Qu’est-ce que l’IA, le ML et le DL ?
- Qu’est-ce que l’intelligence artificielle ?
- Qu’est-ce que l’apprentissage automatique ?
- Qu’est-ce que l’apprentissage profond ?
Comment sont-ils liés les uns aux autres ?
AI, ML et DL sont liés les uns aux autres. L’IA est un sur-ensemble de ML et DL. Ce que nous faisons dans le domaine de la ML et de la DL relève de l’IA. Pour mieux comprendre tout cela, plongeons-y…
Qu’est-ce que l’IA ?
- Un effort pour automatiser les tâches intellectuelles effectuées par les humains
- L’IA est toute technologie qui permet à un système de démontrer une intelligence semblable à celle de l’homme
- L’intelligence artificielle et l’intelligence naturelle sont très similaires.
Dans quels domaines l’IA est-elle utilisée ?
De nos jours, l’IA est utilisée principalement dans toutes les industries. Vous utilisez l’IA au jour le jour dans votre vie, que ce soit pour acheter des produits sur Amazon ou lire des articles sur Google News ou regarder Netflix ou utiliser Google Photos pour sauvegarder vos souvenirs. Nous sommes entourés par l’IA et ses utilisations pour rendre nos vies meilleures.
Les produits Google utilisant l’apprentissage automatique. Machine Learning
.
- Gogle Photos : Rechercher vos photos par le biais de balises, organiser les photos similaires ensemble en reconnaissant le visage de la personne ou encore améliorer la qualité des images et bien d’autres choses encore…
- Gogle Translate : Pour traduire d’une langue à une autre.
- Youtube : Donner des recommandations sur la base d’une vidéos que vous avez regardé.
- Gogle Lens : Pour rechercher l’information différemment, il utilise l’OCR pour comprendre à partir d’images ou lire les documents.
- Gogle Assistant : Agent conversationnel AI, qui peut vous aider à faire beaucoup de choses en l’invoquant simplement avec « Ok, Google ou Hey Google ». C’est le meilleur exemple de reconnaissance vocale.
- Gmail : Gmail, a des fonctionnalités comme Smart Reply peut aider à réduire votre lot de travail, il peut également vous recommander les prochains mots à venir dans votre phrase que vous pouvez utiliser.
Qu’est-ce que l’IA symbolique(ou IA classique)?
C’est une branche de la recherche en IA qui se préoccupe de tenter de représenter explicitement la connaissance humaine en faits et en règles. Sur l’ensemble donné de règles et de faits lourds et complexes, nous pouvons faire une machine qui peut fonctionner comme l’intelligence humaine.
Ex : Les premiers jeux d’échecs, ont été codés en dur dans nos PC et peuvent jouer avec nous parce qu’ils ont été codés en dur par un certain ensemble de règles et de faits.
Est-il capable de résoudre des tâches de classification d’images, de reconnaissance vocale ?
Voilà, Le Machine Learning
So what exactly is ML ?
L’art et la science de :
- Donner aux ordinateurs la capacité d’apprendre
- De prendre des décisions à partir de données
- Sans être explicitement programmé
Apprentissage classique vs apprentissage automatique
Dans la programmation traditionnelle ou programmation classique, nous lui donnions un ensemble de règles et de données et, sur cette base, il nous donnait les réponses pertinentes. Nous codons en dur le logiciel pour qu’il effectue un ensemble de tâches spécifiques. Mais l’apprentissage automatique change la façon dont nous travaillons jusqu’à présent. Il prend certaines données et réponses et sur la base de celles-ci, il établit des règles et fait une tâche spécifique pour laquelle il est fait.
Pourquoi l’apprentissage automatique ?
- Demande mondiale massive
- Les données sont le pouvoir !
- C’est amusant comme l’enfer !
Synthèse de haut niveau pour effectuer l’apprentissage automatique
Nous avons besoin,
- Des points de données d’entrée
- Des exemples de la sortie attendue
- Un moyen de mesurer si l’algorithme fait un « bon travail ou pas ».
Exemple,
- Les entrées sont les coordonnées de nos points
- La sortie attendue est les couleurs des points
- Un moyen de mesurer si notre algorithme fait un bon travail pourrait être, par exemple, le pourcentage de points qui sont correctement classés.
3 Types de ML
- L’apprentissage supervisé : Utilisation de données étiquetées
- Apprentissage non supervisé : Utilisation de données non étiquetées
- Apprentissage par renforcement : Les agents logiciels interagissent avec un environnement
Pour plus d’infos sur le ML, consultez ce https://medium.com/codingurukul/understanding-machine-learning-114e85cd3f0e
Qu’est-ce que le Deep Learning ?
Intro
- C’est un sous-domaine de ML
- C’est un cadre mathématique pour apprendre des représentations à partir de données
- Une façon à plusieurs étapes d’apprendre des représentations de données.
- Nous utilisons des « réseaux neuronaux », pour obtenir une vision plus profonde de nos données en empilant différentes couches les unes sur les autres.
- Il fonctionne de la même manière que comme un cerveau humain
Pourquoi le Deep Learning ?
- Hardware
En raison de l’augmentation de la puissance de calcul, nous pouvons facilement effectuer des tâches d’apprentissage profond avec plus de vitesse et en moins de temps nous pouvons former nos modèles d’apprentissage profond. Tout cela grâce au « Cloud ».
Google a également ses TPU pour effectuer des tâches de deep learning avec la vitesse de plus de 10 GPU de Nvidia Titan X.
- Datasets
Avec l’augmentation de l’utilisation d’internet, les données sont rassemblées en grande quantité qui peuvent être utilisées dans le deep learning, car le deep learning a besoin d’un grand ensemble de données pour obtenir de meilleurs résultats.
- Avancées algorithmiques
Il y a beaucoup d’avancées dans les algorithmes du Deep Learning, en raison de la communauté croissante du Machine Learning. Image Net en est un excellent exemple.
Réseaux neuronaux
Le Deep Learning se fait à l’aide de réseaux neuronaux. Ils fonctionnent de la même manière que le cerveau humain. L’image ci-dessous montre la similitude entre le neurone biologique et les réseaux neuronaux artificiels.
Il est constitué de différentes couches qui sont empilées les unes sur les autres. est composé de différentes couches qui sont empilées les unes sur les autres pour que les réseaux neuronaux apprennent les représentations et les caractéristiques complexes des données.
Exemple,
Cet exemple provient du jeu de données MNIST, où nous passons une image et il passe par différentes couches pour comprendre les différentes représentations et les caractéristiques complexes des données, puis prédit le résultat sous-jacent. La classification des images se fait à l’aide de réseaux neuronaux convolutifs.
Pour en comprendre plus sur le Deep Learning suivez-nous et visitez https://medium.com/@patidarparas13/what-is-deep-learning-efa0cfbbd6a2
Ce que DL a résolu,
- Classification d’images de niveau quasi humain
- Reconnaissance vocale de niveau quasi humain
- Transcription d’écriture manuscrite de niveau quasi humain
- Traduction automatique améliorée
- Conversion texte-parole améliorée
- Assistants numériques tels que Google Assistant et Amazon Alexa
- Conduite autonome de niveau quasi humain Amélioration du ciblage publicitaire, tel qu’utilisé par Google, Baidu et Bing
- Amélioration des résultats de recherche sur le web
- Jouer au Go superhumain
Qu’est-ce qui rend DL différent ?
L’ingénierie des fonctionnalités : Parce qu’il automatise complètement ce qui était auparavant l’étape la plus cruciale dans un flux de travail d’apprentissage automatique.d’apprentissage automatique
