[deep learning] les algorithmes prennent des décisions en s'entraînant à reconnaître des modèles profondément enfouis et des corrélations reliant des données dispersées
Alors comment l'apprentissage approfondi (deep learning) fait-il cela ? Fondamentalement, ces algorithmes utilisent des quantités massives de données provenant d'un domaine spécifique pour prendre une décision qui optimise un résultat souhaité. Pour ce faire, ils s'entraînent à reconnaître des modèles et des corrélations profondément enfouis reliant les nombreux points de données au résultat souhaité. Ce processus de recherche de modèles est plus facile lorsque les données sont étiquetées avec ce résultat souhaité – « chat » contre « pas un chat » ; « a cliqué » contre « n'a pas cliqué » ; « a gagné la partie » contre « a perdu la partie ». Elle peut alors s'appuyer sur sa connaissance approfondie de ces corrélations - dont beaucoup sont invisibles ou sans intérêt pour les observateurs humains - pour prendre de meilleures décisions qu'un humain ne pourrait le faire. Pour ce faire, il faut des quantités massives de données pertinentes, un algorithme solide, un domaine restreint et un objectif concret. Si l'un de ces éléments vous fait défaut, tout s'écroule. Trop peu de données ? L'algorithme n'a pas assez d'exemples pour découvrir des corrélations significatives. Un objectif trop vaste ? L'algorithme manque de repères clairs pour l'optimisation. L'apprentissage approfondi est ce qu'on appelle l'intelligence artificielle étroite (narrow AI), qui prend les données d'un domaine spécifique et les applique à l'optimisation d'un résultat spécifique. Bien qu'elle soit impressionnante, elle est encore loin de l' « IA générale », la technologie polyvalente qui peut faire tout ce qu'un humain peut faire. L'application la plus naturelle de l'apprentissage approfondi se trouve dans des domaines comme les assurances et les prêts. Les données pertinentes sur les emprunteurs sont abondantes (cote de crédit, revenus, utilisation récente d'une carte de crédit), et l'objectif d'optimisation est clair (minimiser les taux de défaillance). Si l'on va plus loin, l'apprentissage approfondi permettra aux automobilistes de « voir » le monde qui les entoure, de reconnaître les motifs dans les pixels de l'appareil de prise de vue (octogones rouges), de déterminer à quoi ils correspondent (panneaux d'arrêt) et d'utiliser ces informations pour prendre des décisions (appliquer une pression sur le frein pour s'arrêter lentement) qui optimisent le résultat souhaité (me ramener chez moi en toute sécurité en un minimum de temps). Les gens sont si enthousiastes à propos de l'apprentissage approfondi précisément parce que son pouvoir principal - sa capacité à reconnaître un modèle, à optimiser pour un résultat spécifique, à prendre une décision - peut être appliqué à tant de types différents de problèmes quotidiens.
Exemple
Interprétation
Commentaire
article?

Nous sommes toujours les maîtres de notre destin. La pensée rationnelle, même assistée par n'importe quel ordinateur électronique imaginable, ne peut pas prédire l'avenir. Tout ce qu'elle peut faire, c'est tracer l'espace de probabilité tel qu'il apparaît aujourd'hui et qui sera différent demain lorsque l'un de l'infinité d'états possibles se sera matérialisé. Les inventions technologiques et sociales élargissent sans cesse cet espace de probabilité ; il est aujourd'hui incomparablement plus grand qu'avant la révolution industrielle - pour le bien ou pour le mal.
L'avenir ne peut être prédit, mais les futurs peuvent être inventés.
C'est la capacité de l'homme à inventer qui a fait de la société humaine ce qu'elle est. Les processus mentaux des inventions sont encore mystérieux. Ils sont rationnels mais pas logiques, c'est-à-dire non déductifs.
![[explosion de l'intelligence] La première machine ultra-intelligente est la dernière invention que l'homme doit réaliser](https://s3-us-west-2.amazonaws.com/bluesofy/__sized__/pic/topics/f215219f5bad4c7eb8321d88cde57c36-fit_width_resize_q20-30x0-95.jpg)
![[explosion de l'intelligence] La première machine ultra-intelligente est la dernière invention que l'homme doit réaliser](https://s3-us-west-2.amazonaws.com/bluesofy/__sized__/pic/topics/f215219f5bad4c7eb8321d88cde57c36-fit_width_resize_q75-780x0-95.jpg)
Une machine ultra-intelligente est une machine qui peut dépasser de loin toutes les activités intellectuelles de tout homme, aussi intelligent soit-il. Comme la conception de machines fait partie de ces activités intellectuelles, une machine ultra-intelligente pourrait concevoir des machines encore meilleures ; il y aurait alors incontestablement une « explosion de l'intelligence », et l'intelligence de l'homme serait laissée loin derrière. Ainsi, la première machine ultra-intelligente est la dernière invention que l'homme doit réaliser, à condition que la machine soit suffisamment docile pour nous dire comment la garder sous contrôle.


Les médias sociaux ont donné à chacun un mégaphone virtuel pour diffuser chaque pensée, ainsi que les moyens de filtrer toute opinion contraire [...] Il en résulte un sentiment rampant d'isolement et de vide, qui pousse les gens à glisser, taper et cliquer d'autant plus. La distraction numérique occupe l'esprit, mais ne le nourrit pas, et encore moins la profondeur des sentiments, qui nécessite la résonance de la voix d'autrui dans notre corps et dans notre esprit.
Le paradoxe de Moravec est l'observation faite par les chercheurs en intelligence artificielle et en robotique que, contrairement aux hypothèses ...

Presque toujours, les hommes qui réalisent ces inventions fondamentales d'un nouveau paradigme ont été soit très jeunes, soit très novices dans le domaine dont ils changent le paradigme. Et il n'est peut-être pas nécessaire d'expliciter ce point, car il s'agit évidemment d'hommes qui, étant peu attachés par une pratique préalable aux règles traditionnelles de la science normale, sont particulièrement susceptibles de voir que ces règles ne définissent plus un jeu jouable et de concevoir un autre ensemble qui puisse les remplacer.