Quand La Machine Apprend · La Révolution Des Neurones Artificiels Et De L'Apprentissage Profond by Cun, Yann le -- Read -- Imperial Library of Trantor

Index

Couverture Titre Copyright Introduction CHAPITRE 1 - La révolution de l'IA

Omniprésente IA L'IA artiste Humanoïdes ? Du bluff ! Des GOFAI… … au machine learning Cocktail d'ancien et de moderne Essai de définition Mise au point Le grand air de l'algorithme

CHAPITRE 2 - Brève histoire de l'IA… et de ma carrière

L'éternelle quête La logique avant toute chose Le monde du jeu Neurosciences et perceptron L'hiver général Lunatic fringe Entrée en scène Fructueuses lectures Modèles connexionnistes de l'apprentissage Les Houches De l'usage de la rétropropagation de gradient Le Saint des saints Les années Bell Labs Un tabou ? La conspiration du deep learning L'efficacité des réseaux convolutifs se confirme

CHAPITRE 3 - Machines apprenantes simples

Inspirante aplysie L'apprentissage et la minimisation de l'erreur : un exemple Trouver f(x) qui prédit les y en fonction des x Une parenthèse pour les matheux… Galilée et la tour de Pise Reconnaître des images… ou autre chose Frank Rosenblatt, Bernie Widrow et le perceptron Une grille de 25 pixels Distinguer un C d'un D Apprentissage supervisé et généralisation Limites du perceptron Solutions : extraire des caractéristiques Conclusion

CHAPITRE 4 - Apprentissage par minimisation, théorie de l'apprentissage

Introduction Fonction de coût Le fond de la vallée La descente de gradient en pratique Le gradient stochastique Vallées suspendues Théorie générale de l'apprentissage Le choix du modèle La vache et les trois scientifiques La règle du rasoir d'Ockham Le protocole d'entraînement Le nécessaire compromis de Vapnik Le vertige de la fonction booléenne Quelques exemples de fonctions possibles Régularisation : modérer la capacité d'un modèle Les leçons pour l'homme

CHAPITRE 5 - Réseaux profonds et rétropropagation

Le mille-feuille Neurones continus Mon HLM ! La course Le Graal… et un peu de maths De l'utilité des couches multiples Objections non retenues Apprendre les caractéristiques

CHAPITRE 6 - Les réseaux convolutifs, piliers de l'IA

La bombe de 2012 Le cortex visuel : les cellules simples Le cortex visuel : les cellules complexes et le pooling Fukushima visionnaire Flash-back Les réseaux convolutifs Détection, localisation, segmentation et reconnaissance d'objets Segmentation sémantique avec réseau convolutif

CHAPITRE 7 - Dans le ventre de la machine ou le deep learning aujourd'hui

Reconnaissance d'image Enchâssement de contenu et mesure de similarité Reconnaissance de la parole Synthèse de la parole et du son Compréhension du langage et traduction Les prédictions L'IA et la science L'architecture des grandes applications : la voiture autonome Autonomie et système mixte Autonomie totale ? Entraînement de bout en bout L'architecture des grandes applications : l'assistant virtuel L'architecture des grandes applications : l'imagerie médicale et la médecine Vieilles recettes : les algorithmes de recherche

CHAPITRE 8 - Les années Facebook

Recruté par Mark Zuckerberg Les laboratoires de recherche de Facebook Cahier des charges ? Le filtrage d'informations Parlons brièvement de Cambridge Analytica Newsfeed Facebook et l'avenir des médias Le nouveau Facebook Les chantiers de FAIR Le prix Turing

CHAPITRE 9 - Et demain ? Perspectives et défis de l'IA

Inspirante nature… jusqu'à un certain point Les limites de l'apprentissage-machine : l'apprentissage supervisé L'apprentissage par renforcement Les limites de l'apprentissage par renforcement Le fameux sens commun L'idéal de l'apprentissage humain ou « autosupervisé » L'apprentissage autosupervisé Prédictions multiples et variables latentes Une capacité de prédiction ? L'architecture de systèmes intelligents autonomes Deep learning et raisonnement : les réseaux dynamiques Les objets intelligents L'avenir selon l'IA

CHAPITRE 10 - Enjeux

L'IA va transformer la société et l'économie L'écosystème de l'innovation en IA À qui profitera la révolution ? Risque de dérive militaire ? Alerte aux dangers : biais et dérives sécuritaires L'IA doit-elle être explicable ? Mieux comprendre l'intelligence humaine ? Le cerveau n'est-il qu'une machine ? Tous les modèles sont faux… Les voix inquiètes Une merveilleuse exécutante L'inné ? C'est acquis Les machines seront-elles conscientes ? Le rôle du langage dans la pensée Les machines auront-elles des émotions ? Les robots voudront-ils prendre le pouvoir ? L'alignement de valeurs La nouvelle frontière Une science de l'intelligence ?

Conclusion Glossaire Remerciements Table