Yann LeCun
Fidèle à sa mission d’être toujours à la pointe des nouveaux développements et avancées scientifiques, le Collège de France a créé, il y a six ans en partenariat avec Inria, une chaire annuelle Informatique et sciences numériques(1)
. Chaque année s’y succèdent les plus grands chercheurs de domaines qui bouleversent nos quotidiens mais également le monde de la recherche et l’ensemble des sciences. Cette année, c’est Yann LeCun, l’un des plus éminents chercheurs en Intelligence artificielle, professeur à l’université de New York et directeur du laboratoire de recherche en intelligence artificielle de Facebook (FAIR), qui occupera cette chaire avec un cycle d’enseignement ouvert à tous.
Yann LeCun, spécialiste de l’apprentissage automatique des machines (« machine learning »), est l’un des pères du « Deep Learning » (« apprentissage profond »)(2) ; une méthode à laquelle il se consacre depuis 30 ans, malgré le scepticisme qu’il rencontre au départ dans la communauté scientifique. Le
Deep Learning, qui fait appel à la fois aux connaissances en neurosciences, aux mathématiques et aux progrès technologiques, est aujourd’hui plébiscité comme une véritable révolution dans le domaine de l’intelligence artificielle. Il a déjà permis d’immenses progrès et de multiples applications dans les
domaines de la reconnaissance faciale et vocale, de l’étiquetage d’images, du traitement automatisé du langage ou encore de la vision par ordinateur.
“Les cerveaux humain et animal sont « profonds », dans le sens où chaque action est le résultat d’une longue chaîne de communications synaptiques (de nombreuses couches de traitement). Nous recherchons des algorithmes d’apprentissage correspondants à ces « architectures profondes ». Nous
pensons que comprendre l’apprentissage profond ne nous servira pas uniquement à construire des machines plus intelligentes, mais nous aidera également à mieux comprendre l’intelligence humaine et ses mécanismes d’apprentissages », estime Yann LeCun.
Le Deep learning fait l’objet d’importants investissements privés, notamment de la part des grands acteurs du net, mais aussi publics. «De plus en plus d’entreprises ont des masses de données gigantesques à exploiter, trier, indexer, et cela demande des ressources considérables. L’intelligence artificielle et le Deep learning peuvent aider à le faire de façon automatisée et plus efficace », confirme Yann LeCun qui reste prudent quant aux fantasmes que suscitent ces développements. « De grands progrès ont été fais notamment en matière de reconnaissance visuelle et vocale - dans la reconnaissance automatique d’images, des réseaux neuronaux artificiels ont produit des algorithmes meilleurs que ceux conçus par des ingénieurs humains – mais nous sommes très loin de ce qu’un cerveau peut faire et nous n’en avons pas la prétention. Les animaux et les humains peuvent apprendre à voir, percevoir, agir et communiquer avec une efficacité qu’aucune machine ne peut approcher. D’autre part, il s’agit pour l’instant d’un apprentissage purement supervisé : on entraîne la machine à reconnaître l’image d’une voiture par exemple en lui montrant des milliers d’images et en la corrigeant quand elle fait erreur. Les humains découvrent le monde de façon non supervisée. L’apprentissage non supervisé est le défi scientifique auquel nous nous attelons. Tant que nous n’y serons pas parvenus, nous serons incapables de construire des systèmes intelligents”.
De la reconnaissance des tumeurs cancéreuses à la sécurité routière, les développements de l’intelligence artificielle et du Deep learning ouvrent de larges horizons que Yann LeCun exposera au Collège de France. Quant aux craintes générées par ces nouveaux domaines, il les comprend mais les
modère, “Même si un jour on construit des systèmes par certains aspects plus complexes ou performants que les humains, ils vont être construits pour des tâches spécifiques. On associe trop souvent l’intelligence artificielle aux qualités et aux défauts humains. Il n’y a aucune raison que les machines
que l’homme concevra aient comme lui des désirs, des pulsions et des défauts ! »
____________________
1 En 2012, Le Collège de France a aussi créé une chaire pérenne d’informatique : Algorithmes, machines et
langages, avec pour titulaire le Pr Gérard Berry
2 Le Deep learning est un ensemble de méthodes d’apprentissage automatique conçu sur la base de ce que l’on
appelle parfois des réseaux de « neurones artificiels » à plusieurs couches (ou « convolutifs »). Ces réseaux sont
capables de catégoriser les informations des plus simples aux plus complexes. Pour un objet par exemple, la
première couche détecte des petits contours élémentaires, la seconde assemble ces contours en motifs puis les
motifs en parties d’objets puis ces parties en objets.
Ces « neurones artificiels » n’ont rien de matériel. Ils sont en fait des fonctions mathématiques à plusieurs
paramètres ajustables. Une phase d’apprentissage sur des objets connus permet de trouver les meilleurs
paramètres en montrant par exemple à la machine des milliers d’images d’un chien, d’une voiture ou d’un sport
… L’un des enjeux étant de trouver des méthodes pour ajuster ces paramètres le plus rapidement et le plus
efficacement possible.
