Les réseaux neuronaux sont une percée majeure en informatique qui permet des avancées fulgurantes dans d’autres domaines. Cependant ils ne concernent pas uniquement l’informatique mais tout type de société. Attention, cela commence à décoiffer.
Comment fonctionnent les réseaux neuronaux en informatique ?
Techniquement, ils ne peuvent pas être abordés sans manier des outils mathématiques assez complexes. Néanmoins, sans rentrer dans la technique, il est important de comprendre en quoi les réseaux neuronaux sont révolutionnaires par rapport aux programmes traditionnels.
Les programmes traditionnels
Les programmes traditionnels fonctionnent de manière séquentielle, en traitant les informations les unes après les autres, de façon séquentielle, jusqu’au traitement complet de toutes les données disponibles. Quand les données sont nombreuses et complexes, cette façon de faire devient trop lente et se perd dans les détails.
vague d’acier – merci de m’envoyer un message via le formulaire de contact si vous savez où a été prise cette photo
Le problème du voyageur de commerce
Prenons un exemple de problème difficile pour un programme traditionnel. Supposons un voyageur de commerce devant visiter 10 villes en utilisant le chemin le plus court. C’est très simple si on regarde sur une carte. Mais un programme travaillant séquentiellement sera inévitablement lent parce qu’il aura 181440 possibilités à examiner (Howard BLOOM, le principe de Lucifer).
Les particularités du réseaux neuronal
En revanche, pour un réseau neuronal, analyser ce problème rapidement, c’est possible. En effet, au lieu de traiter les informations de façon séquentielle, les réseaux neuronaux sont conçus comme des toiles d’araignées. Chaque neurone (chaque nœud) se voit attribuer un poids. S’il valide l’hypothèse, son poids (il s’agit une valeur numérique) se renforce (la valeur numérique augmente). Dans le cas inverse, le nœud perd de la valeur.
Cette toile peut traiter de l’information en parallèle. Et pour ce genre de problèmes complexes, les réseaux neuronaux sont donc infiniment plus rapides.
Une autre différence fondamentale des réseaux neuronaux par rapport aux techniques analytiques traditionnelles est leur capacité, à partir de données brutes et compliquées, à trouver des relations statistiques qui lient ces données, à leur donner du sens. Dès lors, le corollaire, c’est qu’une fois qu’ils ont trouvé ces relations statistiques, les réseaux neuronaux peuvent également prévoir des données qui ne faisaient pas partie des données de départ.
Réseaux neuronaux – merci de m’envoyer un message via le formulaire de contact si vous savez où a été prise cette photo
1997 – Deep Blue contre Garry Kasparov
Qui se souvient encore, la victoire de Deep Blue contre Garry Kasparov en 1997 ? L’ordinateur qui a battu Kasparov était un superordinateur doté de milliers de processeurs fonctionnant en parallèle. Sur le site d’IBM, on réalise la force de frappe du supercalculateur :
The odds of Deep Blue winning were not certain, but the science was solid. The IBMers knew their machine could explore up to 200 million possible chess positions per second. The chess grandmaster won the first game. Then, Deep Blue took the next one, and the two players drew the three following games. Game 6 ended the match with a crushing defeat of the champion by Deep Blue.
Traduction :
Les chances d’une victoire de Deep Blue n’étaient pas certaines mais la science était robuste. Les gens d’IBM savaient que leur machine pouvait explorer jusqu’à 200 million de positions par secondes. Le grand-maître gagna la première partie. Deep Blue prit la seconde et les deux joueurs égalisèrent dans les trois parties suivantes. La sixième partie se solda par une défaite cuisante du champion par Deep Blue.
Autrement dit, la machine a pu gagner par la force brute de décoffrage du supercalculateur. Alors, on se tourna vers le dernier rempart dans les jeux intellectuels où l’homme domine : le jeu de go. Ce que le jeu de go a de remarquable, c’est que le nombre de positions à examiner est pratiquement infini :
Le nombre de configurations possibles sur le plateau dépasse même le nombre d’atomes dans l’univers.
Même avec la puissance de frappe d’un supercalculateur, la machine ne constituait pas un adversaire redoutable. Car la puissance de calcul se perdait vite dans le nombre de combinaisons presque infini. L’homme allait garder sa suprématie grâce à son intuition pour encore presque 20 ans de plus.
Arc de triomphe – Paris
Le champion du monde de go Lee Sedol contre AlphaGo
Début 2016, le dernier rempart de suprématie humaine dans les jeux intellectuels finit par voler en éclat. Grâce à la technologie des réseaux neuronaux, l’ordinateur de Google, “AlphaGo” défait le champion du monde de go, Lee Sedol dans un match en 5 manches.
Comme l’indique Etienne Vermeersch, sur le site du vif.be :
La percée réside dans le fait que l’ordinateur a été capable d’apprendre le jeu par lui-même. Oubliez tout le reste. Ceci est la nouvelle la plus importante de cette année, car à partir de maintenant, nous avons un système capable de résoudre des problèmes phénoménalement difficiles. Et l’ordinateur l’apprend tout seul.
Dernières percées des programmes de réseaux neuronaux IT
29-06-2015 : Une intelligence artificielle de Google capable de discuter du sens de la vie. Avec encore quelques incohérences et sans conscience évidemment, un programme de Google apprend à parler des choses philosophiques, avec des résultats prometteurs.