Un réseau neuronal est un algorithme qui permet à un ordinateur d’apprendre. Le principe et assez simple et s’inspire du fonctionnement de nos cerveaux. L’idée est d’entraîner littéralement la machine à faire une tache en lui disant comment la faire et si le résultat est correct, avant de lui demander de le faire toute seule. Par exemple, pour faire de la reconnaissance de formes, d’objets ou de visages, l’idée est de donner à la machine les moyens pour différencier les visages entre eux. Ensuite il faut lui donner des images du visage à reconnaître et d’autres qui ne le représentent pas pour que la machine puisse, au bout de centaines d’exemples, reconnaître les caractéristiques d’une image qui représente l’objet.
Ensuite, quand une image sera présentée à l’algorithme, la machine n’aura qu’à vérifier si celle-ci présente bien les caractéristiques d’une image représentant tel ou tel objet (ou visage).
Les réseaux neuronaux permettent donc à Google d’améliorer ses services avec le temps et l’expérience. Par exemple, le moteur de recherche de Google apprend littéralement à vous connaître pour mieux comprendre ce que vous cherchez et vous proposer des résultats plus adaptés à votre personne. Un système similaire est surement en place pour la pub.
Lors de la dernière Goolge I/O, c’est l’application photo de Google qui avait fait parler d’elle, car elle s’était révélée particulièrement précise. Un journaliste de Wired présent lors de cette conférence rapporte avoir pu chercher “pierre tombale” dans la barre de recherche de l’application et que cette dernière avait pu lui montrer une photo de l’enterrement de son oncle sur laquelle était effectivement présente une pierre tombale. Ce même journaliste indiquait alors que même si le système n’était pas parfait, il était possible de chercher un grand nombre d’objets et que le moteur était extrêmement puissant.
Derrière toutes ces technologies se trouve TensorFlow, un regroupement d’algorithmes à la base de beaucoup de services de la Firme de Mountain View. Et nombreux étaient ceux qui espéraient que l’entreprise propose une utilisation commerciale de cette technologie, l’accès à cette dernière permettrait à bon nombre d’entreprises d’améliorer leurs services. Car si Google est un tel géant aujourd’hui, c’est qu’il propose les logiciels les plus avancés du marché en association avec les infrastructures les plus puissantes.
Et hier, Google est allé beaucoup plus loin que ça en proposant TensorFlow en libre accès et sous licence Apache 2, signifiant que chacun peut utiliser et modifier le code comme il le souhaite. Bien sûr, Google garde un peu d’avance en ne mettant pas en ligne une version du code qui permet d’exécuter ces algorithmes sur plusieurs machines à la fois, cependant tant que vous restez sur une seule machine, il n’y a pas de limite de nombre de cœur ou de nombre de CPU.
Selon Jeff Dean, un des principaux ingénieurs de Google s’est exprimé sur les raisons qui ont poussé l’entreprise à rendre public une partie de son code :
“Ce que nous espérons c’est que la communauté va adopter [TensorFlow] comme un bon moyen d’apprentissage pour les machines dans de nombreux cas et qu’elle va contribuer à construire et à améliorer [TensorFlow] de plein de façons différentes.”
Google a aussi fait ce choix, car c’est ainsi que fonctionne la recherche dans ce milieu. Bon nombre d’avancées sont faites par des universitaires (dont un certain nombre terminent dans les bureaux de Google) et l’émulation collective permet une avancée rapide, tout le monde partageant ses idées avec les autres.
Google n’est pas le premier géant du Web à mettre en ligne son travail de cette manière, mais si cela fait autant de bruit, c’est au regard de l’avance qu’a Google dans le secteur. Entre 5 et 7 ans selon les dires du patron de la startup Skymind, rapportés par Wired.
Si vous voulez jeter un coup d’œil au code, tout est disponible sur le site tensorflow.org géré par Google. Les librairies sont disponibles pour le C++ et pour le python. Google met aussi en ligne des idées d’utilisation, des tuto et des aides pour que vous puissiez utiliser le plus facilement possible cette technologie.
🟣 Pour ne manquer aucune news sur le Journal du Geek, abonnez-vous sur Google Actualités. Et si vous nous adorez, on a une newsletter tous les matins.
Le jour un traducteur ou un correcteur orthographique nous sortira quelque chose de parfait en français, ce jour là, ou pourra parler d’intelligence artificielle. Pour le moment, ce n’est que du flan.
Machine learning != Artificial Intelligence.
Et ici on parle de Machine Learning. Il s’agit bien de deux choses différentes qui ont à peu prêt autant de choses en commun qu’un orang-outan en a avec un manchot empereur.
Sinon, côté technique, rien de révolutionnaire ni de nouveau. Torch/Caffe (https://github.com/torch/torch7 ; http://caffe.berkeleyvision.org) font exactement la même chose, open source, et depuis longtemps.
Bref, pour le hype, le buzz et le new, faudra repasser.
Juste comme ça, quand vous parlez de Library C++, ça se traduit par Bibliothèques (pas librairies).