On entend beaucoup parler de la distinction entre l’informatique classique et le Deep Learning, qui est essentiellement un apprentissage approfondi grâce à l’utilisation des réseaux neuronaux. Si ces concepts vous paraissent compliqués, je vous invite à découvrir (ou à écouter, en utilisant notre vidéo ci-dessus) les explications apportées par Emmanuel Mogenet, lors du deuxième sommet des start-ups, un événement co-organisé par Sciences et Avenir et Challenges. Le directeur de Google Research Europe expliquait à cette occasion ce qu’est le deep learning et quel est son intérêt dans l’intelligence artificielle.
Il en a également profité pour décrire les domaines de recherche qui étaient au cœur des activités de Google Research Europe, basée à Zurich, en Suisse : “Nous axons principalement nos recherches fondamentales sur trois thématiques clés : l’interprétation du langage naturel, la perception assistée par ordinateur et, en dernier lieu, le Deep Learning”, précise-t-il.
Quelques extraits de son entretien que vous pourrez retrouver dans son intégralité dans la vidéo ci-dessus :
“Lorsqu’un internaute nous soumet une requête, pour répondre le mieux possible nous devons la comprendre. Or jusqu’à peu, même si on parvenait à y associer une réponse, le sens profond de la question nous échappait.”
“Notre plus grand défi, c’est d’enseigner aux ordinateurs le sens commun, auquel notre langage naturel fait en permanence référence. Nous partageons une représentation du monde grâce à laquelle nous nous comprenons, mais que ne partagent pas les ordinateurs. Pour nous, il est implicite de trouver une vache dans l’herbe, ou de ne jamais rencontrer de girafe sur les ailes d’un avion.”
“Au cours des 10 dernières années, le deep learning a considérablement changé la donne en informatique. Auparavant, c’est à dire dans les années 1980 et 1990, apprendre quelque chose à un ordinateur, c’était le programmer.”
“Lorsque je marche, je suis incapable de décrire précisément le mouvement de chacun de mes muscles. La vraie révolution du deep learning, c’est l’apprentissage par l’exemple […]. Par exemple, en montrant à l’algorithme des images comportant un chat, puis d’autres sans, et en lui signalant à chaque fois la bonne réponse attendue, l’ordinateur apprend à reconnaître les chats parmi une bibliothèque d’images. Au bout d’un certain nombre d’images, la magie opère : le système se met à généraliser, et sait reconnaître l’animal sur des photos qu’il n’a jamais vues.”
