NOMBRES - Curiosités, théorie et usages

 

Accueil                           DicoNombre            Rubriques           Nouveautés      Édition du: 13/04/2023

Orientation générale        DicoMot Math          Atlas                   Actualités                       M'écrire

Barre de recherche          DicoCulture              Index alphabétique        Références      Brèves de Maths

             

LOGIQUE

 

Débutants

Algorithme

Intelligence artificielle

 

Glossaire

Algorithme

 

 

INDEX

 

 

Logique

 

Multimédia

Introduction

Algorithmes

Jeux

Théorie

Programmation

Machine de Turing

Systèmes experts

Rx neuronaux

Automate

Lambda-calcul

Machine learning & Deep learning

 

Sommaire de cette page

>>> Machine ou deep learning

>>> Apprentissage profond

>>> Limitations

 

 

 

 

MACHINE LEARNING

&    DEEP LEARNING

 

Quelle est la différence entre ces deux types d'intelligence artificielle ?

Voir Traitement automatique de l'information / Réseaux de neurones

Voir Dilemme de Sita – Amusement, sérieux.

 

 

Machine ou deep learning

haut

 

Le machine learning, ou apprentissage automatique, est défini par la CNIL comme: un champ d’étude de l’intelligence artificielle qui vise à donner aux machines la capacité d’apprendre à partir de données, via des modèles mathématiques.

Autrement dit, il s’agit d’apprendre automatiquement de nombreuses règles à des outils technologiques, sur la base de nombreuses autres données.

Ce concept s’oppose à la programmation, qui est un ensemble de règles prédéfinies à appliquer.

  

La CNIL définit le deep learning, ou apprentissage profond, sous-domaine du machine learning, comme: un procédé d’apprentissage automatique utilisant des réseaux de neurones possédants plusieurs couches de neurones cachées. il Il tente d'imiter le comportement du cerveau humain.

Ce procédé demandent un nombre très important de données afin d’être entraînés.

 

 

Apprentissage profond

Pour réaliser un logiciel de Deep Learning, il faut:

*       de nombreuses couches de neurones, et donc, une grande capacité de traitement; et

*       de longues séances d'entrainement à partir de quantités d'exemples et donc, une grande masse de données (Big Data).

Les algorithmes de FaceBook ou Google comptent entre 1000 et 2 500 couches.

Un logiciel de reconnaissance faciale, par exemple, va utiliser entre 100 000 à un millions d'images de référence.

Du fait de la méthode employée – organisation progressive des paramètres de traitement – il est difficile de suivre ce qui se passe en interne du processus.

Certaines applications critiques imposent le contrôle du processus – légal, finance, santé … – dans ces cas, il faut absolument maîtriser toute la chaine de traitement.

 

Limitation du Deep Learning

On peut rencontrer des difficultés de réalisation du Deep Learning si:

*       Insuffisance de capacité de calcul,

*       Pas assez d'échantillons proposés à l'apprentissage, et

*       Difficulté à remonter et à expliquer la chaine des traitements.

 

 

 

 

Suite

*      Réseaux de neurones

*      Affichage de l'heure – Exemple

*      AlgorithmeGlossaire

*      Algorithmes – Les avancées modernes

*      ProgrammationIndex

*      SAT (Satisfaction booléenne)

*      Apprentissage et jeu de Go

*      Algorithme et humanité – Le Théorème d'hypocrite

Voir

*      Algorithmes fourmis

*      Automate

*      Cerveau

*      Dualité

*      Énigmes et paradoxes

*      Incomplétude

*      Intelligence

*      LogiqueIndex

*      Multimédia et informatiqueIndex

*      Outils de la logique

*      Puissance de calcul

*      Puzzles et énigmesIndex

*      Raisonnement

*      Réseaux

*      Systèmes experts

Histoire

*      Événement des années 1900

*      Événements chronologiques

*      Grands Hommes Index

*      Histoire de l'informatique

*      Histoire de l'intelligence artificielle

*      Histoire des mathématiques et des sciences

*      Histoire des ordinateurs

Site

*      Demain, un ordinateur inspiré de notre cerveau? – Hugo Leroux – 12.01.2018 – CNRS, le journal

*      Intelligence artificielle : La différence entre Machine Learning & Deep Learning – Myriam Emilion – afjv

*      Neural Networks – 3Blue1Brown – YouTube

Cette page

http://villemin.gerard.free.fr/Wwwgvmm/Logique/DeepLear.htm