Fondements de l’IA
L’IA moderne repose sur une fondation de science des données et de Machine Learning. L’objectif principal de l’IA est d’utiliser des machines pour des fonctionnalités généralement associées à l’homme. Examinons les concepts de la science des données qui prennent en charge la fondation de l’IA.
Qu’est-ce que la science des données ?
La science des données est un domaine interdisciplinaire dont l’objectif est de réaliser l’IA. Elle utilise principalement le Machine Learning et les techniques de statistiques. Dans la plupart des cas, les scientifiques des données sont les experts chargés de résoudre les problèmes d’IA.
Qu’est-ce que le Machine Learning ?
Le Machine Learning est une technique où une machine passe au crible de vastes quantités de données pour trouver des modèles. Cette technique est fréquemment utilisée à des fins d’IA. Le machine learning utilise des algorithmes qui entraînent une machine à apprendre des modèles en fonction de caractéristiques différenciatrices sur les données. Plus il y a de données d’entraînement, plus les prédictions sont justes.
Voici quelques exemples :
- Détection de courrier indésirable par e-mail : le Machine Learning peut rechercher des modèles dans lesquels les e-mails ont des mots tels que « gratuit » ou « garantie », le domaine d’adresses e-mail figure sur une liste bloquée ou un lien affiché dans du texte ne correspond pas à l’URL qui se trouve derrière.
- Détection de la fraude par carte de crédit : le Machine Learning peut rechercher des modèles, par exemple des dépenses associées à un code postal où le propriétaire n’a pas l’habitude de se rendre, un achat très onéreux ou une soudaine frénésie de dépenses.
Qu’est-ce que le Deep Learning ?
Le Deep Learning est un sous-ensemble du Machine Learning. Le Deep Learning consiste à imiter la façon dont le cerveau humain traite les informations, à la manière d’un réseau neuronal artificiel connecté. Contrairement au machine learning, le deep learning peut découvrir par lui-même des modèles complexes et des caractéristiques différenciatrices. Il travaille normalement avec des données non structurées comme des images, du texte et de l’audio. Elle nécessite d’énormes quantités de données pour effectuer de meilleures analyses et une importante puissance de calcul pour travailler rapidement.
Par instance, le Deep Learning peut être utilisé pour détecter les cellules cancéreuses dans des images médicales. Le deep learning parcourt chaque pixel de l’image et l’utilise comme entrée des nœuds neuronaux. Les nœuds analysent chaque pixel pour filtrer les caractéristiques qui paraissent cancéreuses. Chaque couche de nœuds passe ses découvertes de cellules potentiellement cancéreuses à la couche de nœuds suivante pour répéter le processus et pour regrouper au final toutes ses découvertes de façon à classifier le contenu de l’image. Par exemple, l’image peut être classée comme une image saine ou une image avec des caractéristiques cancéreuses.
Explorons ensuite quatre catégories d’outils Microsoft que vous pouvez utiliser pour ajouter l’IA dans votre entreprise.