COMMENT LES
MACHINES
APPRENNENT ?
Une introduction au Machine Learning
Elo se Berthier, vendredi 8 mars 2019
1
DE QUOI PARLE-T-ON ?
Intelligence articielle (IA/AI)
Machine Learning / Apprentissage automatique
Deep Learning / R seaux de neurones
2
3
PLAN
I. Une histoire dalgorithmes et de donn es
II. Le machine learning
III. Le deep learning
IV. Quelques applications
4
I. UNE HISTOIRE
DALGORITHMES ET DE
DONN ES
5
QUELQUES D FINITIONS
6
LINTELLIGENCE ARTIFICIELLE
la construction de programmes informatiques
qui sadonnent des t ches qui sont, pour
linstant, accomplies de fa on plus
satisfaisante par des tres humains car elles
demandent des processus mentaux de haut
niveau tels que : lapprentissage perceptuel,
lorganisation de la m moire et le raisonnement
critique
Marvin Minsky
7
LES ALGORITHMES
Un algorithme est une suite d'instructions permettant d'obtenir
un r sultat.
Peut-on trouver un algorithme pour :
faire cuire des p tes ?
trouver son chemin dans une ville ?
reconna tre un chat dans une image ?
gagner une partie Starcraft II ?
Advertisement
8
UNE ID E : APPRENDRE PARTIR DEXEMPLES
Souvent, on ne sait pas d nir le bon algorithme, mais on a
des exemples (donn es).
9
EXPLOSION DU VOLUME DE DONN ES
10
11
QUEST-CE QUI G N RE DES DONN ES ?
Activit s humaines :
volontaires : r seaux sociaux, emails, g olocalisation,
podom tres, s quen age ADN&
moins volontaires : cookies sur les sites web,
vid osurveillance, biom trie&
Processus automatiques : capteurs, transactions boursi res,
logs sur les serveurs&
12
II. LE MACHINE
LEARNING
13
LE MACHINE LEARNING
l tude scientique des algorithmes et
des mod les statistiques que les
ordinateurs utilisent pour accomplir une
t che sans instruction explicite, mais
plut t en sappuyant sur des motifs et
de linf rence.
14
TROIS MODES DAPPRENTISSAGE
lapprentissage supervis
lapprentissage non supervis
lapprentissage par renforcement
15
APPRENTISSAGE SUPERVIS
apprendre une fonction de pr diction partir dexemples
annot s
deux grandes t ches :
16
EXEMPLES
classification
r gression
17
AVANTAGES
Advertisement
Tr s ecace quand on a susamment de donn es ;
Plus performant que lhomme pour certains probl mes.
INCONV NIENTS
Il faut beaucoup de donn es ;
Les donn es doivent tre annot es.
18
LE TURC M CANIQUE
19
20
APPRENTISSAGE NON SUPERVIS
Regrouper des donn es similaires, mais sans annotation.
Cest un probl me plus dicile.
21
22
APPRENTISSAGE PAR RENFORCEMENT
L'apprentissage par renforcement consiste, pour un agent
autonome, apprendre les actions prendre, partir
d'exp riences, de fa on optimiser une r compense au cours du
temps.
imiter la fa on dont les animaux ou les humains
apprennent
23
LA SOURIS, LE FROMAGE ET LE POISON
R compense +1 si la souris passe par une case rouge (fromage)
P nalit -1 si la souris passe par une case bleue (poison)
(V. Lepetit, CentraleSupelec)
24
AVANT APPRENTISSAGE
25
APR S APPRENTISSAGE
26
15 MARS 2016 : ALPHA GO BAT LE CHAMPION LEE SEDOL
27
24 JANVIER 2019 : ALPHASTAR GAGNE 10-1 STARCRAFT II
28
III. LE DEEP LEARNING
29
COMMENT A FONCTIONNE ?
Apprentissage supervis
capacit s
de calcul
30
QUELQUES TECHNIQUES
Advertisement
Algorithmes dapprentissage supervis :
r gression lin aire
m thodes noyaux
machine support de vecteurs
for ts al atoires
r seaux de neurones
&
31
LES R SEAUX DE NEURONES ARTIFICIELS
inspir par le fonctionnement du cerveau humain
32
UN NEURONE : LE PERCEPTRON (1956)
33
R SEAUX DE NEURONES PROFONDS&
34
& TR S PROFONDS
Google Inception v3 : 48 couches
35
R SEAUX DE NEURONES VS DEEP LEARNING
36
PROCESSUS DAPPRENTISSAGE
Poids modi s en fonction des erreurs
37
CAPACIT S DE CALCUL
En 1957
38
CAPACIT S DE CALCUL
GPU (Graphics Processing Unit) : processeur con u pour la
manipulation de matrices, lorigine pour le jeu vid o
Miniaturisation
Tesla P100 : $10 000
Movidius Neural Compute Stick : $79
39
OUTILS OPEN SOURCE
40
IV. QUELQUES
APPLICATIONS
41
POUR LA VISION ARTIFICIELLE
AlexNet vainqueur du challenge ImageNet 2012
42
POUR LA VISION ARTIFICIELLE
Facebook Detectron, janvier 2018
Advertisement
43
POUR LA VISION ARTIFICIELLE
https://www.youtube.com/watch?v=VOC3huqHrss
44
POUR LA VISION ARTIFICIELLE
45
POUR LA VISION ARTIFICIELLE
46
POUR LA VISION ARTIFICIELLE
47
POUR LA RECONNAISSANCE DU TEXTE ET DE LA PAROLE
Siri, Google Traduction
48
POUR LA PERSONNALISATION
Apprendre nos comportements et nos pr f rences
Recommandations : Netix, Amazon&
Publicit s sur Internet
M decine personnalis e&
49
POUR LA ROBOTIQUE
50
POUR LA G N RATION DE DONN ES
GAN : Generative Adversarial Networks
51
POUR LA G N RATION DE DONN ES
CycleGAN, UC Berkeley 2017
52
POUR LA G N RATION DE DONN ES
NVIDIA AI Generated Faces (d cembre 2018)
53
POUR LART ?
54
CONCLUSION
Domaine ancien qui a connu d normes progr s depuis une
dizaine dann es
Ce nest pas de la magie !
Aujourdhui domin par Facebook & Google, mais qui
int resse des chercheurs et des entreprises du monde entier
(US, Canada, Chine, Inde, Russie, Europe&)
55