Le blog de Valéry Naula

Impossible de passer une journée sans entendre parler d’intelligence artificielle, de machine learning ou de deep learning. Que nous soyons fascinés par les promesses de cette discipline ou apeurés par ses risques sous-jacents, nous sommes souvent mal outillés pour juger de la pertinence des informations que nous recevons.

C’est pour cette raison que je recommande vivement la lecture de cet ouvrage pratique qui vous fera entrer dans le fonctionnement neuronal du cerveau humain via l’usage d’équations algébriques matricielles. Pas besoin d’être mathématicien pour suivre les démonstrations exposées dans ce livre, mais il faut quand même être réceptif au calcul algébrique. Ici se termine donc les fantasmes liés à cette technique de traitement des données de masse pour entrer dans le monde réel et pratique du machine learning et de son sous-ensemble, le deep learning.

Pour ma part, cette lecture pédagogique m’a permis de mieux comprendre les limites de la mise en œuvre de cette technologie dans le monde industriel dans lequel il est impératif de pouvoir reproduire les procédés de manière fiable, puis d’expliquer pourquoi et comment fonctionnent les automatismes. De plus, le nombre de données pertinentes et utilisables pour entraîner les systèmes apprenants est un véritable challenge dans cette industrie. Pensez au nombre réduit des machines identiques de la base installée, possédant les mêmes composants électroniques, avec les mêmes caractéristiques physiques, les mêmes versions firmware et les mêmes versions applicatives. Sans compter les éventuelles modifications effectuées par le client lui-même. Bref, les promesses sont attrayantes, certes, mais le chemin de l’industriel est encore long avant de pouvoir rentabiliser les investissements nécessaires. 

Si je ne suis évidemment pas devenu un expert du deep learning par la simple lecture de ce livre, je comprends toutefois beaucoup mieux pourquoi je ne le serai jamais ! En effet, bien que ce sujet soit très tendance et présenté souvent de manière extrêmement séduisante, au travers de quelques succès retentissants dans des domaines bien précis, il faut avouer que cela reste une discipline d’alchimistes mathématiciens qui s’exaltent avec des nombres, des matrices, des calculs d’erreurs et des paramètres d’ajustements.

Bien, c’est maintenant à vous de décider si vous souhaitez vous lancer dans la création et dans l’entraînement de votre premier réseau de neurones en Javascript. Allez, bon voyage !