Decideo - Actualités sur le Big Data, Business Intelligence, Data Science

Abonnez-vous gratuitement à Decideo !


Decideo

 


Applications concrètes du deep learning dans l’industrie, la sécurité et le marketing


Rédigé par Melva HERNANDEZ le 14 Juillet 2017

Avec un effort bien marqué dans le domaine de l’innovation en intelligence artificielle, Dataperformers, dont le siège est à Montréal, résout des problèmes concrets des secteurs de l’industrie, de la surveillance et du marketing, à l’aide d’un système de deep learning capable de reconnaître des objets sur des vidéos transmises en ligne.



Intelligence artificielle, machine learning, deep learning ou science-fiction ?

Mehdi MERAI, Dataperformers
Mehdi MERAI, Dataperformers
Il existe un manque de compréhension des organisations quant à ce qu’est véritablement l’intelligence artificielle, le machine learning et le deep learning. De plus et afin de mettre un terme à l’idée que ces thèmes n’appartiennent qu’au domaine de la science-fiction, des initiatives apparaissent comme Dataperformers. « Je participe à l’une de ces initiatives qui servent de pont en quelque sorte entre la société et les spécialistes de l’intelligence artificielle, afin d’expliquer comment fonctionnent ces systèmes et à quoi ils servent vraiment pour la société », fait remarquer Mehdi Merai, CEO et cofondateur de Dataperformers, qui ajoute que ces mécanismes à l’intelligence artificielle s’immiscent de plus en plus dans nos foyers, dans notre environnement professionnel et dans la vie quotidienne en général.

De l’intelligence d'affaires aux innovations de l’intelligence artificielle

En 2013, Mehdi Merai et Amine Ben Ayed décident de s’associer pour offrir avec Dataperperformers des services en intelligence d'affaires. Cependant, cette idée évolua lorsque Mehdi commença à s’intéresser personnellement au domaine de la science cognitive ; ceci l’amena à établir un lien entre les décisions prises par une machine et celles par un être humain, donc finalement à pénétrer le monde de l‘intelligence artificielle. « L’homme a toujours été fasciné par sa capacité d’observer, de vérifier, d’apprendre et de créer des machines qui accomplissent les mêmes choses que les êtres humains. De cette fascination a surgi l’intelligence artificielle. »

Pour définir le concept d’intelligence artificielle, Mehdi suggère de revoir au préalable celui d’ « intelligence ». Selon Wikipedia, celle-ci exprime la capacité de générer de l’information nouvelle à partir de celle que nous recevons de notre environnement et de l’information que nous avons mémorisée. Il s’agit d’une aptitude générale qui implique différents facteurs : la mémoire, la pensée abstraite, et qui est orientée vers la résolution de problèmes ou vers la capacité à acquérir des connaissances.
« L’intelligence artificielle est le résultat d’un système artificiel, appelé machine ou algorithme, capable d’apprentissage pour prendre des décisions intelligentes, à savoir basé sur l’apprentissage dans un cadre défini » poursuit Mehdi. Il signale également que l’intelligence artificielle s’inspire de la cognition biologique, mais à un très haut niveau, et qu’elle la transpose sur un plan plus technique quant à la forme que prend sa réalisation. Cette idée évolue et il nous explique que : « en termes plus techniques, l’intelligence artificielle provient moins de la cognition biologique naturelle que de concepts mathématiques qui n’existent peut-être pas dans le cerveau humain. »

Une nouvelle génération de systèmes intelligents

Après avoir terminé des études de maîtrise en informatique à la UQAM (Université du Québec à Montréal), Mehdi Merai décide de continuer son PhD en l’axant sur le machine learning. Afin de différencier les concepts de machine learning et de deep learning, l‘expert en apprentissage de machines nous précise que le machine learning permet de créer une machine ou système intelligent dont le processus d’apprentissage fait partie de l’intelligence artificielle.

« L’idée générale de l’apprentissage de connexions basées sur un processus neuronal est simplement de récupérer la connaissance enrichie de l’expérience sans qu’un opérateur humain soit impliqué. Dans l’ancienne génération d’intelligence artificielle, les systèmes intelligents étaient basés sur des connaissances – des systèmes-experts – qui établissaient ce que devait faire la machine au cas par cas. Le problème provenait du fait que dans la vie réelle, l’environnement est beaucoup plus complexe que cela ; il était très difficile et dispendieux d’analyser tous les cas un par un. C’est pour cela que la nouvelle génération de systèmes intelligents, de connexion avant tout, se base sur le fait que ce n’est pas l’humain qui interviendra pour définir chaque cas, mais plutôt le réseau neuronal qui apprendra par lui-même et de manière répétitive. »
Concernant le deep learning, Mehdi nous explique que : « ce concept fait référence à une famille de techniques qui font partie du machine learning. « Deep » exprime l’effet d’avoir non pas une couche mais plusieurs pour concevoir et représenter les réseaux neuronaux, d’où le terme de « profond » (avec beaucoup de couches).»

