introduction
Au cours des dernires annes, les termes intelligence artificielle et apprentissage automatique ont commenc apparatre frquemment dans les actualits technologiques et les websites Web. Souvent, les deux sont utiliss comme synonymes, mais de nombreux consultants affirment qu’ils prsentent des diffrences subtiles mais relles.
Et bien sr, les consultants ne sont parfois pas d’accord entre eux sur la nature de ces diffrences.
En gnral, cependant, deux choses semblent claires : premirement, le terme intelligence artificielle (IA) est plus ancien que le terme apprentissage automatique (ML), et deuximement, la plupart des gens considrent l’apprentissage automatique comme un sous-ensemble de l’intelligence artificielle.
Intelligence artificielle contre apprentissage automatique
Bien que l’IA soit dfinie de plusieurs manires, la dfinition la plus largement accepte tant « le domaine de l’informatique ddi la rsolution de problmes cognitifs communment associs l’intelligence humaine, tels que l’apprentissage, la rsolution de problmes et la reconnaissance de formes », c’est essentiellement l’ide que les machines peuvent possder de l’intelligence.
Le cur d’un systme bas sur l’intelligence artificielle est son modle. Un modle n’est rien d’autre qu’un programme qui amliore ses connaissances par un processus d’apprentissage en faisant des observations sur son environnement. Ce kind de modle bas sur l’apprentissage est regroup sous Apprentissage supervis. Il existe d’autres modles qui relvent de la catgorie des modles d’apprentissage non supervis.
L’expression « apprentissage automatique » remonte galement au milieu du sicle dernier. En 1959, Arthur-Samuel a dfini ML comme « la capacit d’apprendre sans tre explicitement programm ». Et il a ensuite cr une software de vrificateurs informatiques qui a t l’un des premiers programmes capables d’apprendre de ses propres erreurs et d’amliorer ses performances au fil du temps.
Comme la recherche sur l’IA, le ML est tomb en dsutude pendant longtemps, mais il est redevenu populaire lorsque le idea d’exploration de donnes a commenc dcoller vers les annes 1990. L’exploration de donnes utilise des algorithmes pour rechercher des modles dans un ensemble d’informations donn. ML fait la mme selected, mais va encore plus loin : il modifie le comportement de son programme en fonction de ce qu’il apprend.
Une software de ML qui est devenue trs populaire rcemment est la reconnaissance d’photographs. Ces purposes doivent d’abord tre formes – en d’autres termes, les humains doivent regarder un tas d’photographs et dire au systme ce qu’il y a dans l’picture. Aprs des milliers et des milliers de rptitions, le logiciel apprend quels modles de pixels sont gnralement associs aux chevaux, chiens, chats, fleurs, arbres, maisons, and so forth., et il peut faire une assez bonne estimation du contenu des photographs.
De nombreuses entreprises bases sur le Web utilisent galement ML pour alimenter leurs moteurs de recommandation. Par exemple, lorsque Facebook dcide de ce qu’il faut afficher dans votre fil d’actualit, lorsqu’Amazon met en vidence des produits que vous pourriez vouloir acheter et lorsque Netflix suggre des movies que vous pourriez vouloir regarder, toutes ces recommandations sont bases sur des prdictions qui dcoulent de modles dans leurs donnes existantes.
Frontires de l’intelligence artificielle et de l’apprentissage automatique : apprentissage en profondeur, rseaux de neurones et informatique cognitive
Bien sr, « ML » et « AI » ne sont pas les seuls termes associs ce domaine de l’informatique. IBM utilise frquemment le terme « informatique cognitive », qui est plus ou moins synonyme d’IA.
Cependant, certains des autres termes ont des significations trs particulires. Par exemple, un rseau neuronal artificiel ou rseau neuronal est un systme qui a t conu pour traiter les informations de manire similaire au fonctionnement des cerveaux biologiques. Les choses peuvent devenir confuses parce que les rseaux de neurones ont tendance tre particulirement bons pour l’apprentissage automatique, de sorte que ces deux termes sont parfois confondus.
De plus, les rseaux de neurones constituent la base de l’apprentissage en profondeur, qui est un kind particulier d’apprentissage automatique. L’apprentissage en profondeur utilise un sure ensemble d’algorithmes d’apprentissage automatique qui s’excutent sur plusieurs couches. Cela est rendu doable, en partie, par des systmes qui utilisent des GPU pour traiter un grand nombre de donnes la fois.
Si vous tes confus par tous ces termes diffrents, vous n’tes pas seul. Les informaticiens continuent de dbattre de leurs dfinitions exactes et le feront probablement pendant un sure temps encore. Et alors que les entreprises continuent d’injecter de l’argent dans la recherche sur l’intelligence artificielle et l’apprentissage automatique, il est possible que quelques termes supplmentaires surgiront pour ajouter encore plus de complexit aux problmes.
