Apprentissage profond

Définition

Geoffrey Hinton, de l’Université de Toronto, a inventé le terme « deep learning » en 2006. Ensuite, les médias et les réseaux sociaux s’en sont emparés. L’apprentissage profond est en quelque sorte la nouvelle image de marque des réseaux de neurones.

L’apprentissage profond fait partie d’une famille de méthodes d’apprentissage automatique basée sur des réseaux de neurones artificiels qui comportent plusieurs couches cachées de neurones.

Des architectures d’apprentissage profond, telles que les réseaux de neurones profonds, les réseaux récurrents,les réseaux convolutifsissus des travaux de Yann Lecun, et les réseaux auto-attentifs souvent appelés « transformers », ont été appliquées à divers domaines tels que la vision par ordinateur, la reconnaissance de la parole, le traitement automatique de la langue, la reconnaissance audio, le filtrage des réseaux sociaux, la bioinformatique, la synthèse de médicaments, l’analyse d’images médicales et l’inspection des matériaux. Dans beaucoup de ces domaines, l'apprentissage profond a donné des résultats comparables, voire parfois supérieurs, à ceux d’experts humains.

Par exemple, l’apprentissage profond a permis à un ordinateur de vaincre un champion mondial du jeu de Go, et d’atteindre une qualité qui s’approche de celle de l’humain dans la traduction de textes.

Complément:

L'apprentissage profond peut être supervisé, semi-supervisé, non supervisé ou par renforcement.