Machine Learning … L’ordinateur a-t-il vraiment besoin de nous ?

Aussi appelé ”Apprentissage automatique” en français, le Machine Learning est un des domaines d’étude de l’intelligence artificielle.

Dans le film Chappie, un ingénieur met au point une intelligence artificielle “coquille vide”, un robot-génie … qui ne sait rien mais qui apprend très très vite !

Une machine apprenante est un programme informatique qui adapte ses analyses et ses comportements en fonction de ce qu’il a déjà appris et déjà expérimenté (que c’est théorique !)

Les données sont récupérées à partir d’une base de données ou de capteurs (dans le cas d’un robot) et permettent au programme d’évaluer son environnement.

Les langages de programmation procéduraux classiques (Langage C, Langage Java, …) ne permettent pas de faire cela, pour une raison simple : le champ des possibilités à envisager est trop important pour être exhaustivement représenté (explosion combinatoire).

Il faut alors laisser au programme la possibilité de “réfléchir”, et surtout, de s’adapter ! Pour les plus “Nerds” d’entre nous, le langage le plus utilisé dans ces cas là est le “R” (http://en.wikipedia.org/wiki/R_%28programming_language%29), qui est un langage de programmation statistiques.

Nous n’avons pas répondu à la question !

La réponse est OUI, c’est compliqué à mettre en oeuvre puisque cela nécessite d’apprendre une gymnastique technique nouvelle, qui n’est pas forcément aussi intuitive que le développement procédural (si, alors, sinon, …).

La réponse est NON, tout s’apprend, pas besoin de plus de talent qu’un cerveau qui fonctionne et un intérêt certain pour le sujet !

A quoi ça sert dans la vraie vie ?

– Un système d’apprentissage pour un robot : on lui donnerait la possibilité technique de bouger ses membres, mais on ne programmerait rien qui lui permettrait de se déplacer. On lui donne comme objectif initial de se déplacer de 10 mètres par rapport à sa position de mise en service. C’est là que la magie opère ! Le robot fera des mouvements aléatoires, tombera, se relèvera, retombera. Au fur et à mesure, il mémorisera les mouvements qui le font avancer jusqu’à son objectif.

– La reconnaissance de l’écriture manuelle. Pourquoi c’est compliqué ?

Un exemple plus simple ? La météo ! Nos grands parents prédisaient la météo de demain en fonction des nuages qui voilent la lune ou non, en fonction du vent, de la température, …

Et que fait météo France ? La même chose, à très grande échelle ! Les météorologues ont construit des modèles d’analyse et de prédiction, la fiabilité est (parfois) au rendez-vous : 80% pour Météo-France (de quoi faire taire les mauvaises langues).

Et pour les activités de Lecko ? Une utilité ?

Et bien oui ! Pour Lecko, le besoin existe déjà. Lecko Analytics permet de suivre l’évolution dans le temps des différents indicateurs des plateformes collaboratives de nos clients.

Mais pourquoi simplement regarder derrière soi ?

L’idée serait de permettre à notre machine apprenante de s’imprégner de toutes les données de tous nos clients et ainsi, de prédire ce que se passera pour un espace dans 2 – 6 – 12 mois – …

Le programme se baserait sur plusieurs indicateurs propres à Lecko, sur les volumes d’utilisateurs, la phase de peuplement de la plateforme, ….

Cette fonctionnalité est en cours de réflexion chez Lecko !