Si nous revenons à la définition de Wikipédia, ces techniques d’apprentissage profond constituent une classe d’algorithmes d’apprentissage automatique :
• En utilisant différentes couches d’unité de traitement non linéaire pour l’extraction et la transformation de caractéristiques. Chaque couche emploie comme entrée la sortie de la couche précédente. Les algorithmes peuvent être supervisés ou non et leurs applications comprennent la reconnaissance de modèles ou de la classification statistique.
• Ces techniques fonctionnent avec un apprentissage à plusieurs niveaux de détails ou de représentations de données. Au travers des différentes couches, on passe de paramètres de bas niveau à des paramètres de niveau supérieur.
• Ces différents niveaux correspondent à plusieurs échelons d’abstraction des données.
• Ce nouveau champ d’étude a pour objectif de développer davantage les capacités de l’intelligence artificielle. Aujourd’hui, ces architectures permettent de donner du sens aux données représentées sous forme de textes, de sons ou d’images.

Spectre AI, est un des projets dans lequel s’investit Dataperformers. On le définit comme un système de deep learning capable de reconnaître des objets ou des images de vidéos en ligne et en temps réel. Ce système est une réponse aux différents besoins du marché. Par exemple, dans le cas de l’inspection de pièces métalliques afin de repérer des objets abîmés ou de détecter des fissures, il est impératif pour les industries de fabrication de répondre à ce besoin en vérifiant des millions d’images de manière quasi instantanée. Dans la sécurité, pour la reconnaissance des personnes. Dans le domaine du marketing, ce système peut être utile aux entreprises qui veulent repérer un produit en particulier ou reconnaître un certain objet de leurs marques, par exemple dans les vidéos que se transmettent les usagers des réseaux sociaux.
Une particularité de ce système intelligent est son niveau de précision et la différence qu’il possède avec l’API de détection d’objets Tensor Flow de Google qui permet de créer des réseaux neuronaux. En effet, le CEO de Dataperformers nous explique que l’intérêt de son produit Spectre Al n’est pas dans le réseau neuronal lui-même mais plutôt dans la façon qu’il a d’employer le réseau pour résoudre un problème particulier. « Tensor Flow de Google permet de créer le réseau neuronal en définissant les paramètres tels que l’architecture, la quantité de nœuds et de couches, en établissant les caractéristiques de chaque couche. Le travail du chercheur en intelligence artificielle consiste à trouver cette architecture, à créer ce modèle d’apprentissage qui permet d’avoir les entrées et d’obtenir les résultats désirés, puis de mettre en œuvre ce système à l’aide d’un framework comme Tensor Flow, Caffe2Go ou autre. Spectre Al est plus qu’un produit » explique Mehdi Merai.
Pour pouvoir intégrer cette solution aux systèmes d’information organisationnels, on a besoin d’un spécialiste en IT, usager final de Spectre Al, qui sera capable d’établir les connexions API et de récupérer les réponses – outputs – pour reconnaître un objet en particulier, notamment pour les activités qui exigent de repérer une image ou un objet d’une vidéo en ligne.

Deep learning pour les villes intelligentes

Un autre projet de Dataperformers, est Crowd 360 avec un lancement prochain en vue, il est axé sur les besoins des villes et sur l’idée de les rendre plus intelligentes en simplifiant le procédé d’écoute du citadin : « Dans ce cas de figure, nous nous mettons à la place des administrateurs de villes qui reçoivent des millions de plaintes chaque jour (liées au bruit, à la pollution, à l’état des rues, à la sécurité, aux impôts, etc.). Crowd 360 est un outil qui permet d’aider les responsables des villes à classifier ces problèmes et à associer automatiquement chaque plainte à une catégorie pour pouvoir l’examiner avec la personne ou le département en question. »
Grâce à la révolution scientifique industrielle fondée sur l’apprentissage profond, et que Montréal mit en avant récemment, Dataperformers déclare établir son siège principal dans cette ville du Canada.
Ce fabricant d’intelligence artificielle compte actuellement 10 personnes dans son équipe qui, pour la plupart, possèdent une formation en ingénierie informatique. La moitié d’entre elles sont des chercheurs en intelligence artificielle chargés du développement des innovations et de la création de nouveaux produits.
De plus, ils visent le marché américain ; à partir du mois de septembre, Dataperformers ouvrira une agence à San Francisco. Son directeur affirme que leur implantation là-bas les aidera à mieux cerner leurs prochains clients américains qui désirent profiter de ces capacités de reconnaissance d’objets pour les automatiser et ainsi prendre des décisions de manière plus intelligente. « Grâce à l’impulsion de Montréal, nous sommes aujourd’hui capables d’exporter cette technologie à la Silicon Valley et non l’inverse. Notre bureau principal sera à Montréal. »




Nouveau commentaire :
Twitter

Vous pouvez commenter ou apporter un complément d’information à tous les articles de ce site. Les commentaires sont libres et ouverts à tous. Néanmoins, nous nous réservons le droit de supprimer, sans explication ni préavis, tout commentaire qui ne serait pas conforme à nos règles internes de fonctionnement, c'est-à-dire tout commentaire diffamatoire ou sans rapport avec le sujet de l’article. Par ailleurs, les commentaires anonymes sont systématiquement supprimés s’ils sont trop négatifs ou trop positifs. Ayez des opinions, partagez les avec les autres, mais assumez les ! Merci d’avance. Merci de noter également que les commentaires ne sont pas automatiquement envoyés aux rédacteurs de chaque article. Si vous souhaitez poser une question au rédacteur d'un article, contactez-le directement, n'utilisez pas les commentaires.


Twitter
Rss
LinkedIn
Facebook
Apple Podcast
App Store
Google Play Store