Pourquoi le “machine learning” vous est plus familier que vous ne le pensez !
Machine learning, kesako ?
Littéralement traduisible par “apprentissage automatique” ou encore “apprentissage machine” cette technologie d’intelligence artificielle a vu le jour dans les années 1950, mais fait son retour depuis quelques années grâce aux objets connectés, et à la nouvelle puissance de calcul des ordinateurs. Elle permet tout simplement aux machines d’apprendre, et donc d’effectuer de nouvelles tâches, pour lesquelles elles n’avaient pas été programmées.
La pertinence du machine learning tient cependant et tout particulièrement à la révolution “big data”. C’est l’ampleur des bases de données disponibles aujourd’hui qui permet à la machine de couvrir une large gamme d’alternatives, de questions/réponses, et d’en nourrir ses capacités d’analyse. A cette fin, le machine learning permet d’extraire les données les plus pertinentes du flot d’informations non structurées issues du big data.
Les atouts du machine learning
Si vous introduisez des milliers de photos de vélos et d’informations sur cet objet dans une base, la machine qui l’exploite va recouper les données et finir par appréhender la nature d’un vélo. Plus l’ordinateur emmagasinera de données, plus il apprendra, et plus il sera précis dans ses actions et “réflexions” futures. Son savoir catégorisé de façon statistique lui permet de gagner en rapidité et en précision par rapport à l’humain.
Un excès d’informations cependant est a contrario capable de noyer l’ordinateur dans la masse des données qui lui sont proposer, et donc de l’empêcher de hiérarchiser correctement la valeur de ces informations. Il y perdra en pertinence. Selon les estimations techniques, quelque 10 000 données seraient nécessaires au minimum pour cet exercice, et 100 000 au maximum. Une fourchette large, qui donne un aperçu de l’ampleur de la tâche.
Le machine learning n’a pas, pour l’instant, vocation à remplacer l’individu. Il est employé comme une aide à la décision humaine, une délégation de tâches automatisables. L’humain peut consacrer son temps à un travail plus valorisant.
Dès lors que le modèle de travail est paramétré, la machine apprend seule, et devient capable d’optimiser au fil du temps la tâche qui lui a été assignée.
