Contactez-nous simplement directement via ce formulaire.
Intelligence artificielle ? Machine Learning ? Deep Learning ?
Le concept d’intelligence artificielle désigne la tentative de reproduction ou de simulation d’un comportement intelligent. Le Machine Learning (apprentissage automatique) et le Deep Learning (apprentissage approfondi) sont deux sous-catégories de l’intelligence artificielle.
Les programmes qui utilisent le Machine Learning peuvent calculer le comportement humain à l’aide d’algorithmes afin par exemple, de détecter l’utilisation frauduleuse de cartes bancaires. Le Deep Learning va un peu plus loin et utilise des couches hiérarchiques pour exécuter le processus d’apprentissage automatique. En d’autres termes : des réseaux neuronaux artificiels semblables à ceux du cerveau humain sont construits. Des concepts compliqués peuvent être assimilés en étant recomposés à partir de couches plus simples (Hidden Layers). Ces couches traitent des données et les transfèrent à la prochaine couche qui traite elle aussi de nouveau les informations et les transmet à la couche suivante et ainsi de suite. Ce modèle de couches peut être poursuivi à l’infini et peut aller très loin. D’où le terme de « Deep Learning » ou apprentissage approfondi.
La technologie de Deep Learning est par exemple utilisée sur les véhicules autonomes lorsqu’il faut différencier entre eux les panneaux de circulation, les véhicules et les personnes Le Deep Learning se retrouve aussi sur les ordinateurs et les smartphones où il prend la forme d’une commande vocale intelligente. Les possibilités d’utilisation sont quasiment infinies et le degré de précision est nettement supérieur à celui offert par l’apprentissage automatique. Le seul inconvénient : le Deep Learning requiert une grande puissance de calcul.
À l’heure actuelle, entre trois et cinq niveaux différents d’intelligence artificielle sont cités. Au premier niveau, l’IA n’a aucune influence, cela signifie que tout est encore contrôlé par la personne. Les niveaux suivants sont classés en fonction du degré d’autonomie, soit la part d’influence que l’IA peut avoir et comment elle agit de manière « autonome ». Cela commence avec des tâches d’assistant et peut aller jusqu’à des machines réfléchissant et agissant seules. Aujourd’hui, l’IA est encore utilisée dans de nombreux domaines à son niveau le plus bas. Beaucoup de « machines » ne sont pas encore capables d’agir de façon autonome. Mais cela peut rapidement changer dans les prochaines années. Les véhicules autonomes ne sont qu’un début.
L’intelligence artificielle exige une puissance de calcul nettement plus importante que celle requise par toutes les applications connues jusqu’à maintenant. Les algorithmes du Deep Learning demandent notamment énormément de puissance pour pouvoir analyser les informations bout par bout et les interpréter. Une telle puissance ne pourrait être atteinte sans l'accélération assurée par les processeurs graphiques (Graphics Processing Unit/GPU). Les processeurs graphiques NVIDIA® Tesla® comptent parmi les GPU les plus performantes du marché actuel.
Ils permettent à de nombreuses entreprises d'accélérer leurs applications exigeantes destinées à l'informatique hautes performances (HPC) et aux charges de travail Hyperscale en datacenter Ils permettent à de nombreuses entreprises d'accélérer leurs applications exigeantes destinées à l'informatique hautes performances (HPC) et aux charges de travail Hyperscale en datacenter. L’avantage : les volumes de données de l’ordre du pétaoctet sont traités nettement plus rapidement qu'avec des CPU classiques. Qu’il s'agisse de Deep Learning, de la recherche en énergie, des desktops virtuels ou des voitures autonomes – les processeurs graphiques Tesla fournissent une puissance monumentale permettant des calculs et des simulations étendus en des temps records.
* champ obligatoire
Veuillez tenir compte de notre déclaration de protection des données vous informant exhaustivement sur le traitement de vos données et sur vos droits en matière de protection des données.