IA contre Machine Learning
contre Deep Learning

Tous les acronymes

Il est presque plus difficile de comprendre tous les acronymes qui entourent l'intelligence artificielle (IA) que la technologie sous-jacente de l'IA par rapport au machine learning et au deep learning. Ajoutez à cela les différentes disciplines de l'IA ainsi que les domaines d'application, et il est facile pour une personne moyenne de décrocher. C'est pourquoi il est judicieux de regarder d'abord comment chacun peut être clairement défini lors de la comparaison de la science derrière des technologies complexes comme le machine learning vs IA ou le NLP vs machine learning.

Ci-dessous, nous tentons d'expliquer les parties importantes de l'intelligence artificielle et comment elles s'assemblent. Chez Sonix, nous nous concentrons spécifiquement sur la reconnaissance vocale automatique (ASR), nous expliquons donc les technologies clés dans cette optique. Les informations que nous fournissons concernant les applications IA vs ML vs DL sont directement liées au travail que nous effectuons pour nos clients.

Commençons d'abord par certains des acronymes les plus couramment utilisés et leurs définitions :

• Artificial Intelligence (AI) — la vaste discipline de création de machines intelligentes
• Machine Learning (ML) — se rapporte aux systèmes capables d'apprendre par l'expérience
• Deep Learning (DL) — se rapporte aux systèmes capables d'apprendre par l'expérience sur de grands ensembles de données
• Artificial Neural Networks (ANN) — se rapporte aux modèles de réseaux neuronaux humains conçus pour aider les ordinateurs à apprendre
• Natural Language Processing (NLP) — se rapporte aux systèmes capables de comprendre le langage
• Automated Speech Recognition (ASR) — se rapporte à l'utilisation de techniques basées sur le matériel informatique et les logiciels pour identifier et traiter la voix humaine

L'intelligence artificielle (IA) est la discipline globale qui couvre tout ce qui touche à la création de machines intelligentes. Qu'il s'agisse d'un robot, d'un réfrigérateur, d'une voiture ou d'une application logicielle, si vous les rendez intelligents, c'est de l'IA. Le Machine Learning (ML) est couramment utilisé aux côtés de l'IA, mais ce n'est pas la même chose. Le ML est un sous-ensemble de l'IA. Le ML fait référence à des systèmes qui peuvent apprendre par eux-mêmes. Des systèmes qui deviennent de plus en plus intelligents au fil du temps sans intervention humaine. Le Deep Learning (DL) est du ML mais appliqué à de grands ensembles de données. La plupart des travaux sur l'IA impliquent désormais le ML car un comportement intelligent nécessite des connaissances considérables, et l'apprentissage est le moyen le plus simple d'acquérir ces connaissances. L'image ci-dessous illustre la relation entre le machine learning vs IA vs DL.

Il existe de nombreuses techniques et approches du ML. L'une de ces approches est celle des réseaux de neurones artificiels (ANN). Un bon exemple est le moteur de recommandation d'Amazon. Amazon utilise des réseaux de neurones artificiels pour générer des recommandations pour ses clients. Amazon suggère des produits en vous montrant « les clients qui ont consulté cet article ont également consulté » et « les clients qui ont acheté cet article ont également acheté ». Amazon assimile les données de toutes les expériences de navigation de ses utilisateurs et utilise ces informations pour faire des recommandations de produits efficaces.

Chez Sonix, nous convertissons l'audio en texte à l'aide de machines. Les principales technologies sous-jacentes sont la reconnaissance vocale automatique (ASR) et le traitement du langage naturel (NLP). L'ASR est le traitement de la parole en texte, tandis que le NLP est le traitement du texte pour en comprendre le sens. Parce que les humains parlent avec des expressions familières et des abréviations, il faut une analyse informatique approfondie du langage naturel pour obtenir des résultats précis.

L'ASR et le NLP relèvent de l'IA. Le ML et le NLP présentent certains chevauchements car le ML est souvent utilisé pour des tâches de NLP. L'ASR chevauche également le ML. Il a historiquement été une force motrice derrière de nombreuses techniques de machine learning. Lors de la comparaison entre l'IA et le machine learning, il est crucial de comprendre les chevauchements et les différences au sein du diagramme.

En résumé, le DL est un sous-ensemble du ML, et les deux sont des sous-ensembles de l'IA. L'ASR et le NLP relèvent de l'IA et chevauchent le ML et le DL. Il est fascinant de voir comment ils sont tous entrelacés. Il ne s'agit pas tant de machine learning vs IA, mais plutôt de la façon dont ces technologies relativement nouvelles peuvent créer et améliorer des méthodes pour résoudre des problèmes de haut niveau en temps réel.