En quoi l’apprentissage automatique diffère de la programmation au sens traditionnel?#

Bien que l’apprentissage automatique requiert de la programmation, il s’agit d’un paradigme entièrement différent de celui de la programmation.

Un programme traditionnel spécifie une série d’instructions que l’ordinateur exécute pour résoudre un problème. Normalement, ce programme fait son travail en relation avec des données fournies par l’utilisateur. Le programme dans ce cas est une série d’instructions symboliques dans un langage de programmation.

Un modèle d’AA (déjà entraîné) va prendre en entrée des données fournies par l’utilisateur, et va offrir une réponse appropriée après avoir effectué une série d’opérations mathématiques (plus spécifiquement, des calculs souvent reliés à l’algèbre linéaire ou aux probabilités). Si on veut absolument parler de “programme” dans ce cas, on peut parler des opérations mathématiques (pas nécessairement symboliques) qui sont effectuées sur les données, pour les transformer en réponse. Il est important de comprendre que même si un modèle d’AA est avant tout un objet mathématique (un modèle avec ses paramètres), son implémentation concrète se fait quand même toujours avec un langage de programmation.

Ce sujet est traité plus en profondeur dans le prochain chapitre, qui parle des données et de leur représentation.

Voici une bande dessinée fameuse de l’artiste web XKCD qui illustre la même idée :

Traduction :
‐ “Quand un usager prend une photo, l’application devrait vérifier s’il est dans un parc national…"
‐ “Pas de problème, un simple appel SIG, donne-moi quelques heures."
‐ “… et vérifier si la photo est celle d’un oiseau."
‐ “Je vais avoir besoin d’une équipe de recherche et de 5 ans."
En informatique, il peut être difficile d’expliquer la différence entre ce qui est facile et ce qui est presque impossible.

Cette bande dessinée a plus de 10 ans maintenant, et ce qu’elle dit n’est plus vrai (car identifier un oiseau dans une photo est devenu facile), mais il reste que l’idée de base, que certaines tâches sont plus difficiles que d’autres, reste valide.

En quoi l’apprentissage automatique diffère de l’IA?#

L’intelligence artificielle est le domaine plus vaste, qui englobe l’apprentissage automatique et l’intelligence artificielle classique (plus ancienne) et dite symbolique (en anglais on utilise parfois le terme GOFAI, “good old fashioned artificial intelligence”). Il est important de comprendre que ces deux disciplines sont distinctes et ont des méthodes profondément différentes, et l’histoire de leur développement est entièrement différente. Dans un certain sens, l’AA est une forme plus spécialisée et un peu plus récente d’IA, plus mathématique, moins symbolique, et clairement celle qui domine la période actuelle. Les mathématiques qui sont le plus souvent associées à l’apprentissage machine sont l’algèbre linéaire et les probabilités, qui elles-mêmes entretiennent des liens étroits.

En quoi l’apprentissage automatique diffère des statistiques?#

L’apprentissage automatique, conceptuellement, est pratiquement un synonyme de statistiques. Les deux domaines entretiennent des relations très étroites, et la distinction est parfois assez difficile. Dans les deux cas on parle de modèles, d’entraînement (ou recherche des paramètres), d’inférence, etc. Toutefois l’AA est plus axée sur les problèmes dont la modélisation se fait en très haute dimension, comme l’analyse d’images ou le traitement du langage. De plus, l’accent en AA est davantage mis sur les aspects computationnels, par opposition aux mathématiques (bien que l’AA demeure très mathématique en substance). En résumé, les statistiques ont une saveur mathématique et scientifique, tandis que l’AA a une saveur plus mathématique et informatique (ou computationnelle).