En clair
L'apprentissage automatique (en anglais machine learning) est une branche de l'intelligence artificielle. Le programme n'est pas écrit pour exécuter une tâche précise. Il apprend à partir de données. Plutôt que de suivre des règles fixées à l'avance il analyse des exemples et en tire des régularités. Il applique ensuite ce qu'il a appris à de nouveaux cas.
Pourquoi c'est important
Cette méthode est devenue le cœur de l'IA moderne. Elle s'attaque à des problèmes qu'on ne sait pas décrire par des règles explicites comme reconnaître un visage, traduire un texte ou recommander un film. Elle se décline en trois grandes formes.
- Dans l'apprentissage supervisé le modèle apprend sur des données étiquetées. Ce sont des exemples dont on connaît déjà la bonne réponse.
- Dans l'apprentissage non supervisé il découvre seul des structures dans des données sans étiquettes.
- Dans l'apprentissage par renforcement il apprend par essais et erreurs en recevant des récompenses ou des pénalités.
Dans la pratique
Un système d'apprentissage automatique a besoin de données pour s'entraîner. Pour qu'il distingue les photos de chats et de chiens on lui fournit beaucoup d'images déjà étiquetées « chat » ou « chien ». Il ajuste ses paramètres internes pour faire de moins en moins d'erreurs. Une fois entraîné il classe de nouvelles images qu'il n'a jamais vues.
Le deep learning repose sur des réseaux de neurones artificiels. C'est une famille de méthodes d'apprentissage automatique qui a permis de grandes avancées depuis 2012. On s'en sert beaucoup pour le traitement du langage naturel.
À ne pas confondre avec
- L'intelligence artificielle est un domaine plus large. Elle regroupe toutes les techniques qui font accomplir à une machine des tâches dites intelligentes. L'apprentissage automatique en est une, devenue centrale aujourd'hui.
- En programmation classique le développeur écrit lui-même les règles. En apprentissage automatique le système les déduit des données.