Selon les experts , l'apprentissage automatique est l'avenir. Alors que les gens deviennent de plus en plus dépendants des voitures et des gadgets, une révolution technologique mondiale est à venir, grâce à laquelle de nouvelles professions apparaîtront et les anciennes disparaîtront. À cet égard, notre équipe a préparé une petite étude à ce sujet.
Histoire
En 1959, Arthur Samuel, un chercheur en intelligence artificielle, a inventé le terme d'apprentissage automatique. Il a inventé le premier programme d'auto-apprentissage de vérificateurs informatiques. Samuel a défini l'apprentissage automatique comme le processus par lequel les ordinateurs sont capables de présenter des comportements qui n'y étaient pas initialement programmés.
Ci-dessous, nous examinerons d'autres dates importantes de l'histoire de l'apprentissage automatique:
1946: L'ordinateur ENIAC est apparu - un projet top secret de l'armée américaine.
1950: Alan Turing crée le "Turing Test" pour mesurer l'intelligence d'un ordinateur.
1958: Frank Rosenblatt invente le Perceptron , le premier réseau neuronal artificiel, et construit le premier ordinateur cérébral, le Mark 1.
1959: Marvin Minsky construit la première machine SNARC avec un réseau neuronal à couplage aléatoire.
1967: Un algorithme de classification des données métriques est écrit. L'algorithme permettait aux ordinateurs d'appliquer des modèles de reconnaissance simples.
1985: Terry Seinovski crée NetTalk, un réseau de neurones artificiels.
1997: L'ordinateur Deep Blue bat le champion du monde, Garry Kasparov, aux échecs.
2006: Geoffrey Hinton, un scientifique dans le domaine des réseaux de neurones artificiels, a inventé le terme «Deep learning».
2011: Andrew Ang et Jeff Dean ont fondé Google Brain .
2012: Google X Lab a développé un algorithme pour identifier les vidéos montrant des chats :)
2012: Google lance le service cloud de l' API Google Prediction pour l'apprentissage automatique. Il vous aide à analyser les données non structurées.
2014: Facebook invente DeepFace pour la reconnaissance faciale. La précision de l'algorithme est de 97%.
2015: Amazon lance sa propre plateforme d'apprentissage automatique - Amazon Machine Learning.
2015: Microsoft crée la plateforme Distributed Learning Machine Toolkit pour l'apprentissage automatique décentralisé.
2020: Les technologies d'intelligence artificielle sont utilisées dans presque tous les logiciels.
Image: Unsplash
Où le machine learning est-il appliqué actuellement?
Éducation. Grâce à l'introduction de l'intelligence artificielle, les développeurs ont créé des systèmes d' apprentissage qui simulent le comportement des enseignants. Ils peuvent identifier le niveau de connaissance des élèves, analyser leurs réponses, donner des notes et même définir un plan d'apprentissage personnel.
Par exemple, AutoTutor enseigne aux étudiants les compétences informatiques, la physique et la pensée critique. Knewton prend en compte les caractéristiques d'apprentissage de chaque élève et développe un programme unique pour lui. L'US Air Force utilise le système SHERLOCK pour former les pilotes à détecter les problèmes techniques dans les avions.
Moteurs de recherche.Les moteurs de recherche utilisent l'apprentissage automatique pour améliorer leurs fonctionnalités. Par exemple, Google a mis en œuvre l'apprentissage automatique dans la reconnaissance vocale et la recherche d'images. En 2019, Google a lancé Teachable Machine 2.0 , un réseau de neurones à auto-apprentissage capable de reconnaître les sons de la parole, l'intonation et la posture. À l'aide d'une webcam et d'un microphone, l'utilisateur forme les réseaux de neurones sans écrire de code et les exporte vers des applications, des médias ou des sites Web tiers.
Le marketing numérique.L'apprentissage automatique dans ce domaine permet une personnalisation approfondie du client. Ainsi, les entreprises peuvent interagir avec le client à un niveau personnel, se rapprochant de lui. Grâce à des algorithmes de segmentation sophistiqués, la machine se concentre sur le «bon client au bon moment» pour vendre efficacement les produits. De plus, avec les bonnes données clients, les entreprises disposent d'informations qui peuvent être utilisées pour étudier leur comportement et leurs réactions.
Par exemple, Nova utilise l'apprentissage automatique pour écrire des newsletters par e-mail aux clients, tout en personnalisant les e-mails. La machine sait quels e-mails avaient auparavant des conversions élevées et suggère en conséquence des modifications des mailings pour de meilleures ventes.
Soins de santé. IBM a le développementWatson . C'est un supercalculateur d'apprentissage automatique pour la recherche médicale. La technologie Watson for Oncology traite une grande quantité de données médicales, y compris des images permettant de diagnostiquer avec précision le cancer. Watson for Oncology est maintenant utilisé dans les hôpitaux de New York, Bangkok et Inde. En juillet 2016, IBM a commencé à coopérer avec les 16 centres médicaux et les startups technologiques pour accélérer le développement de programmes de diagnostic précis.
Production
L'avenir de la technologie est l'apprentissage automatique. Au cours de la prochaine décennie, l'apprentissage automatique sera un avantage concurrentiel non seulement pour les grandes entreprises, mais également pour les startups prometteuses. Ce qui est fait à la main aujourd'hui sera fait par des machines demain. Il faut ajouter que les algorithmes d'apprentissage automatique ne seront pas seulement utilisés dans les affaires et l'économie, mais feront également partie de la vie quotidienne (reconnaissance des commandes vocales pour une maison intelligente ).
Aujourd'hui, l'apprentissage automatique prend de nouvelles formes et est en constante évolution. L'apprentissage automatique repose sur le concept que les ordinateurs peuvent apprendre. Ceux. ils peuvent faire des choses pour lesquelles ils n'étaient pas initialement programmés.
Pour le moment, les chercheurs en intelligence artificielle veulent tester si les ordinateurs peuvent tirer des leçons des données. L'aspect interactif de l'apprentissage automatique est important car les machines sont capables d'apprendre et de s'adapter en permanence par elles-mêmes. Les ordinateurs apprennent des calculs et des mesures antérieurs pour fournir des solutions et des résultats fiables et efficaces pour un avenir meilleur.