À l’heure où Tesla annonce une option Autopilot sur chacune des voitures de la marque pour 2017, Le neural networks est plus que jamais sous les projecteurs. Mais sait-on vraiment ce que c’est ? Par exemple, si votre boss vient en discuter avec vous pendant la pause café, serez-vous en mesure de lui répondre ?
Voici quelques « tips » pour éviter un moment gênant dans une conversation :
- En gros qu’est-ce que c’est ?
Pour faire simple, le neural networks est la version artificielle de notre système neuronal ou plutôt de comment notre cerveau traite une information quand on voit quelque chose. Comme nous, cet ensemble d’algorithmes (neurones) analyse et apprend. Le neural networks crée son propre raisonnement en temps réel sur la base d’exemples ou de données précédemment enregistrées. On appelle ça l’apprentissage par l’expérience. Si on cherche un peu plus loin, on trouve qu’il existe deux types d’apprentissages :
- Le supervisé : C’est-à-dire que l’on attend une réponse bien particulière au problème donné, par exemple OUI ou NON (L’algorithme est programmé pour ne répondre que de cette façon).
- Le non-supervisé : pour lequel le système est donc libre de réagir à un problème comme il le « souhaite » (de la façon la plus adaptée.)
Ça va ? Vous suivez ? 
- À quoi ça sert ?
Ça sert à tout ! Aujourd’hui ce système est très utilisé par les entreprises car il offre un gain de temps et d’argent considérable. Le traitement des données est bien plus rapide sans intervention humaine. La probabilité qu’une erreur soit faite est considérablement faible. Et le coût d’installation de ce type d’algorithme sera très vite rentabilisé comparé au coût humain.
Un ou deux exemples concrets pour vous faire passer pour un pro aux yeux de votre patron (et pour illustrer mes propos) :
- Les Banques utilisent des programmes de neural networks pour lire les chèques, reconnaitre les noms et montant et traiter la demande. Elles l’utilisent aussi pour calculer la fiabilité des clients avant l’accord d’un prêt.
- La Poste utilise aussi le neural networks pour la reconnaissance optique de caractères (OCR) et pour trier les lettres selon le pays, la ville, le code postal, …
- Ce type d’algorithmes sont aussi utilisés pour le déplacement automatisé de robots mobiles autonomes, comme les Google cars ou les Tesla.
Mais pour faire rouler une voiture autonome en toute sécurité il faut aller un peu plus loin. C’est avec ça que vous allez bluffer votre boss (enfin peut–être).
- Le Deep learning (ou apprentissage profond mais c’est plus cool en anglais)
Le Deep learning est né du neural network. Il s’agit enfait d’une version très évoluée de l’apprentissage. Dans le neural networks pour faire fonctionner un algorithme et qu’il donne une réponse, il lui faut une base de données (par exemple pour qu’il reconnaisse un stylo il faut entrer dans sa base un maximum d’images de stylo, lui indiquer qu’il s’agit d’un stylo et enfin il pourra comparer et répondre).
Avec le Deep learning, l’algorithme crée et travaille dans sa base de données de façon autonome. Grace à un réseau de neurones qui travaillent en couches. C’est à dire que chaque neurone va analyser une partie du problème, donner une réponse et cette même réponse sera l’information d’entrée (ou de base) pour la deuxième couche de neurones et ainsi de suite. On peut dire qu’il « raisonne » en fonction de la couche précédente. Cela permet de « prédire » pour réagir.
Une petite courbe qui compare le neural networks et le Deep learning 
- La courbe du NN arrête de croitre quand on arrête de lui donner de la data.
- Celle du DP ne s’arrête jamais car elle crée sa propre data.
En clair, si on applique ce système aux voitures autonomes :
- Neural Networks : On devrait rentrer dans la base de données de l’algorithme tous les cas de figures possibles que pourrait rencontrer la voiture pour qu’elle réagisse correctement aux situations. Ce qui est impossible d’une part et très dangereux d’autre part.
- Deep learning : l’algorithme collecte et analyse en temps réel l’ensemble de l’environnement qui entoure la voiture, traite les données et agit en fonction.
- Au cas où vous voudriez continuer la conversation … (ou la détourner vers quelque chose de carrément plus SF)
En mars 2016, Alpha go (logiciel d’intelligence artificiel de Google), a battu le champion du jeu de stratégie le plus complexe au monde : Le Go. Lee Sedol s’est incliné 4 parties à 1 contre la machine.
Et le grand débat a été relancé : La machine va elle prendre le pas sur l’homme ? Et de plus en plus de machines passent le test de Turing (est ce qu’une machine peut échanger avec des êtres humains sans que ceux–ci s’en aperçoivent) avec succès…
Quand pensez vous ? Est ce que d’ici 2, 5 ou 10 ans nous vivrons dans un monde entre K2000 et I robot ? Posez la question à votre boss et prenez un deuxième café !