Machine learning : des robots bien éduqués

Par Xiaoqi Xu, doctorante à l’Institut interdisciplinaire d’intelligence artificielle de Toulouse (ANITI - Artificial and Natural Intelligence Toulouse Institute) à l'ISAE-SUPAERO

Le machine learning, ou apprentissage automatique, est un sous-domaine de l’intelligence artificielle. Ce terme désigne un ensemble de techniques qui consistent à apprendre aux machines à réaliser une tâche à partir de données reçues et analysées.

L’apprentissage automatique : un régime riche en données

Imaginons une grosse machine qui se nourrit de données et fournit une réponse en sortie... Plus la machine consomme des données, meilleure en sera la réponse. Différentes méthodes de machine learning sont utilisées en fonction du type de données avec lesquelles la machine est nourrie.

Les données peuvent être « étiquetées », c’est-à-dire que leurs caractéristiques sont précisées à la machine. Comme si on lui proposait de consommer des pots de confiture étiquetés, pas de surprise sur la saveur. Dans ce cas, il s’agit d’un apprentissage supervisé.

Lorsque les données ne sont pas « étiquetées », la machine cherche toute seule ce qui les caractérise. La machine doit deviner le parfum de la confiture dégustée, plutôt fraise ou abricot ? Il s’agit d’un apprentissage non supervisé.

Une autre méthode d’apprentissage s’inspire de celle utilisée avec les animaux. C’est le reinforcement learning ou « apprentissage par renforcement ». La machine autonome fait de multiples essais. À chaque fois, en fonction des actions effectuées, elle reçoit une récompense ou une punition de l’environnement avec lequel elle interagit. Elle est programmée pour maximiser sa récompense au cours du temps et mieux guider ses décisions dans le futur afin d’atteindre son but final.

Application quotidienne : les recommandations basées sur la collecte de données personnelles

Le machine learning a déjà de nombreuses applications concrètes et quotidiennes. Il permet aux voitures autonomes de se déplacer sans danger, en ayant intégré la masse d’informations essentielles pour leur bonne circulation. Le principe est le même pour les robots aspirateurs passant dans les moindres recoins d’une maison pour faire le ménage sans intervention humaine.

Les assistants numériques, comme Apple Siri ou Amazon Alexa, l’utilisent également pour répondre à vos commandes vocales, à partir d’une base de mots, phrases et autres formulations ingérées.

YouTube, Netflix ou Amazon s’en servent pour recommander des produits sur la page d’accueil de nos comptes. Pour cibler ce qui est susceptible de nous intéresser, des systèmes récoltent et traitent un grand nombre d’informations et s’appuient sur l’historique de nos données personnelles. Ces recommandations personnalisées peuvent orienter les choix des clients dans leur navigation et augmenter considérablement le revenu des entreprises qui les utilisent. 

L'IA, tête pensante pour des problèmes mathématiques

Loin de la vie quotidienne, le machine learning trouve des applications dans de nombreux domaines scientifiques. Il a récemment permis de résoudre des problèmes mathématiques dans le domaine de la théorie des nœuds et de la théorie des représentations, en engrangeant et traitant une quantité de données complexes.

DeepMind, l’entreprise spécialisée dans l'intelligence artificielle appartenant à Google, a développé AlphaFold, un logiciel permettant de prédire la structure des protéines à partir de leurs séquences en acides aminés. Cette procédure était auparavant très longue et très coûteuse à mener en laboratoire. La mise en ligne gratuite de cet outil puissant pourrait accélérer des recherches en biologie et pharmaceutique.

Le machine learning est également utilisé par des gouvernements, institutions et entreprises pour prendre des décisions. Manquant de main d’œuvre pour réaliser des tests Covid, la Grèce l’a utilisé pour décider quels voyageurs entrant dans le pays devraient faire un test PCR. Le jour où la sélection des CV se fera par le machine learning n’est plus si loin. De nombreuses start-ups y travaillent.

Les possibilités qu’offre l’apprentissage automatique sont infinies, à l’image des données que les machines ingurgitent.

Illustration de Cyril Hermosilla