AI, ML et DL : déverrouiller les jargons
Chatty & gregarious, you can find her with her baby plants when not with her marketing team.
L’intelligence artificielle, l’apprentissage automatique et l’apprentissage en profondeur ont apporté des contributions importantes au monde moderne dans lequel nous vivons. Certaines de ses applications que nous utilisons quotidiennement auraient pu être inconcevables pour l’humanité à un moment donné. Des soins de santé aux voitures autonomes, tout semble possible avec ce trio. Nous vivons une époque passionnante.
L’objectif de l’IA était d’amener les ordinateurs à effectuer des tâches qui nécessitaient de l’intelligence . L’IA a résolu des problèmes en utilisant de nombreuses techniques, dont l’apprentissage automatique. Lorsque les chercheurs ont découvert qu’il y avait certains problèmes que l’IA ne pouvait pas résoudre, la solution n’était pas de copier le comportement humain (ce que faisait l’IA), mais de copier la façon dont les humains pensent et apprennent quelque chose.
Les humains consomment beaucoup de données et en tirent des enseignements, ce qui est exactement ce que fait le ML. L’algorithme ML est alimenté en données qu’il traite pour trouver une solution. Même si les algorithmes ML sont devenus plus intelligents, certaines choses lui étaient encore difficiles. L’étape suivante consistait à copier le fonctionnement du cerveau humain – les réseaux de neurones. C’est ce que fait Deep Learning, essayer de copier le cerveau humain dans toute sa splendeur. Bien que nous n’ayons pas encore été en mesure d’imiter pleinement le cerveau humain, nous avançons et résolvons des problèmes difficiles.
Deep Learning est un sous-ensemble de Machine Learning, qui est un sous-ensemble de l’IA.
Notre infographie vous facilitera grandement la tâche. Allez-y, téléchargez et donnez une lecture.
