Le machine learning est un ensemble de méthodes permettant d’établir des modèles de prise de décision, de prédiction ou de classification. ©Getty - imaginima

Apprentissage autosupervisé : IA, au tableau !

Mercredi 20 avril 2022

Le machine learning est un ensemble de méthodes permettant d’établir des modèles de prise de décision, de prédiction ou de classification. ©Getty - imaginima

Qu’est ce que le machine learning ? Qu’est ce que l’apprentissage auto-supervisé ? Quelles sont ses applications dans le domaine de l’IA ? Que signifie “réseaux de neurones artificiels" ?

Avec

Michèle Sebag
Yann Le Cun Chief AI Scientist de Meta, professeur à l’université de New York

Depuis des décennies, on entraîne des systèmes d’intelligence artificielle à apprendre. Apprendre à faire la différence entre un chat et un chien, apprendre à traduire un texte, ou encore à prédire le coût d’un trajet en taxi. Pourtant, entraîner une machine à apprendre en vérifiant si elle fait ou non des erreurs, ou bien la laisser faire des erreurs jusqu’à ce qu’elle comprenne quelle est la bonne réponse, peut être chronophage et requiert une quantité souvent très importante de données. Dans ce contexte, une approche attire de plus en plus les regards : l’apprentissage auto-supervisé, une approche où le système d’intelligence artificielle est pour ainsi dire à la fois le professeur et l’étudiant.

Apprentissage auto-supervisé : IA, au tableau ! : c’est le programme numérique qui est le nôtre pour l’heure qui vient, bienvenue dans “La Méthode scientifique!”

Et pour nous expliquer ces techniques d’apprentissage auto supervisé nous avons le plaisir de recevoir aujourd’hui Michèle Sebag, directrice de recherche CNRS au laboratoire interdisciplinaires des sciences du numérique et membre de l’académie des technologies de Paris. Nous sommes également en ligne avec Yann LeCun, professeur à la New York University, directeur scientifique chargé de l’intelligence artificielle chez Meta, lauréat du prix Turing 2018 et auteur chez Odile Jacob du livre Quand la machine apprend.

Le reportage du jour

Rencontre avec Nicolas Thome, professeur des universités dans le l aboratoire Cédric au CNAM. En collaboration avec Visible Patient et l’ IRCAD, Nicolas Thome travaille sur la segmentation d’images médicales, c’est-à-dire le fait de pouvoir annoter et détourer des organes sur une image de scanner par exemple. Jusqu’ici, ces annotations étaient uniquement manuelles. Avec l’apprentissage auto-supervisé, le modèle qu’il a développé parvient à étiqueter automatiquement un ensemble de données à partir d’un volume d’images partiellement annoté. Par Alexandra Delbot :

LA_METHODE_SCIENTIFIQUE - Reportage

6 min

La Recherche Montre en Main

En quatre minutes, Aurélien Gauffre présente ses travaux de thèse qu'il effectue depuis 2021 sous la direction de Massih-Reza Amini au LIG (Laboratoire d'Informatique de Grenoble) laboratoire affilié au CNRS, à l'INRIA, à Grenoble-INP et à l'Université Grenoble-Alpes.

Son sujet : Apprentissage Auto-supervisé Multi-cibles pour la Recherche Automatique d'Architecture Neuronale