Le deep learning a récemment fait la une des médias lorsque le programme AlphaGo de Google a battu le champion du monde de Go, un jeu beaucoup plus difficile à jouer avec une machine qu’aux échecs en raison du nombre de combinaisons possibles. En outre, le deep learning est au cœur de différentes fonctionnalités des logiciels de grandes entreprises technologiques. Mais qu’est-ce que l’apprentissage profond ? Et comment est-il utilisé ? Notre dossier sur la vie numérique en entreprise vous intéressera certainement.
A lire dans notre dossier sur les nouvelles technologies dans la vie de l’entreprise :
- Quelles sont les principales nouvelles technologies en entreprise ?
- Les avantages des nouvelles technologies au travail pour les salariés
- Quels impacts ont les nouvelles technologies sur l’organisation du travail ?
- Le cloud en entreprise : où en sommes-nous ?
- Avantages et inconvénients du cloud computing pour votre entreprise
- L’intelligence artificielle en entreprise : qu’est-ce que ça change ?
- Machine learning en entreprise : quelle utilisation ?
- Deep learning définition : c’est quoi ? A quoi ça sert ?
- Machine learning vs deep learning : quelles différences ?
- La business intelligence pour améliorer la prise de décision
- L’Internet of things (IoT) dans le quotidien de l’entreprise
- La 5G en entreprise : à quoi faut-il s’attendre ?
- Le privacy by design au service de la vie privée des utilisateurs
- Reconnaissance faciale, fingerprinting, bitlocker et sécurité en entreprise
- Les nouvelles technologies et leurs impacts sur le management
- Comment former ses collaborateurs aux nouvelles technologies ?
Deep learning définition
Le deep learning est une nouvelle façon d’analyser une grande quantité de données.
À l’ère du Big Data et de la collecte massive de données, l’apprentissage profond est devenu une norme.
Pour comprendre ce dont il s’agit exactement et surtout comment cela fonctionne, il faut savoir que les chercheurs se sont principalement basés sur le fonctionnement du cerveau humain et de sa manière d’apprendre en connectant les informations entre elles.
L’idée de base est simple : de la même manière qu’un enfant va d’abord entendre les sons, les associer à des mots pour ensuite construire des phrases, les algorithmes du deep learning vont progressivement collecter et comprendre les informations pour créer de nouvelles connaissances. Informatiquement parlant, on utilise des neurones (qui font référence à ceux du cerveau humain). Ces neurones sont connectés entre eux et forment des réseaux neuronaux.
Le deep learning a l’avantage de mieux traiter les concepts abstraits, ce qui le différencie du machine learning.
L’exemple de DeepL
Le deep learning est une branche de l’intelligence artificielle dans laquelle on retrouve une notion d’apprentissage automatique, mais aussi un concept d’apprentissage supervisé.
On peut utiliser l’exemple du logiciel de traduction DeepL qui combine ces deux approches à merveille. Pour réussir le pari de fournir la meilleure traduction possible d’un document, le logiciel s’appuie sur Linguee, une base de données de textes traduits.
C’est à partir de cette énorme base de données que le traducteur est en mesure d’analyser le contexte de vos contenus textuels afin de trouver la meilleure traduction possible.
Évidemment, DeepL s’appuie uniquement sur des sources fiables et arrive ainsi à trouver un moyen d’allier qualité et quantité.
En effet, il faut savoir que la performance d’un réseau neuronal dépend de la qualité du matériel qu’il utilise et pas uniquement de la quantité des données.
Les réseaux neuronaux de DeepL s’entraînent sur des milliards de segments de traduction de haute qualité collectés par le moteur de recherche Linguee.
Ses principaux contributeurs sont des sources fiables telles que le Parlement européen, les brevets de l’UNESCO et des œuvres littéraires.
D’autre part, l’utilisateur peut corriger en direct les traductions proposées, ce qui permet à DeepL de s’améliorer et d’acquérir de nouvelles connaissances par le biais d’un apprentissage supervisé.
