Le deep learning est une technique d’apprentissage (aussi appelé une classe

d’apprentissage),cette classe d’apprentissage automatique est utilisé dans le machine learning. Elle est apparu dans les années 80 mais n’a pas connu directement le succès attendu.C’est dans les années 2010 qu’un groupe de programmeur qui effectuaient un concours ayant pour thème l’IA et dont le but était de faire deviner à une machine qu’elle est le contenu d’une image. Le groupe a démocratisé cette méthode d’apprentissage grâce à un pourcentage d’erreur plus faible que la concurrence qui n’utilisait pas cette méthode.La méthode est dorénavant utilisé par toutes les sociétés travaillant dans l’IA.

Mais une question se pose: Comment le machine learning fonctionne?

Et bien les sociétés se sont en quelques sortes inspiré de l’apprentissage chez l’enfant en effet au cours de son enfance,l’enfant apprend grâce à l’expérience qui l’acquiert du faits des nombreux clichés de l’environnement qu’il perçoit tout au long de sa jeunesse qui lui permettra par la suite de distinguer les différents objet de son environnement.

Ainsi les scientifiques décident alors de créer des algorithmes reprenant cette méthode d’apprentissage pour cela les entreprises créer une base de donnée de millions de photos tel que image-net.Ces photos sont par la suite triées par classe c’est à dire par ce qu’elle représente.

Prenons le cas du chat,on trouve plus de 62000 clichés de chats différents (de profil,de face,caché,race différente) afin que l’algorithme soit capable d’identifier n’importe quel chat.

Si le sujet vous intéressent vous pourrez trouver plus en détails le fonctionne

ment de ce réseau neuronale par ici.L‘algorithme fonctionne alors tel un réseau de neurone,aussi appelé réseau de neurone artificielle.Ainsi comme dans le cerveau on a des nœuds de type neuronal, c’est à dire que les nœuds de neurones reçoivent l’information de d’autres nœuds ces informations sont par la suite transmises à un ou plusieurs autres neurones cela est rendu possible par la présence de millions de connexions entre ces nœuds.

Pour apprendre à identifier un objet on doit alors apporté à l’algorithme une base de donnée contenant des images de l’objet qu’on souhaite identifier.L’algorithme va alors effectuer une phase d’apprentissage durant lequel il va analyser ces différentes images afin de rechercher sans aucune aide,les caractéristiques pouvant définir cette objet.

Prenons le cas d’une voiture,le programme va identifier le nombres de roues et d’autres caractéristiques permettant de déduire que c’est une voiture.L’assistant peut effectivement analyser chacun des termes d’une requête puis les mettre en corrélation pour retourner une réponse globale et précise.