10 choses à savoir sur l’apprentissage automatique

En tant que personne qui explique souvent l’apprentissage automatique aux non-professionnels, j’ai rassemblé les dix points suivants comme quelques explications de l’apprentissage automatique.

• #### L’apprentissage automatique signifie apprendre à partir de données, et l’IA est un mot à la mode.

L’apprentissage automatique n’est pas ce que l’on dit: vous pouvez résoudre un nombre incalculable de problèmes en fournissant des données de formation appropriées aux bons algorithmes d’apprentissage. Appelez-le IA si cela vous aide à vendre votre système d’IA. Mais sachez que l’IA n’est qu’un mot à la mode qui ne représente que les attentes des gens.

• #### L’apprentissage automatique est principalement basé sur des données et des algorithmes, mais surtout sur des données.

Il y a beaucoup de choses excitantes à propos des progrès des algorithmes d’apprentissage automatique, en particulier de l’apprentissage en profondeur. Mais les données sont un facteur clé qui rendent l’apprentissage automatique possible. L’apprentissage automatique peut être fait sans des algorithmes complexes, mais pas sans de bonnes données.

• #### 3/ Vous devriez vous en tenir à un modèle simple, sauf si vous avez beaucoup de données.

L’apprentissage automatique forme des modèles en fonction des modèles dans les données, explorant l’espace des modèles possibles définis par les paramètres. Si l’espace des paramètres est trop grand, il s’adapte trop aux données d’entraînement et forme un modèle qui ne peut pas se généraliser. Si cela doit être expliqué en détail, il faut faire plus de calculs mathématiques, et vous devriez prendre cela comme une règle pour rendre votre modèle aussi simple que possible.

• #### La qualité de l’apprentissage automatique est fortement liée à la qualité des données utilisées pour la formation.

Le dicton dit que si vous entrez une pile de déchets dans un ordinateur, la sortie est une pile de données de déchets. Bien que cette phrase soit antérieure à l’apprentissage automatique, c’est précisément la limite clé de l’existence de l’apprentissage automatique.

• #### 5. L’apprentissage automatique ne fonctionne que si les données de formation sont représentatives.

Comme le prévient le prospectus du fonds, les performances passées ne garantissent pas les résultats futurs. L’apprentissage automatique devrait lancer une déclaration de mise en garde similaire: il ne fonctionne que sur la base de données distribuées de la même manière que les données d’entraînement. Il faut donc être attentif aux écarts entre les données d’entraînement et les données de production et répéter régulièrement le modèle d’entraînement pour s’assurer qu’il ne soit pas obsolète.

• #### La plupart du travail de l’apprentissage automatique est la conversion de données.

Avec tout le battage médiatique sur l’apprentissage automatique, vous pourriez penser que l’apprentissage automatique se concentre principalement sur la sélection et l’ajustement d’algorithmes. Mais la réalité est assez banale: la plupart de votre temps et de votre énergie seront consacrés à la nettoyage des données et à l’ingénierie des caractéristiques, c’est-à-dire à la conversion des caractéristiques initiales en caractéristiques qui représentent mieux les données du signal.

• #### L’apprentissage en profondeur est une avancée révolutionnaire, mais pas une panacée.

L’apprentissage en profondeur a été largement annoncé à la suite de l’application et du développement de l’apprentissage automatique dans de nombreux domaines. En outre, l’apprentissage en profondeur a conduit à l’automatisation de certaines tâches traditionnellement effectuées par l’ingénierie des caractéristiques, en particulier pour les données d’images et de vidéos.

• #### 8/ Les systèmes d’apprentissage automatique sont vulnérables aux erreurs des opérateurs.

Les algorithmes d’apprentissage automatique ne tuent pas, les humains tuent. Quand un système d’apprentissage automatique tombe en panne, c’est rarement parce qu’il y a un problème avec l’algorithme d’apprentissage automatique.

• #### L’apprentissage automatique peut créer involontairement une prédiction auto-réalisatrice.

Dans de nombreuses applications de l’apprentissage automatique, les décisions que vous prenez aujourd’hui influencent les données d’entraînement que vous collectez demain. Une fois que le système d’apprentissage automatique a intégré la déviance dans le modèle, il peut continuer à générer de nouvelles données d’entraînement renforcées par la déviance.

• #### 10/ L’IA ne se réveillera pas, ne se déchaînera pas et ne détruira pas l’humanité.

Beaucoup de gens semblent avoir tiré leurs idées sur l’intelligence artificielle des films de science-fiction. Nous devrions être inspirés par la science-fiction, mais nous ne pouvons pas être aussi stupides et confondre la fiction avec la réalité. De l’homme maléfique conscient au modèle d’apprentissage automatique déviant inconscient, il y a trop de réalités et de dangers à craindre.

L’apprentissage automatique est bien plus que les dix points que j’ai mentionnés ci-dessus. J’espère que ces informations d’introduction seront utiles pour les non-professionnels.

Le projet de loi sur l’intelligence artificielle est en cours de révision.