Le machine learning expliqué simplement

Traduction par Guillaume Ryder du texte original de Cassie Kozyrkov

Vous avez sans doute entendu parler de l’apprentissage automatique (machine learning) et de l’intelligence artificielle, mais êtes-vous certain de savoir ce dont il s’agit ? Si vous peinez à expliquer ces notions, vous n’êtes pas seul. Le sujet est si populaire qu’il est difficile de faire la part des choses entre science et science fiction. En commençant par la terminologie…

Fondamentalement, l’apprentissage automatique est un étiqueteur de choses.

Je suis statisticienne et neuroscientifique de formation, et les statisticiens sont réputés pour choisir les noms les plus rébarbatifs. On préfère quand ça fait ce qui est écrit dessus. Savez-vous comment on aurait appelé l’apprentissage automatique ? L’Étiquetage de Choses !

Contrairement à la croyance populaire, l’apprentissage automatique n’est pas une potion magique, ni une raison suffisante pour évaluer une startup à 30 milliards d’euros. À la base, l’apprentissage automatique est simplement un étiqueteur de choses, qui prend la description de quelque chose et vous indique quelle étiquette lui coller dessus. Ce qui sonne beaucoup moins bien que ce que vous pouvez lire dans les journaux. Mais auriez-vous été aussi attiré par un article sur les étiqueteuses ? Probablement pas, ce qui montre que paillettes et marketing ont leur utilité ­– cependant si cette technologie mérite notre attention, ce n’est pas pour les raisons que l’on pourrait penser.

Extrêmement utile, mais pas aussi futuriste qu’il y paraît.

Qu’en est-il de l’intelligence artificielle (IA) ? Tandis que les universitaires se disputent sur les nuances de ce que l’IA est et n’est pas, l’industrie utilise ce terme pour référer à un type particulier d’apprentissage automatique. Au final, la plupart des gens utilisent ces termes de façon interchangeable, et ça me va. Donc l’IA est elle aussi un étiqueteur de choses. Vous vous attendiez à des robots comme dans les films ? Une conscience autonome implantée dans un humanoïde ? Désolée, l’IA d’aujourd’hui n’y est pas encore. Le cerveau humanise tout ce qu’il voit : on reconnaît des animaux dans les nuages, des silhouettes de visages dans l’ombre des cratères lunaires ; deux boutons sur une chaussette font une marionnette à qui parlent les enfants. Tout comme cette chaussette n’est pas une personne, gardons à l’esprit que l’IA non plus. Déçu ? Pas de panique, la vraie IA est bien plus utile.

Laissez-moi vous montrer un exemple. Que voyez-vous sur cette photo ?

Quel animal voyez-vous sur cette photo ? Facile, non ? Maintenant dites-moi comment vos neurones ont analysé ces pixels pour trouver la réponse.

Vos yeux ont absorbé une grande quantité d’information, puis, comme par magie, vous l’avez étiquetée « chat ». Rien de plus facile pour vous ! Maintenant, comment procéder pour qu’un ordinateur fasse la même chose, c’est-à-dire classifier (étiqueter) des photos chat / pas-chat ?

L’apprentissage automatique est une nouvelle manière de programmer un ordinateur.

Selon l’approche traditionnelle de la programmation, un programmeur réfléchirait sérieusement au problème, chercherait des techniques d’analyse d’image dans la littérature scientifique, puiserait dans son imagination, et finalement construirait un modèle à la main. Modèle est simplement un mot savant pour recette, autrement dit une suite d’instructions que votre ordinateur doit appliquer pas à pas pour transformer des pixels en étiquettes.

Un modèle est une recette qu’un ordinateur suit pour transformer des données en étiquettes. C’est juste du code que la machine exécute pour convertir des entrées en sorties ; il peut être écrit à la main par un programmeur, ou produit par un algorithme d’apprentissage à partir de certaines données.

Essayez d’imaginer à quoi ces instructions pourraient ressembler. Que font exactement vos neurones avec tous ces pixels ? Pouvez-vous l’expliquer ? Votre cerveau hérite de millions d’années d’évolution, il fonctionne tout seul sans que vous puissiez dire comment. Pas si facile donc d’obtenir la recette.

Expliquer par l’exemple, non par des règles.

Ne serait-il pas plus simple de dire à l’ordinateur : « Regarde plein de photos de chats, regarde plein de photos de pas-chats, et apprends tout seul la différence » ? En résumé, l’apprentissage automatique, c’est ça ; une manière complètement différente de programmer un ordinateur. Au lieu de fournir des instructions explicites à la machine, il suffit de lui donner plein d’exemples, et un algorithme d’apprentissage automatique trouve des critères d’analyse dans ces données pour générer ces fameuses instructions que vous ne pouviez pas produire vous-même. Plus besoin d’écrire les recettes à la main !

L’IA permet d’automatiser l’ineffable.

Voilà le pouvoir de l’IA : programmer les ordinateurs d’une manière indirecte. On souhaite que les ordinateurs fassent le travail à notre place ; mais comment les programmer pour ce travail si les instructions nécessaires sont impossibles à exprimer, ineffables ?

L’IA et l’apprentissage automatique permettent d’automatiser l’ineffable. Programmer un ordinateur avec des exemples au lieu de règles précises permet d’attaquer une vaste catégorie de tâches auparavant inaccessibles car on ne pouvait pas écrire les instructions à suivre. À présent toutes ces tâches sont à notre portée — l’apprentissage automatique constitue un bond en avant pour l’humanité. C’est le futur et le futur est déjà là !

Pour en savoir plus, voici une vidéo d’introduction à l’apprentissage automatique appliqué (en anglais). Vous pouvez aussi consulter l’article suivant de la série.