. Chaque année s’y succèdent les plus grands chercheurs de domaines qui bouleversent nos quotidiens mais également le monde de la recherche et l’ensemble des sciences. Cette année, c’est Yann LeCun, l’un des plus éminents chercheurs en Intelligence artificielle, professeur à l’université de New York et directeur du laboratoire de recherche en intelligence artificielle de Facebook (FAIR), qui occupera cette chaire avec un cycle d’enseignement ouvert à tous.
Yann LeCun, spécialiste de l’apprentissage automatique des machines (« machine learning »), est l’un des pères du « Deep Learning » (« apprentissage profond »)(2) ; une méthode à laquelle il se consacre depuis 30 ans, malgré le scepticisme qu’il rencontre au départ dans la communauté scientifique. Le
Deep Learning, qui fait appel à la fois aux connaissances en neurosciences, aux mathématiques et aux progrès technologiques, est aujourd’hui plébiscité comme une véritable révolution dans le domaine de l’intelligence artificielle. Il a déjà permis d’immenses progrès et de multiples applications dans les
domaines de la reconnaissance faciale et vocale, de l’étiquetage d’images, du traitement automatisé du langage ou encore de la vision par ordinateur.
“Les cerveaux humain et animal sont « profonds », dans le sens où chaque action est le résultat d’une longue chaîne de communications synaptiques (de nombreuses couches de traitement). Nous recherchons des algorithmes d’apprentissage correspondants à ces « architectures profondes ». Nous
pensons que comprendre l’apprentissage profond ne nous servira pas uniquement à construire des machines plus intelligentes, mais nous aidera également à mieux comprendre l’intelligence humaine et ses mécanismes d’apprentissages », estime Yann LeCun.
Le Deep learning fait l’objet d’importants investissements privés, notamment de la part des grands acteurs du net, mais aussi publics. «De plus en plus d’entreprises ont des masses de données gigantesques à exploiter, trier, indexer, et cela demande des ressources considérables. L’intelligence artificielle et le Deep learning peuvent aider à le faire de façon automatisée et plus efficace », confirme Yann LeCun qui reste prudent quant aux fantasmes que suscitent ces développements. « De grands progrès ont été fais notamment en matière de reconnaissance visuelle et vocale - dans la reconnaissance automatique d’images, des réseaux neuronaux artificiels ont produit des algorithmes meilleurs que ceux conçus par des ingénieurs humains – mais nous sommes très loin de ce qu’un cerveau peut faire et nous n’en avons pas la prétention. Les animaux et les humains peuvent apprendre à voir, percevoir, agir et communiquer avec une efficacité qu’aucune machine ne peut approcher. D’autre part, il s’agit pour l’instant d’un apprentissage purement supervisé : on entraîne la machine à reconnaître l’image d’une voiture par exemple en lui montrant des milliers d’images et en la corrigeant quand elle fait erreur. Les humains découvrent le monde de façon non supervisée. L’apprentissage non supervisé est le défi scientifique auquel nous nous attelons. Tant que nous n’y serons pas parvenus, nous serons incapables de construire des systèmes intelligents”.
De la reconnaissance des tumeurs cancéreuses à la sécurité routière, les développements de l’intelligence artificielle et du Deep learning ouvrent de larges horizons que Yann LeCun exposera au Collège de France. Quant aux craintes générées par ces nouveaux domaines, il les comprend mais les
modère, “Même si un jour on construit des systèmes par certains aspects plus complexes ou performants que les humains, ils vont être construits pour des tâches spécifiques. On associe trop souvent l’intelligence artificielle aux qualités et aux défauts humains. Il n’y a aucune raison que les machines
que l’homme concevra aient comme lui des désirs, des pulsions et des défauts ! »
____________________
1 En 2012, Le Collège de France a aussi créé une chaire pérenne d’informatique : Algorithmes, machines et
langages, avec pour titulaire le Pr Gérard Berry
2 Le Deep learning est un ensemble de méthodes d’apprentissage automatique conçu sur la base de ce que l’on
appelle parfois des réseaux de « neurones artificiels » à plusieurs couches (ou « convolutifs »). Ces réseaux sont
capables de catégoriser les informations des plus simples aux plus complexes. Pour un objet par exemple, la
première couche détecte des petits contours élémentaires, la seconde assemble ces contours en motifs puis les
motifs en parties d’objets puis ces parties en objets.
Ces « neurones artificiels » n’ont rien de matériel. Ils sont en fait des fonctions mathématiques à plusieurs
paramètres ajustables. Une phase d’apprentissage sur des objets connus permet de trouver les meilleurs
paramètres en montrant par exemple à la machine des milliers d’images d’un chien, d’une voiture ou d’un sport
… L’un des enjeux étant de trouver des méthodes pour ajuster ces paramètres le plus rapidement et le plus
efficacement possible.
