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

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 (directeur du laboratoire d’Intelligence Artificielle de Facebook, professeur d’informatique et de neurosciences à l’université de New York et titulaire de la chaire annuelle « Informatique et sciences numériques » au Collège de France.).

En savoir plus

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!” 

Publicité

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 laboratoire 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 

Pour aller plus loin

Retrouvez le thread de l’émission du jour sur le fil twitter de La Méthode Scientifique.

Apprentissage supervisé : définition et exemples d'algorithme (Journal du net, février 2022)

L’apprentissage auto-supervisé, futur du deep learning appliqué à l’image chez Facebook AI Research (Usine Nouvelle, mars 2021)

Machine Learning : définition, fonctionnement, utilisations (Data Scientest, novembre 2022)

Apprentissage supervisé : Introduction (MLearnia)

[A découvrir] Explorez les différents principes d'apprentissage (OC France)

[A découvrir] Cartographie de l’apprentissage artificiel et de ses algorithmes

Entretien avec Michèle Sebag sur l’intelligence artificielle : son histoire, son avenir, ses limites (Inria)

Quand l'ordinateur copiera le cerveau (Les Echos, 2018)

Thales dévoile son nanoneurone artificiel et prouve ses capacités avec Julie Grollier (Usine nouvelle, 2017)

[Podcast] 2017 > Le premier nanoneurone capable de reconnaissance vocale avec Julie Grollier (France Inter)

Le Deep Learning par David Louapre sur Science Etonnante

Les références musicales

Le titre du jour : Computer World par Kraftwerk

Le générique de début : Music to watch space girls by par Leonard Nimoy

Le générique de fin : Says par Nils Frahm

Références

L'équipe

Nicolas Martin
Nicolas Martin
Nicolas Martin
Production
Eve Etienne
Collaboration
Olivier Bétard
Réalisation
Céline Loozen
Collaboration
Alexandra Delbot
Collaboration