Comprendre l'intelligence artificielle et l'apprentissage automatique

L'intelligence artificielle et l'apprentissage automatique sont des termes à la mode dans le domaine technologique qui sont souvent - et à tort - utilisés de manière interchangeable.

À la base, l'intelligence artificielle (IA) provient directement de l'étude de l'informatique, tandis que l'apprentissage automatique (ML) est un sous-ensemble de l'intelligence artificielle, ce qui le rend deux fois éloigné du domaine parent de l'informatique. Les deux se chevauchent, mais ils ne sont pas identiques.

Pour récapituler, l'IA est un composant de l'informatique qui traite des systèmes informatiques effectuant des tâches avec une intelligence similaire, égale ou supérieure à celle d'un humain (par exemple, la prise de décision, la classification et la détection d'objets, la reconnaissance et la traduction de la parole). D'autre part, le ML se concentre sur l'étude des algorithmes, des modèles statistiques et de la reconnaissance de motifs que les systèmes informatiques utilisent pour effectuer des tâches sans instruction explicite (programmation). Cela permet aux machines d'apprendre par elles-mêmes et de s'améliorer continuellement à partir d'expériences passées.

Cet article couvrira les différences et les similitudes entre l'intelligence artificielle et l'apprentissage automatique, ce que chacun fait indépendamment, et leurs parallèles entre eux.

La hiérarchie de l'intelligence artificielle et de l'apprentissage automatique

Comme mentionné précédemment, l'IA et le ML sont intrinsèquement liés, mais pas synonymes. En essence, tout apprentissage automatique est de l'intelligence artificielle, mais toute intelligence artificielle n'est pas de l'apprentissage automatique.

Les deux termes vivent au sein du terme parent de l'informatique (CS), l'IA étant le parent du ML. Pour une visualisation simplifiée, jetez un œil à ce diagramme :

Avec cela à l'esprit, il y a quelques différences clés entre l'intelligence artificielle et l'apprentissage automatique qui doivent être discutées avant de comprendre comment les deux fonctionnent ensemble.

Contexte et fonctions de l'intelligence artificielle

L'intelligence artificielle remonte à des siècles, mais est devenue viable pour la première fois dans les années 1900 - et a vraiment décollé dans les années 1950. Lorsque le scientifique informatique Alan Turing a développé le Test de Turing, il a créé le premier test d'intelligence des machines par rapport à celle d'un homologue humain.

Après cela, chaque décennie a vu des avancées dans l'IA, des robots industriels dans l'industrie automobile aux programmes informatiques interactifs capables de communiquer avec les humains (c'est-à-dire la première incarnation des chatbots), des représentations de robots humanisés dans les films de science-fiction, et des assistants vocaux dans les smartphones programmés avec des capacités de traitement du langage naturel (NLP).

Toutes ces avancées ont conduit l'IA à devenir courante dans nos vies, à tel point que nous négligeons souvent que de nombreux processus quotidiens sont alimentés par l'intelligence artificielle.

Cas d'utilisation de l'intelligence artificielle

Si nous examinons de plus près quelques utilisations tangibles de l'IA, il est plus facile de comprendre comment certaines applications de l'intelligence artificielle se chevauchent avec l'apprentissage automatique, et plus simple de distinguer les différences entre les deux.

Robotique

Bien que les gens supposent à tort que l'intelligence artificielle se manifeste uniquement dans la robotique, il est toujours vrai que la robotique est un sous-composant important de l'IA. Quelques exemples de robots alimentés par l'IA peuvent être trouvés dans le secteur de la vente au détail et le domaine médical. Dans le commerce de détail, les robots sont utilisés pour aider à stocker les étagères, faire l'inventaire et rendre compte à un gestionnaire humain de leurs découvertes. En médecine, les robots sont utilisés pour aider les chirurgiens à effectuer des chirurgies de haut niveau comme la chirurgie cardiaque pour une approche moins invasive.

Technologie éducative

Edtech, abréviation de technologie éducative, met l'IA au premier plan pour les avancées dans les salles de classe, et pour les étudiants et les instructeurs. Des tableaux SMART aux assistants de tutorat intelligents pour les enfants ayant des difficultés d'apprentissage ou pour ceux qui ont simplement besoin d'une aide supplémentaire, l'IA agit comme une force positive pour maintenir les étudiants sur la voie du succès.

Chatbots

Les chatbots sont utilisés sur presque tous les sites Web que nous rencontrons. Qu'ils soient utilisés pour le service client et répondre aux questions fréquentes sur un produit ou un service ou pour fournir des recommandations d'achat sur un site de commerce électronique, vous ne pouvez pas passer plus d'une journée sans en rencontrer un. Les chatbots peuvent même agir comme des assistants personnels en aidant à définir des rappels sur les événements du calendrier et les rendez-vous ainsi qu'à planifier des réunions.

Contexte et fonctions de l'apprentissage automatique

Les racines de l'apprentissage automatique peuvent être retracées à une chronologie similaire à celle de l'IA, mais c'est parce que le ML ne pourrait pas exister sans que l'intelligence artificielle n'existe d'abord. Pourtant, il y a quelques dates clés dans l'histoire du ML spécifiques à sa propre chronologie.

