How does artificial intelligence learn? - Briana Brownell

Traducteur: Claire Ghyselen Relecteur: eric vautier

Today, artificial intelligence helps doctors diagnose patients,

Aujourd’hui,

l’intelligence artificielle épaule les médecins pour poser des diagnostics,

pilots fly commercial aircraft, and city planners predict traffic.

les pilotes pour faire voler leurs avions et les urbanistes pour prédire le trafic.

But no matter what these AIs are doing, the computer scientists who designed them

Quoi que fassent ces IA, les informaticiens qui les ont conçues

likely don’t know exactly how they’re doing it.

ignorent comment elles fonctionnent.

This is because artificial intelligence is often self-taught,

La raison est que l’intelligence artificielle apprend par elle-même,

working off a simple set of instructions

partant d’un ensemble simple d’instructions

to create a unique array of rules and strategies.

pour créer une multitude de règles et de stratégies.

So how exactly does a machine learn?

Comment apprend une machine ?

There are many different ways to build self-teaching programs.

Il a beaucoup de façons d’écrire des programmes d’auto-apprentissage,

But they all rely on the three basic types of machine learning:

mais elles sont fondées sur trois façons simples d’apprentissage machine.

unsupervised learning, supervised learning, and reinforcement learning.

L’apprentissage machine non supervisé, supervisé et par renforcement.

To see these in action,

Pour voir comment cela fonctionne,

let’s imagine researchers are trying to pull information

imaginons des chercheurs qui tentent d’extraire des informations

from a set of medical data containing thousands of patient profiles.

d’un set de données médicales issues de milliers de patients.

First up, unsupervised learning.

Commençons avec l’apprentissage non supervisé.

This approach would be ideal for analyzing all the profiles

Cette approche est idéale pour analyser tous les profils

to find general similarities and useful patterns.

et trouver des similitudes et des tendances utiles.

Maybe certain patients have similar disease presentations,

Certains patients souffrent de pathologies aux symptômes similaires,

or perhaps a treatment produces specific sets of side effects.

ou certains traitements produisent des sets spécifiques d’effets secondaires.

This broad pattern-seeking approach can be used to identify similarities

Cette approche est utile pour identifier des similitudes

between patient profiles and find emerging patterns,

entre des profils de patients et détecter des tendances

all without human guidance.

sans supervision par l’homme.

But let's imagine doctors are looking for something more specific.

Mais imaginons qu’un médecin cherche quelque chose de plus spécifique.

These physicians want to create an algorithm

Ces médecins ont besoin d’un algorithme

for diagnosing a particular condition.

capable de diagnostiquer un état précis.

They begin by collecting two sets of data—

Ils collectent d’abord un ensemble de données,

medical images and test results from both healthy patients

des images médicales et des résultats de patients sains

and those diagnosed with the condition.

et de patients atteints par la pathologie étudiée.

Then, they input this data into a program

Ensuite, ils encodent ces données dans un algorithme

designed to identify features shared by the sick patients

conçu pour identifier des caractéristiques présentes chez les patients malades

but not the healthy patients.

mais pas chez les personnes saines.

Based on how frequently it sees certain features,

Sur base de la fréquence d’apparition de ces caractéristiques,

the program will assign values to those features’ diagnostic significance,

le programme leur assigne une valeur utile pour poser un diagnostic,

generating an algorithm for diagnosing future patients.

générant ainsi un algorithme capable à l’avenir de poser un diagnostic.

However, unlike unsupervised learning,

Toutefois, contrairement à l’apprentissage non supervisé,

doctors and computer scientists have an active role in what happens next.

les médecins et les informaticiens ont un rôle actif dans l’étape suivante.

Doctors will make the final diagnosis

Les médecins poseront le diagnostic final

and check the accuracy of the algorithm’s prediction.

et vérifieront l’exactitude de la prédiction de l’algorithme.

Then computer scientists can use the updated datasets

Ensuite, les informaticiens utiliseront ces données mises à jour

to adjust the program’s parameters and improve its accuracy.

pour ajuster les paramètres du programme et en améliorer l’exactitude.

This hands-on approach is called supervised learning.

