M. Gauthier a souligné que les données sont en quelque sorte le « nouveau pétrole. » En effet, dans le monde de l’apprentissage machine, tout part des données. Sans les données, l’intelligence artificielle ne pourrait pas atteindre son plein potentiel. M. Gauthier définit l’apprentissage machine comme étant un type d’intelligence artificielle qui donne le pouvoir à l’ordinateur d’apprendre à l’aide des données. Dans les deux dernières années, l’apprentissage machine a réalisé des progrès importants grâce à L’Apprentissage En Profondeur (le « Deep Learning »), qui simule la façon de penser d’un cerveau humain à l’aide d’un réseau de neurones virtuel qui échange des informations.

Selon M. Gauthier, nous nous dirigeons vers un monde dans lequel les données vont devenir tellement massives qu’elles vont surpasser la capacité des humains à les traiter et à les interpréter. Pour résoudre ce problème, Google a déjà commencé à intégrer l’apprentissage machine au sein de ses produits. Par exemple, Google Photos sur mobile peut aujourd’hui étudier les photos prises avec votre téléphone pour identifier automatiquement les éléments que ces photos contiennent, éliminant ainsi le besoin de créer des étiquettes (des « tags ») et de classer manuellement chaque photo. Si vous voulez regarder des photos de votre chien, suffit donc de chercher « chien » et Google Photos vous présentera des photos qui contiennent un chien. Gmail, quant à lui, possède aujourd’hui une fonctionnalité « Smart Reply » qui utilise l’apprentissage machine pour préparer automatiquement une réponse pour vous que vous pouvez ensuite choisir d’envoyer.

Et ce n’est que le tout début. Google travaille également sur un assistant personnel Google qui pourrait vous rappeler vos rendez-vous, vous aider à coordonner vos tâches quotidiennes pour améliorer votre productivité et chercher pour vous des informations précises rapidement. Puisque l’assistant Google est capable d’apprendre, plus vous l’utilisez, plus il est efficace et personnalisé selon vos besoins.

Les données avant tout

À sa plus simple expression, l’apprentissage machine utilise donc les données pour répondre à des questions. Pour bien comprendre l’apprentissage machine, il faut changer un peu sa façon de penser. Sans l’apprentissage machine, pour créer une application, il faut programmer toutes les fonctionnalités de celles-ci et lui indiquer comment traiter divers types de données. Avec l’apprentissage machine, la machine reçoit des données et détermine elle-même comment les classer ou les utiliser, s’améliorant au fil du temps. Résultat ? La machine peut dépasser l’être humain et imaginer des possibilités complètement nouvelles.

De façon générale, il existe trois types d’algorithmes qui permettent aux machines d’apprendre :

1) L’apprentissage supervisé, dans lequel la machine apprend à partir de données qui ont été identifiées (exemple : ceci est une photo d’un chat, ceci est une photo d’un chien).

2) L’apprentissage non supervisé, dans lequel la machine apprend à partir de données qui n’ont pas été classifiées ou catégorisées.

3) L’apprentissage par renforcement, dans lequel la machine apprend par essais et erreurs dans un environnement ciblé, explorant de nouvelles possibilités tout en utilisant les connaissances acquises jusqu’à maintenant.

Par exemple, une intelligence artificielle qui utilise l’apprentissage par renforcement pour étudier le jeu de table Go, très populaire en Asie mais aussi très complexe, est parvenue non seulement à défaire quelques-uns des meilleurs joueurs humains de la planète, mais aussi à imaginer des nouvelles stratégies et façons de jouer étonnantes et originales qui ont surpris et ravi les experts humains.

Marché en croissance

La puissance des ordinateurs modernes, qui misent aujourd’hui sur des CPU et des GPU ultra-performants, est un autre facteur qui explique les percées des dernières années dans les domaines de l’intelligence artificielle et de l’apprentissage machine. Pour continuer d’avancer, Google expérimente en ce moment avec un nouveau type de processeur, nommé TPU (pour « Tensor Processing Unit »), conçu spécifiquement pour l’apprentissage machine.

Le nombre d’applications et de logiciels qui utilisent l’apprentissage machine est actuellement en forte croissance. Dans les prochaines années, l’apprentissage machine pourrait, par exemple, permettre de diagnostiquer un cancer du sein plus rapidement et plus précisément, d’analyser des textes pour extraire les informations importantes, de déterminer le ton d’un texte (positif, négatif, etc), d’analyser le ton de voix d’un individu parlant au téléphone avec un centre d’appels et bien plus encore. Un des objectifs de l’apprentissage machine, à long terme, est d’optimiser les systèmes autour de nous en analysant un très grand nombre de données et en identifiant les meilleures solutions. En bref, le monde réel est complexe et désordonné, mais l’apprentissage machine pourrait nous permettre d’améliorer et de transformer les systèmes autour de nous et ce, à très grande échelle.

Image Team Askida

Team Askida

L'équipe d'Askida // Team Askida