Nous avons sûrement tous entendu parler, au moins une fois dans notre vie, de «l'intelligence artificielle», une notion qui est désormais entrée dans la terminologie quotidienne à travers les livres de science-fiction mais aussi, et de plus en plus, à travers les films, les séries télévisées et les canaux de contact «faciles» et "Direct". Certains d'entre nous auront récemment entendu parler de «l'apprentissage automatique», peut-être dans des discours liés aux «réseaux de neurones» ou aux «algorithmes de décision».
Mais qu'est-ce que l'apprentissage automatique et qu'est-ce que cela a à voir avec l'intelligence artificielle?
Eh bien, l'apprentissage automatique, ou apprentissage automatique, n'est rien de plus qu'un type particulier d'intelligence artificielle qui donne aux ordinateurs la capacité d'apprendre à résoudre des problèmes sans être spécifiquement programmés à cet effet. Autrement dit, les ordinateurs apprennent à se comporter grâce aux données et non (directement) à partir du code de programme. Au lieu d'avoir, pour chaque activité unique, des processus de prise de décision spécifiques prédéterminés par un programmeur, le logiciel d'apprentissage automatique analyse les données déjà à sa disposition, relatives à des problèmes similaires, et utilise l'analyse statistique pour définir les modèles conceptuels; puis, il applique ces modèles à de nouvelles données pour prendre des décisions ou faire des prédictions. La technologie «derrière» les algorithmes d'apprentissage automatique est celle des «réseaux de neurones artificiels», qui ne sont rien de plus qu'un modèle mathématique composé de «neurones» artificiels inspirés d'un réseau neuronal naturel, en pratique un cerveau. Évidemment, pour que les résultats issus des algorithmes d'apprentissage automatique soient aussi précis que possible, il est nécessaire que d'énormes quantités de données soient disponibles, provenant éventuellement des sources les plus disparates, afin de créer une base de connaissances aussi large que possible, capable de traiter , de la meilleure façon, ces situations dans lesquelles il n'y a pas d'expérience humaine antérieure. Les algorithmes d'apprentissage automatique existent depuis longtemps, mais la possibilité d'appliquer automatiquement et rapidement les calculs mathématiques complexes nécessaires à de grandes quantités de données n'est disponible que récemment. Dès que la puissance de calcul est devenue suffisante, cependant, il y a eu une floraison d'applications qui, malgré leurs merveilles, sont devenues, ou sont en train de devenir, une partie de notre vie quotidienne.
Par exemple, nous avons:
- La voiture Google, c'est la voiture qui se conduit toute seule;
- Conseils en ligne "ciblés"Le style ceux des sites Amazon et Netflix;
- la reconnaissance faciale, Ce qui est la technologie qui permet à Facebook (mais aussi d'autres) de reconnaître les visages et les étiqueter automatiquement chaque fois que vous publiez une photo sur votre profil;
- L'intelligence sociale, c'est-à-dire la capacité d'analyser le «contenu émotionnel» (opinion positive, négative ou neutre sur certains sujets) des publications et interventions sur les réseaux sociaux, et d'en tirer des conclusions;
- Les assistants virtuels Siri, Cortana (et d'autres) présents sur nos smartphones.
De telles applications révèlent toute la puissance, ainsi que la grande utilité pratique, des algorithmes d'apprentissage automatique et révèlent comment de tels outils sont déjà devenus, peut-être à notre insu. une partie constante de notre réalité. Et chaque jour, de plus en plus, nous assistons ou entendons parler de nouveaux usages; et c'est souvent Google, à travers ses laboratoires de recherche et ses projets innovants, qui trouve de nouvelles applications. En février, il a dévoilé un système d'intelligence artificielle qui, basé sur des images pixélisées, parvient à créer une reconstruction assez fiable de la photographie originale; en avril, il a annoncé que sa traduction avait amélioré la précision des traductions italiennes grâce à des algorithmes d'intelligence artificielle; également en avril, il a lancé un portail Web qui utilise des algorithmes d'apprentissage automatique pour interpréter des «gribouillis» ou simplement des dessins esquissés d'un objet et les «remplacer» par des dessins précis et professionnels du même objet. Mais le meilleur reste à venir. En fait, le Machine Learning est un outil très puissant, dont la véritable force n'est pas encore pleinement exprimée et dont les utilisations futures ne se limitent pas aux services aux entreprises et aux entreprises. Grâce à l'évolution technologique constante et à l'augmentation de la puissance de calcul, en effet, le Machine Learning pourra bientôt évoluer d'un outil d'analyse à un outil de découverte et d'innovation, et jouera un rôle de plus en plus important dans des secteurs tels que la recherche et science. En résumé, les algorithmes qui tirent parti du Machine Learning seront capables de faire exactement ce que les scientifiques et les inventeurs font maintenant, mais mieux et plus rapidement. L'espoir est qu'un logiciel résoudra un jour les problèmes insolubles pour le moment. Autrement dit, l'espoir est par exemple de pouvoir construire un Machine Learning intelligent au point de lui permettre d'utiliser ses algorithmes pour trouver le remède à des maladies comme le cancer ou le sida. L'avenir est susceptible d'être surprenant, d'une manière que nous ne pouvons peut-être même pas imaginer aujourd'hui.
John Calcerano