En 1949, le scientifique informatique Arthur Samuel a travaillé sur le premier ordinateur à programme stocké d'IBM, le 701. Dix ans plus tard, il a terminé le développement d'un programme informatique de jeu de dames - le premier à apprendre indépendamment à jouer à un jeu en utilisant un algorithme d'apprentissage automatique appelé élagage alpha-bêta. Il a également développé une fonction de score qui mesurait la chance de gagner pour chaque joueur en fonction de la position des pièces sur le plateau de jeu de dames de chaque côté. Il considérait le nombre de pièces restantes, combien de rois chaque joueur avait, et le nombre de dames proches d'être "couronnées" en premier.

Samuel a conçu d'autres moyens pour aider son programme de dames à s'améliorer, y compris des techniques d'apprentissage par cœur. L'apprentissage par cœur est intrinsèquement l'essence de l'apprentissage automatique ; c'est une technique d'apprentissage basée entièrement sur la répétition et la mémorisation. Le but de l'apprentissage par cœur est que plus une personne (ou dans ce cas, un programme d'apprentissage automatique) étudie et mémorise quelque chose, plus il est probable que l'individu (ou le programme) se souvienne de ce qu'il a appris. Ainsi, la consommation conduit à la réminiscence et à la compréhension, ce qui ouvre la voie à la construction et à l'amélioration de ce qui a été appris.

Parce que l'apprentissage automatique est basé sur des algorithmes qui font des prédictions sur les prochaines étapes, Samuel a utilisé cela pour entraîner le programme ML à se souvenir des positions qu'il avait vues sur le plateau de jeu de dames ainsi que de la valeur de certaines positions (par exemple, proximité d'être couronné, centre vs. extrémité du plateau, etc.). Pour continuer à accroître la précision de cet algorithme, Samuel l'a fait jouer contre lui-même comme technique d'entraînement avancée.

Le programme informatique de jeu de dames a aidé à propulser l'apprentissage automatique au premier plan de l'exploration continue de l'intelligence artificielle.

Cas d'utilisation de l'apprentissage automatique

Comme l'IA, les applications de l'apprentissage automatique existent actuellement - y compris celles que nous utilisons régulièrement. La liste suivante n'est pas exhaustive mais donne un bon aperçu de certaines façons actuelles dont le ML est utilisé.

Véhicules autonomes et données de carte GPS

Les voitures autonomes sont un exemple parfait de l'apprentissage automatique en action. Les algorithmes ML utilisent des réseaux neuronaux, la vision par ordinateur et l'IA pour reconnaître le type de route sur laquelle ils roulent, ce que signifient certains panneaux de signalisation, s'il y a un feu de circulation, s'il y a des piétons ou d'autres voitures sur la route, et tout autre obstacle aléatoire que le véhicule autonome pourrait rencontrer.

De plus, chaque fois que vous utilisez votre téléphone pour des directions GPS, l'apprentissage automatique est en action. Tout comme nous apprenons à conduire en nous basant sur la pratique et en suivant le même itinéraire et les mêmes mouvements (par exemple, un virage à droite, un demi-tour, un changement de voie), l'algorithme ML apprend des schémas d'itinéraire pour améliorer sa précision en navigation et en respect des lois de la circulation.

GIF courtoisie de ZME Science via Chris Urmson

Reconnaissance faciale

L'apprentissage automatique est utilisé dans tous les aspects de la biométrie. L'authentification biométrique est un moyen de sécurité et d'identification basé sur des caractéristiques physiques (par exemple, vos yeux, votre empreinte digitale ou - vous l'avez deviné - votre visage). Parce que les algorithmes ML sont entraînés à reconnaître des objets et des motifs, la reconnaissance faciale s'appuie sur la vision par ordinateur et le ML pour aider les systèmes à reconnaître les caractéristiques physiques afin d'authentifier que la personne essayant d'accéder à un appareil est bien celle qui le possède.

Publicités ciblées

Chaque fois que vous êtes en ligne et que vous recherchez quelque chose, des données sont acquises sur vos termes de recherche, vos informations démographiques, vos intérêts de recherche connexes, et plus encore. Le marketing IA utilise des algorithmes d'apprentissage automatique pour suivre les schémas de vos habitudes en ligne (ainsi que celles des autres) et faire des suppositions sur vos habitudes d'achat, qui vous êtes, et comment mieux cibler les publicités vers vous. Par exemple, si vous êtes quelqu'un qui aime vraiment les sacs à main, vous recevrez probablement une publicité pour des sacs à main sur Amazon.

Intelligence artificielle vs. apprentissage automatique - la fiche de triche

Pour résumer de manière concise les informations ci-dessus, voici une fiche de triche pour vous aider à vous souvenir des différences de base entre l'IA et le ML !

Vous voulez continuer à apprendre sur l'intelligence artificielle et l'apprentissage automatique ? Consultez notre vaste glossaire des termes de l'IA.