Pour être plus précis ce type de machine est dédié à l’apprentissage automatique Apprentissage_automatique ou machine learning.
Plutôt que de décrire un ensemble de règle à l’ordinateur puis de lui demander de résoudre un problème dans le cadre de ces règles, il s’agit de lui présenter un (grand) nombre de cas et l’ordinateur déduira de lui même ses propres règles de décision à partir de ces cas.
Il s’agit par exemple de lui donner des millions d’images avec une liste des entités se trouvant sur chaque image (phase d’apprentissage), puis on lui présente une nouvelle image qui lui est inconnue et l’ordinateur doit donner les entités qui se trouvent sur l’image (phase de décision). Typiquement ce genre de problèmes est formulé comme un problème d’optimisation continue où on cherche à trouver un minimum (ou plus récemment des point-selles) sur des fonctions très compliquées, par exemple des réseaux de neurones artificiels. La machine de NVIDIA est dédiée à cela, les GPUs étant très performant à faire des multiplications matricielles. Pour info, certains labos français possèdent déjà cette machine.
On est donc très loin de ce qu’on entend dans le grand public comme étant de l’IA ou des concepts qui ont été discutés précédemment dans ce journal. On ne cherche pas à reproduire des capacités cognitives de haut niveau mais des fonctions de perceptions de bas niveau.
Depuis NIPS une des très grandes conférences sur le sujet.
# Apprentissage automatique
Posté par pepie34 . En réponse au journal Un super ordinateur d'IA pour OpenAI. Évalué à 9.
Apprentissage Automatique
Pour être plus précis ce type de machine est dédié à l’apprentissage automatique Apprentissage_automatique ou machine learning.
Plutôt que de décrire un ensemble de règle à l’ordinateur puis de lui demander de résoudre un problème dans le cadre de ces règles, il s’agit de lui présenter un (grand) nombre de cas et l’ordinateur déduira de lui même ses propres règles de décision à partir de ces cas.
Il s’agit par exemple de lui donner des millions d’images avec une liste des entités se trouvant sur chaque image (phase d’apprentissage), puis on lui présente une nouvelle image qui lui est inconnue et l’ordinateur doit donner les entités qui se trouvent sur l’image (phase de décision). Typiquement ce genre de problèmes est formulé comme un problème d’optimisation continue où on cherche à trouver un minimum (ou plus récemment des point-selles) sur des fonctions très compliquées, par exemple des réseaux de neurones artificiels. La machine de NVIDIA est dédiée à cela, les GPUs étant très performant à faire des multiplications matricielles. Pour info, certains labos français possèdent déjà cette machine.
On est donc très loin de ce qu’on entend dans le grand public comme étant de l’IA ou des concepts qui ont été discutés précédemment dans ce journal. On ne cherche pas à reproduire des capacités cognitives de haut niveau mais des fonctions de perceptions de bas niveau.
Depuis NIPS une des très grandes conférences sur le sujet.