a) Definitions
L’Intelligence artificielle : l’IA consiste à mettre en œuvre un certain nombre de techniques visant à permettre aux machines d’imiter une forme d’intelligence réelle.
Le Machine Learning : le machine Learning, ou apprentissage automatique, est une sous-branche de l’IA. Il est capable de reproduire un comportement grâce à des algorithmes, eux-mêmes alimentés par un grand nombre de données. Confronté à de nombreuses situations l’algorithme apprend quelle est la décision à adopter et créé un modèle. La machine peut automatiser les tâches en fonction des situations.
Il existe trois grands types de Machine Learning :
- Dans l’apprentissage supervisé, les algorithmes s’appuient sur des jeux de données déjà catégorisés, afin de comprendre les critères utilisés pour la classification et de les reproduire.
- Dans l’apprentissage non-supervisé, les algorithmes s’entraînent à partir de données brutes, desquelles ils essaient d’extraire des patterns.
- Dans l’apprentissage par renforcement, l’algorithme fonctionne comme un agent autonome, qui observe son environnement et apprend au fur et à mesure des intéractions avec celui-ci.
Le Deep Learning : est lui-même un sous-domaine du Machine Learning, dans lequel on développe des algorithmes capables de reconnaître des concepts abstraits, à l’image d’un jeune enfant à qui l’on apprend à distinguer un chien d’un cheval. L’analyse d’images ou de sons forment aujourd’hui l’essentiel des applications du Deep Learning. Pour la reconnaissance d’image, les algorithmes vont par exemple se focaliser sur l’analyse des contours, des formes et des couleurs.
