INTELLIGENCE ARTIFICIELLE VS MACHINE LEARNING VS DEEP LEARNING

On entend aujourd’hui parler des termes intelligence artificielle, machine learning ou

encore de deep learning. Néanmoins ces termes sont généralement confondus or ils ont
une signification bien distincte. Nous verrons les spécificités de chacun de ces termes.
En réalité, la discipline mère est l’intelligence artificielle. Le machine learning et le deep
learning ne sont que des niveaux différents de cette discipline mère. Nous préfèrerons le
terme niveau au terme domaine qui établit une trop grande différence.

On peut définir l’intelligence artificielle comme l’ensemble des théories et techniques

mise en œuvre en vue de réaliser des machines capables de simuler le comportement
humain. Ainsi dès que l’on essai d’imiter un comportement humain à l’aide d’une machine
c’est de l’intelligence artificielle. Une aussi large gamme de problèmes conduit
inévitablement à une gamme encore plus large de solutions et techniques possible pour les
résoudre.
En intelligence artificielle, on s’appuie sur des règles et procédures (algorithme)
directement inculqués par le programmeur lui-même. Aucun apprentissage n’est
nécessaire. Prenons par exemple le jeu du morpion ou les jeux vidéo qui utilisent un
algorithme appelé algorithme à étoile. Cette approche déterministe est très facile à
mettre en œuvre mais elle est très limitée et beaucoup de problèmes ne peuvent être
résolu par ces méthodes de conception d’algorithme traditionnel. Par exemple il est
impossible d’écrire un algorithme traditionnel capable de reconnaitre des formes
complexes comme des visages. C’est là que les algorithmes de machine learning entre en
jeu.

Les algorithmes de machine learning qui sont une sous-catégorie des algorithmes
d’intelligence artificielle vont se baser sur des exemples qu’on leur aura donné lors d’une
phase d’apprentissage pour résoudre les problèmes qu’on leur pose. Il existe toutefois un
type particulier d’algorithme de machine learning : les algorithmes de deep learning.
Les algorithmes de deep learning sont particulièrement efficace là où tous les autres
algorithmes ont échoué. Ainsi toutes les avancé majeure observées ces dernières années
sont réalisées grâce aux algorithmes de deep learning. Ces algorithmes sont efficaces là
où le cerveau lui-même est efficace comme dans la reconnaissance d’objet à l’aide d’image
ou la transcription de discussion orale en texte. Ces algorithmes fonctionnent en simulant
des réseaux de neurones artificiels imitant ainsi le principe du cerveau humain. Il en existe
de plusieurs types chacun adapté à des cas particuliers d’utilisation :
Réseaux convolutionnels très efficace à tout ce qui touche à la vision
Réseaux récurrents transcription de parole en texte
Réseaux dit gan capable d’inventer des images à la manière d’un peintre