Apprentissage profond
L'apprentissage profond (également appelé apprentissage structuré profond ou apprentissage hiérarchique) est une sorte d'apprentissage machine, qui est surtout utilisé avec certains types de réseaux de neurones. Comme pour les autres types d'apprentissage machine, les sessions d'apprentissage peuvent être non supervisées, semi-supervisées ou supervisées. Dans de nombreux cas, les structures sont organisées de manière à ce qu'il y ait au moins une couche intermédiaire (ou couche cachée), entre la couche d'entrée et la couche de sortie.
Certaines tâches, telles que la reconnaissance et la compréhension de la parole, des images ou de l'écriture, sont faciles à réaliser pour l'homme. Cependant, pour un ordinateur, ces tâches sont très difficiles à réaliser. Dans un réseau neuronal multicouche (ayant plus de deux couches), l'information traitée deviendra plus abstraite à chaque couche ajoutée.
Les modèles d'apprentissage profond s'inspirent des schémas de traitement de l'information et de communication des systèmes nerveux biologiques ; ils diffèrent des propriétés structurelles et fonctionnelles des cerveaux biologiques (en particulier du cerveau humain) à bien des égards, ce qui les rend incompatibles avec les preuves des neurosciences.
Un réseau neuronal multicouche.
Questions et réponses
Q : Qu'est-ce que l'apprentissage profond ?
R : L'apprentissage profond est un type d'apprentissage automatique qui utilise des réseaux neuronaux pour traiter les informations et qui est souvent organisé avec au moins une couche intermédiaire (cachée) entre les couches d'entrée et de sortie.
Q : Quels sont les différents types de sessions d'apprentissage utilisés dans l'apprentissage profond ?
R : L'apprentissage profond peut être organisé en sessions d'apprentissage non supervisé, semi-supervisé et supervisé.
Q : Quelles sont les tâches qui sont faciles pour les humains mais difficiles à réaliser pour les ordinateurs ?
R : Des tâches telles que la reconnaissance et la compréhension de la parole, des images ou de l'écriture sont faciles pour les humains mais difficiles à réaliser pour les ordinateurs.
Q : Qu'arrive-t-il à l'information lorsqu'elle est traitée dans un réseau neuronal multicouche ?
R : Dans un réseau neuronal multicouche, les informations traitées deviennent plus abstraites à chaque couche ajoutée.
Q : De quoi s'inspirent les modèles d'apprentissage profond ?
R : Les modèles d'apprentissage profond s'inspirent des modèles de traitement de l'information et de communication des systèmes nerveux biologiques.
Q : En quoi les modèles d'apprentissage profond diffèrent-ils des propriétés des cerveaux biologiques ?
R : Les modèles d'apprentissage profond diffèrent des propriétés structurelles et fonctionnelles des cerveaux biologiques, en particulier du cerveau humain, à bien des égards, ce qui les rend incompatibles avec les preuves neuroscientifiques.
Q : Quel est l'autre terme pour désigner l'apprentissage profond ?
R : L'apprentissage profond est également connu sous le nom d'apprentissage structuré profond ou d'apprentissage hiérarchique.
