ACTUALITÉ SCIENTIFIQUE
ET INNOVATION DE L'ÉTS
Encore plus d’apprentissage profond dans l’infonuagique - Par : Hanen Hattab,

Encore plus d’apprentissage profond dans l’infonuagique


Hanen Hattab
Hanen Hattab est doctorante en sémiologie à l’UQAM. Ses recherches portent sur les pratiques d’art et de design subversifs et contre culturels comme le vandalisme artistique, le sabotage et les détournements culturels.

l'apprentissage profond et infonuage (cloud computing)

Image achetée du site Istock.com : protégée par des droits d’auteur.

Introduction

L’apprentissage profond prend de l’importance dans l’infonuage en proposant plusieurs outils d’analyse de données en temps réel. Les systèmes numériques pourront analyser directement les contenus en ligne et élargir le réseau de traitement et d’échanges des métadonnées.

La vision par ordinateur

 Le 17 août 2017, l’entreprise Box a annoncé qu’elle a intégré la technologie de vision par ordinateur de Google à sa plate-forme infonuagique. Les utilisateurs peuvent désormais chercher des images dans leurs fichiers en utilisant des données visuelles au lieu de noms de fichiers ou de mots-clés. Selon Aaron Levie, le PDG de Box, plus le nombre de données infonuagiques augmente, plus les utilisateurs ont besoin de moyens intelligents pour organiser et comprendre leur contenu.

La vision par ordinateur de Google

La vision par ordinateur est une technologie qui permet à un système infonuagique d’analyser, de détecter et de reconnaître un contenu visuel en temps réel. Cette technologie a considérablement évolué ces dernières années grâce à l’arrivée de l’apprentissage profond dans les domaines des technologies numériques. Afin de rendre cette forme d’apprentissage automatique plus puissante, les chercheurs créent des réseaux neuronaux artificiels inspirés de la manière dont les neurones des mammifères traitent et stockent les informations. Les circuits bio-inspirés sont dotés d’algorithmes capables d’apprendre à reconnaître des catégories d’objets. En outre, ils peuvent retrouver des images dépourvues d’étiquetage et faire de la reconnaissance de texte sur des photos ou des illustrations. Les chercheurs de Box travaillent également à la conception d’outils qui permettront aux clients de former leur propre système de vision par ordinateur.

La vision par ordinateur analyse le contenu visuel par abstraction en déterminant ses caractéristiques principales, à savoir les formes, les couleurs, les contrastes, etc. Elle permet de trouver l’image d’un objet dans une banque ou un répertoire d’images, et ce, en cherchant dans chacune d’elles les points saillants de l’objet.

La fonctionnalité de vision par ordinateur de Box permettra à un grand nombre d’entreprises de s’initier à l’intelligence artificielle et à l’apprentissage profond. Celles-ci ne seront plus obligées d’annoter manuellement des milliers d’images et pourront même faire des recherches dans des répertoires de fichiers très anciens, qui n’auront pas été étiquetés. Tout ceci confirme que l’apprentissage profond réinvente actuellement l’infonuagique. Des entreprises comme Google, Amazon et Microsoft ne cessent de proposer des fonctionnalités d’apprentissage par machine qui font du web un outil de travail puissant par son omniprésence, sa rapidité et sa capacité démesurée à gérer les données.

Reconnaissance textuelle

Levie a confié qu’en plus de l’analyse visuelle et sonore, son entreprise s’intéresse aussi aux outils d’analyse textuelle. Ceux-ci permettent non pas d’effectuer des recherches de données par mots-clés, mais par des entités signifiantes; il s’agira, par exemple, de retrouver tous les mots qui expriment le mouvement ou la sagesse.

La technologie Sentiment Analysis de l’Université Stanford relie les adjectifs et les noms exprimant une émotion à la structure de la phrase pour en déduire les sentiments réellement exprimés.

Analyse en temps réel du contenu web

Le PDG de Box a précisé que ses collaborateurs explorent les moyens d’appliquer l’apprentissage profond à l’étude du comportement des clients. Cette recherche permettrait d’optimiser le service Box et de déterminer les tâches qui mèneraient à l’automatisation du serveur infonuagique. Ces outils seront capables un jour de prendre des décisions et d’effectuer des actions sans intervention externe.

Hanen Hattab

Profil de l'auteur(e)

Hanen Hattab est doctorante en sémiologie à l’UQAM. Ses recherches portent sur les pratiques d’art et de design subversifs et contre culturels comme le vandalisme artistique, le sabotage et les détournements culturels.

Profil de l'auteur(e)


commentaires

    Laisser un commentaire

    Votre adresse de messagerie ne sera pas publiée. Les champs obligatoires sont indiqués avec *