Les réseaux de neurones au service de la programmation

Banniere article Mike

 

 

 

 

« Réseau de neurones » est le nom donné à une technique de programmation, qui cherche à se rapprocher du comportement d’un cerveau. En bref, le but est de créer un logiciel qui pourra s’adapter aux informations qu’il reçoit de manière à pouvoir s’ajuster au fil du temps, ce qui devrait permettre au logiciel de répondre le plus adéquatement possible à la tâche demandée.

 

Quel est l’avantage?

Un avantage majeur par rapport aux approches conventionnelles, est qu’elle permet aux ordinateurs de reconnaître des « modèles » (pattern en anglais), ce qui lui permet de réaliser des tâches que des programmes conventionnels ne pourraient pas réaliser, ou du moins, très difficilement.

 

réseau neurones 1Comment ça fonctionne?

Un logiciel avec un réseau de neurones est constitué de « neurones virtuels ». Un peu comme les neurones d’un cerveau, ils peuvent communiquer les uns avec les autres et s’ajuster aux informations reçues. Au fil du temps, le réseau peut ajuster le poids de certains neurones et de certaines connexions pour permettre au résultat final de devenir encore plus précis.

 

En d’autres mots, un logiciel avec réseau de neurones cherche à copier la capacité d’un cerveau à s’ajuster aux informations qui sont reçues.

 

Prenons comme exemple l’être humain : son cerveau est capable de reconnaître un visage, même si la personne est placée de côté, grâce à une reconnaissance d’un « modèle » de visage qui permet une certaine extrapolation.

 

Prenons comme autre exemple les émotions : un humain est capable de reconnaître les émotions d’un autre être humain en élaborant au cours de sa vie certains modèles qui se répètent. Avec les expériences qui s’accumulent, la précision de reconnaissance s’améliore. Un réseau de neurone essaie de copier cette capacité.

 

Limites

Un frein actuel à l’utilisation de la programmation à l’image des réseaux de neurones est que présentement, ces réseaux ont une vitesse d’apprentissage remarquablement lente. Il faut des millions de données pour permettre d’avoir un ajustement minimal, ce qui fait que dans certains domaines, l’approche conventionnelle peut être plus appropriée.

 

Pour conclure

Les réseaux de neurones sont hautement prometteurs, mais ils restent encore peu pratiques dans certains domaines.

 

Sources :
Université de Sherbrooke, Introduction aux réseaux de neurones
Université McGill, Apprentissage automatique, les réseaux de neurones
Stanford University, Multi Layer Neural Network
University of Toronto, Artificial Neural Networks Technology

 

Partager cet article :