L’intelligence artificielle (IA) et l’apprentissage automatique (AA) sont deux expressions à la mode très en vogue actuellement, et semblent souvent être utilisées de manière interchangeable.
Ce n'est pas tout à fait la même chose, mais cette impression peut parfois prêter à confusion. J'ai donc pensé qu'il serait utile d'écrire un article pour expliquer la différence.
Ces deux termes apparaissent très fréquemment lorsqu'il est question de Big Data, d'analyse de données et des grandes vagues de changements technologiques qui déferlent sur notre monde.
En résumé, la meilleure réponse est la suivante :
L'intelligence artificielle est le concept plus large désignant les machines capables d'effectuer des tâches d'une manière que nous qualifierions d'« intelligente ».
Et,
L'apprentissage automatique est une application actuelle de l'IA qui repose sur l'idée que nous devrions simplement pouvoir donner aux machines accès aux données et les laisser apprendre par elles-mêmes.
Premiers jours
L'intelligence artificielle existe depuis longtemps : les mythes grecs regorgent d'histoires d'hommes mécaniques conçus pour imiter notre propre comportement. Les premiers ordinateurs européens étaient conçus comme des « machines logiques » et, en reproduisant des fonctions telles que l'arithmétique de base et la mémoire, les ingénieurs percevaient leur travail comme une tentative fondamentale de créer des cerveaux mécaniques.
Avec les progrès technologiques et, surtout, notre compréhension du fonctionnement de l'esprit humain, notre conception de l'IA a évolué. Plutôt que de se concentrer sur des calculs toujours plus complexes, les travaux en IA visent désormais à imiter les processus de décision humains et à réaliser des tâches de manière toujours plus naturelle.
Les intelligences artificielles – des dispositifs conçus pour agir intelligemment – sont souvent classées en deux grandes catégories : l’IA appliquée et l’IA générale. L’IA appliquée est de loin la plus répandue ; les systèmes conçus pour gérer intelligemment les transactions boursières ou piloter un véhicule autonome en font partie.
Les IA généralisées – systèmes ou dispositifs capables, en théorie, de gérer n'importe quelle tâche – sont moins répandues, mais c'est dans ce domaine que se produisent aujourd'hui certaines des avancées les plus passionnantes. C'est également ce domaine qui a permis le développement de l'apprentissage automatique. Souvent considéré comme un sous-ensemble de l'IA, il est en réalité plus juste de le considérer comme l'état de l'art actuel.
L'essor de l'apprentissage automatique
Deux avancées majeures ont permis l'émergence de l'apprentissage automatique comme moteur du développement de l'IA à la vitesse actuelle.
L'une d'elles fut la prise de conscience – attribuée à Arthur Samuel en 1959 – qu'au lieu d'apprendre aux ordinateurs tout ce qu'ils doivent savoir sur le monde et comment accomplir des tâches, il serait peut-être possible de leur apprendre à apprendre par eux-mêmes.
La seconde, plus récente, a été l'émergence d'Internet et l'augmentation considérable de la quantité d'informations numériques générées, stockées et mises à disposition pour analyse.
Une fois ces innovations mises en place, les ingénieurs se sont rendu compte qu'au lieu d'apprendre aux ordinateurs et aux machines à tout faire, il serait bien plus efficace de les programmer pour qu'ils pensent comme des êtres humains, puis de les connecter à Internet pour leur donner accès à toutes les informations du monde.
Les réseaux de neurones
Le développement des réseaux neuronaux a été essentiel pour apprendre aux ordinateurs à penser et à comprendre le monde comme nous le faisons, tout en conservant les avantages innés qu'ils possèdent sur nous, tels que la vitesse, la précision et l'absence de biais.
Un réseau neuronal est un système informatique conçu pour fonctionner en classant les informations de la même manière qu'un cerveau humain. Il peut être entraîné à reconnaître, par exemple, des images et à les classer selon les éléments qu'elles contiennent.
Ce système fonctionne essentiellement selon un modèle probabiliste : à partir des données qui lui sont fournies, il est capable de formuler des affirmations, de prendre des décisions ou de faire des prédictions avec un certain degré de certitude. L’ajout d’une boucle de rétroaction lui permet d’« apprendre » : en étant informé de la justesse ou de l’erreur de ses décisions, il ajuste son approche pour les décisions futures.
Les applications d'apprentissage automatique peuvent analyser un texte et déterminer si son auteur exprime une plainte ou des félicitations. Elles peuvent également écouter un morceau de musique, évaluer son potentiel émotionnel (joie ou tristesse) et proposer des morceaux similaires. Dans certains cas, elles peuvent même composer leur propre musique sur les mêmes thèmes, ou des morceaux susceptibles de plaire aux amateurs de l'œuvre originale.
Ce sont là autant de possibilités offertes par les systèmes basés sur l'apprentissage automatique et les réseaux neuronaux. Grâce notamment à la science-fiction, l'idée a également émergé que nous devrions pouvoir communiquer et interagir avec les appareils électroniques et les informations numériques aussi naturellement qu'avec un autre être humain. À cette fin, un autre domaine de l'IA – le traitement automatique du langage naturel (TALN) – est devenu une source d'innovations extrêmement prometteuses ces dernières années, et repose en grande partie sur l'apprentissage automatique.
Les applications de traitement automatique du langage naturel (TALN) visent à comprendre la communication humaine naturelle, qu'elle soit écrite ou orale, et à communiquer avec nous en utilisant un langage naturel similaire. L'apprentissage automatique est ici utilisé pour aider les machines à comprendre les nombreuses nuances du langage humain et à apprendre à répondre de manière à être comprises par un public donné.
Un cas de stratégie de marque ?
L'intelligence artificielle, et plus particulièrement l'apprentissage automatique aujourd'hui, a indéniablement beaucoup à offrir. Promettant d'automatiser les tâches répétitives et d'apporter des idées novatrices, elle profite à des secteurs d'activité aussi divers que la banque, la santé et l'industrie manufacturière. Il est donc important de rappeler que l'IA et l'apprentissage automatique sont avant tout des produits commercialisés, de manière régulière et lucrative.
L'apprentissage automatique a incontestablement été perçu comme une opportunité par les spécialistes du marketing. Après une longue période d'existence de l'IA, il est possible qu'elle ait commencé à être considérée comme dépassée, avant même que son potentiel ne soit pleinement exploité. Le chemin vers la « révolution de l'IA » a connu quelques faux départs, et le terme « apprentissage automatique » offre sans aucun doute aux spécialistes du marketing une approche novatrice, attrayante et, surtout, résolument ancrée dans le présent.
L'idée que nous développerons un jour une IA semblable à l'humain a souvent été considérée comme une fatalité par les technologues. Aujourd'hui, nous n'avons jamais été aussi proches de cet objectif et nous progressons à un rythme toujours plus soutenu. Les progrès remarquables de ces dernières années sont en grande partie dus aux changements fondamentaux que l'apprentissage automatique a induits dans notre conception du fonctionnement de l'IA. J'espère que cet article aura permis à certains de mieux comprendre la différence entre IA et apprentissage automatique.
_____
by Bernard Marr
Source: forbes.com
