Un autre type d'apprentissage dit "profond"

Apprentissage profond ou Deep Learning (DL)

L'apprentissage profond ou deep learning (DL) n'utilise pas que de simples algorithmes, mais bien des systèmes appelés "réseaux de neurones" qui, à la base, fonctionnent relativement comme les neurones humains.

Ces systèmes permettent à la machine d'apprendre "par elle même" sur un sujet donné. Le système apprend à reconnaitre et découvrir des schémas et faire des liens entre les concepts sans que cela ne soit programmé préalablement. Bon, ok, c'est bien compliqué tout ça et ce, pour une simple et bonne raison: c'est complexe!

Donnons un exemple simple, toujours rattaché à ce mammifère que vous connaissez bien: l'humain. Depuis que vous êtes bébé, vous observez autour de vous, vous apprenez et les neurones de votre cerveau s'associent entre eux afin de comprendre ce qui vous entoure. Imaginez un bébé qui voit une pomme rouge pour la première fois. Il ne sait pas ce que c'est. Sa mère croque dedans et en mange. Bébé tend les mains et veut gouter, sa mère en coupe un morceau et lui donne. Bébé est content! Il aime la pomme.

En grandissant, bébé va voir plusieurs autres pommes et en manger, son cerveau reconnaitra les pommes! Un jour, il va voir une pomme verte! L'image dans la tête de l'enfant va s'adapter, se complexifier et permettra éventuellement d'identifier "ce qu'est une pomme", même si elle est grosse comme une montagne, bleue avec des pois roses: parce que les neurones du cerveau ont déterminé qu'une pomme, c'est "comme ça".

En Deep Learning, il se passe la même chose: on entraine la machine avec des tonnes de données (100 000 et +) et elle "apprend" à reconnaitre des mots, des phrases, des objets, etc. Techniquement, c'est ce que nous appelons "généraliser la connaissance".