Cette approche est appelée apprentissage supervisé.

Now, let’s say these doctors want to design another algorithm

Imaginons que les médecins souhaitent concevoir un autre algorithme

to recommend treatment plans.

pour faire des recommandations thérapeutiques.

Since these plans will be implemented in stages,

Comme ces traitements seront réalisés par phase,

and they may change depending on each individual's response to treatments,

et qu’ils sont susceptibles de varier selon les réponses des patients aux soins,

the doctors decide to use reinforcement learning.

les médecins décident d’utiliser l’apprentissage par renforcement.

This program uses an iterative approach to gather feedback

C’est une approche itérative qui alimente la machine en retour d’expérience

about which medications, dosages and treatments are most effective.

sur quels médicaments, quels dosages et quels soins sont les plus efficaces.

Then, it compares that data against each patient’s profile

Ensuite, la machine compare ces données avec les profils des patients

to create their unique, optimal treatment plan.

pour concevoir un traitement unique et optimal.

As the treatments progress and the program receives more feedback,

Avec la progression du traitement, la machine obtient des nouvelles données

it can constantly update the plan for each patient.

et elle réalise des mises à jour de chaque traitement individuel.

None of these three techniques are inherently smarter than any other.

Aucune de ces trois techniques n’est intrinsèquement meilleure qu’une autre.

While some require more or less human intervention,

Elles requièrent plus ou moins d’intervention humaine

they all have their own strengths and weaknesses

mais elles ont leurs forces et leurs faiblesses

which makes them best suited for certain tasks.

qui les rendent adaptées à certaines tâches.

However, by using them together,

Mais en combinant leur utilisation,

researchers can build complex AI systems,

les chercheurs peuvent construire des systèmes complexes d’IA

where individual programs can supervise and teach each other.

où des programmes individuels se supervisent

et apprennent l’un de l’autre.

For example, when our unsupervised learning program

Par exemple, si un programme d’apprentissage non supervisé

finds groups of patients that are similar,

trouve une cohorte de patients semblables,

it could send that data to a connected supervised learning program.

il peut envoyer les données à un programme d’apprentissage supervisé connecté.

That program could then incorporate this information into its predictions.

Ce programme peut alors incorporer cette donnée dans ses prédictions.

Or perhaps dozens of reinforcement learning programs

Ou des dizaines de programmes d’apprentissage par renforcement

might simulate potential patient outcomes

peuvent simuler les résultats potentiels d’un patient,

to collect feedback about different treatment plans.

pour collecter des données sur différents traitements.

There are numerous ways to create these machine-learning systems,

Il y a beaucoup de façons de créer un système d’apprentissage machine.

and perhaps the most promising models

Les modèles les plus prometteurs

are those that mimic the relationship between neurons in the brain.

sont ceux qui imitent la relation entre les neurones de notre cerveau.

These artificial neural networks can use millions of connections

Ces réseaux neuronaux artificiels utilisent des millions de liens

to tackle difficult tasks like image recognition, speech recognition,

pour gérer des tâches complexes comme la reconnaissance d’images,

la reconnaissance vocale, et même la traduction.

and even language translation.

However, the more self-directed these models become,

Cependant, plus ces modèles s’auto-gèrent,

the harder it is for computer scientists

plus il est difficile pour les informaticiens

to determine how these self-taught algorithms arrive at their solution.

de déterminer comment ces algorithmes produisent une solution.

Researchers are already looking at ways to make machine learning more transparent.

On cherche des façons de rendre l’apprentissage machine plus transparent.

But as AI becomes more involved in our everyday lives,

Mais alors que l’IA est de plus en plus présente dans nos vies,

these enigmatic decisions have increasingly large impacts

ses décisions énigmatiques ont un impact croissant

on our work, health, and safety.

sur notre travail, notre santé et notre sécurité.

So as machines continue learning to investigate, negotiate and communicate,

Alors que les machines continuent d’apprendre

pour investiguer, négocier et communiquer,

we must also consider how to teach them to teach each other to operate ethically.

nous devons réfléchir

comment leur apprendre à s’apprendre à fonctionner de manière éthique.