[sciences] Des cerveaux numériques de plus en plus intelligents : le deep learning

Le « machine learning » et le « deep learning » désignent des évolutions plus ou moins récentes du vaste champ d’étude que représente l’intelligence artificiel. Celle-ci est née dans les années 50 par la volonté de l’homme de lui faciliter la vie, en apprenant et progressant par elle-même. Et depuis un demi-siècle, l’I.A. a bien appris, au point de battre sans grandes difficultés son propre créateur.  

La machine qui apprenait toute seule

Apprendre et analyser des notions, tester, échouer et comprendre ses erreurs pour s’améliorer : c’est la base de tout apprentissage un tant soit peu efficace. Il était tentant d’appliquer ce principe à l’intelligence artificielle, afin de permettre à un robot, ou plus simplement un banal ordinateur, d’être capable traiter des masses de données et de proposer des solutions puissamment étudiées et constamment actualisées. Ce fut fait au siècle précédent, et développer sous le nom de « machine learning », ou dans la langue de Molière « apprentissage automatique ».

Mais le machine learning souffrait jusqu’ici d’un manque de matières premières : les données. Depuis quelques années, l’avènement des fameuses « big datas », dont tout le monde parlait mais dont on ne savait pas trop quoi faire, a prodigué un prodigieux souffle de vie au machine learning. Historiques de navigation, réseaux sociaux, les données numériques ne manquent pas. Et le machine learning intéresse de plus en plus les entreprises : comprendre au jour le jour un marché économique et ajuster son business model, c’est forcément alléchant. Durant les six derniers mois de l’année 2016, le nombre de startups française utilisant le machine learning a augmenté de 47%.

Deep learning, le cerveau artificiel

Encore plus puissant et profond que le machine learning, il existe le bien-nommé « deep learning ». Complexe, ce champ d’études né dans les années 80 repousse encore plus loin les capacités d’intelligence artificielle. Il s’agit littéralement d’imiter le cerveau humain grâce aux « réseaux de neurones », des programmes calqués sur l’intelligence humaine. Différentes couches de neurones permettent à une machine de percevoir, analyser et décider – toute seule. En pratique courante, cela s’applique à la reconnaissance visuelle et vocale.

De manière moins banale, il y a AlphaGo. Conçu par Google, ce programme est destiné à battre toute forme d’intelligence, humaine ou non, au jeu asiatique du go. Il ne cherche pas à calculer les combinaisons possibles (quasi innombrables), mais utilise son expérience acquise au cours de ses milliers de parties précédentes pour mettre en œuvre de nouvelles stratégies. Et le deep learning fonctionne. En mars dernier, AlphaGo a balayé le champion du monde en titre 4 parties à 1. Une prouesse inédite.

Le deep learning est-il une menace pour son créateur ? Pour l’instant, non. A part dominer son domaine ultra-spécifique, AlphaGo ne brille pas encore en géo-politique. Plusieurs (centaines ?) d’années séparent donc encore du spectre d’une guerre ex machina. Selon Yoshua Bengio, l’un des maîtres du deep learning, « Nous serions déjà époustouflés de pouvoir créer une machine aussi intelligente qu'une souris ».