samedi, 19 août 2017 07:44

Les avantages du Machine Learning dans notre monde de demain

Les machines deviennent-elles des dieux ? Ke Jie, 19 ans, est le meilleur joueur au monde du jeu de plateau le plus ancien, le Go, et en mai dernier il faisait la rencontre d'un nouvel adversaire ... sous la forme d'un programme appelé AlphaGo. En l'espace d'un an, le programme est devenu "presque le dieu du Go", a déclaré Jie après avoir perdu contre AlphaGo. Jie était impossible à battre depuis ses 10 ans. AlphaGo a été créé par la société-mère de Google, Alphabet, en 2014.


Le machine-learning, c'est l'apprentissage des systèmes sans avoir à suivre un programme. Tout à fait lié à l'intelligence artificielle (IA), il aide les machines à faire de nombreuses choses qui n'étaient alors réservées qu'aux seuls hommes. En juin, par exemple, une machine a passé l'examen universitaire de mathématiques en Chine. Elle a été plus rapide qu'un étudiant "mais avec une note inférieure à la moyenne", a déclaré l'Agence France-Presse.

Comme avec AlphaGo, cependant, le machine learning aide de plus en plus les machines à faire mieux que les experts humains. Un autre champ d'application est la santé. A l'Imperial College de Londres, en Grande-Bretagne, Daniel Rueckert, professeur d'information visuelle, dirige une équipe n'utilisant pas un mais deux niveaux de machine learning pour aider à détecter des lésions dans des scans cérébraux.

"Nous utilisons l'intelligence artificielle et le machine learning pour essayer d'enseigner aux ordinateurs comment interpréter les images", explique Rueckert. Avec d'autres types de données, cela peut les "aider à établir un diagnostic ou à prédire le résultat de ce qui arrivera à un patient", dit-il. C'est une tâche pour laquelle "les humains sont normalement assez bons", souligne-t-il. Ainsi, pour que les machines puissent apprendre le processus, elles doivent avoir accès à beaucoup de données et recueillir de gros volumes de scans et de notes prend du temps et s'avère coûteux. Ainsi le Professeur Rueckert et son équipe n'utilisent pas simplement l'apprentissage mécanique pour enseigner à leurs systèmes informatiques à détecter les lésions. Ils créent également des scans réalistes comme moyen d'enseigner aux machines de repérer les faux. Pour cette dernière tâche, l'équipe a commencé à utiliser une technique appelée "Apprentissage contradictoire". Cela implique d'opposer deux systèmes. Dans le cas de l'Imperial College, un système essaie de faire de faux scans qui sont si bons que l'autre système pense qu'ils sont réels.

En un mot, une machine apprend à partir de données fournies par une autre machine.

Le processus aide même déjà les machines à dépasser les humains dans certaines tâches cliniques, "comme par exemple déterminer un stade de la maladie d'Alzheimer", affirme le Professeur Rueckert. "Vous activez une nouvelle évaluation, plus quantitative, plus objective." déclare-t-il.

Le machine learning décollera dans de nombreux autres domaines cliniques et est même utilisé par les élèves du secondaire pour lutter contre le cancer. Cela ne signifie pas pour autant qu'un robot pourra remplacer votre médecin. Au lieu de cela, les médecins profitent d'une aide à la décision assistée par ordinateur, ce qui leur donne plus d'indices pour décider d'un traitement.

Des entreprises, telles que GE, par exemple, utilisent l'IA pour améliorer la performance des centrales électriques. Ils construisent des "jumeaux numériques" qui peuvent être utilisées comme modèles pour voir où des pannes peuvent survenir ou quand la production pourrait être augmentée. Apple déploie des plateformes de machine learning qui peuvent être utilisées par des personnes qui créent leurs applications mobiles. Déjà aujourd'hui, si vous possédez Echo d'Amazon, vous profitez d'une part de machine learning dans votre salon : la dernière version du produit comporte une Intelligence Artificielle qui peut être utilisée pour vous donner des conseils de mode.

L'implication du machine learning dans de nouvelles tâches augmente rapidement, elle n'est d'ailleurs limitée que par la vitesse à laquelle les machines peuvent elles-mêmes apprendre.

Version AMP de l'article

Laissez un commentaire

Assurez-vous d'indiquer les informations obligatoires (*).
Le code HTML n'est pas autorisé.