Contenu
- L'automatisation dans le bricolage des technologies de l'information
- L'automatisation est-elle l'avenir de l'apprentissage automatique?
- Pas de bugs, pas de stress - Votre guide étape par étape pour créer un logiciel qui change la vie sans vous détruire
- Étude de cas
- L'apprentissage automatique pourrait remplacer des emplois
- Conclusion
Source: Krulua / Dreamstime.com
À emporter:
L'apprentissage automatique est la capacité d'un système à modifier sa propre programmation. Mais lorsqu'un système peut le faire, les humains sont-ils encore nécessaires?
L'apprentissage automatique a été l'un des progrès les plus importants de l'histoire de l'informatique. On pense désormais qu'il est en mesure d'assumer des rôles importants dans le domaine du Big Data et de l'analyse. L'analyse de données volumineuses est un défi de taille pour les entreprises. Par exemple, des activités telles que la compréhension de grands volumes de formats de données variés, la préparation des données pour l'analyse et le filtrage des données redondantes peuvent consommer beaucoup de ressources. Embaucher des scientifiques et des spécialistes des données coûte cher et n’est pas à la portée de toutes les entreprises. Les experts estiment que l'apprentissage automatique est capable d'automatiser de nombreuses tâches liées à l'analyse, qu'elles soient courantes ou complexes. L'automatisation de l'apprentissage automatique peut libérer beaucoup de ressources pouvant être utilisées pour des tâches plus complexes et novatrices. Il semble que l’apprentissage automatique se dirige dans cette direction. (Pour en savoir plus sur l'utilisation de l'apprentissage automatique, voir Les promesses et les pièges de l'apprentissage automatique.)
L'automatisation dans le bricolage des technologies de l'information
Dans le domaine informatique, l’automatisation consiste à relier des systèmes et des logiciels disparates afin qu’ils puissent effectuer des tâches spécifiques sans aucune intervention humaine. Dans le secteur informatique, les systèmes automatisés peuvent effectuer des tâches simples et complexes. Un exemple de tâche simple pourrait être l'intégration d'un formulaire avec un PDF et l'intégration du document au destinataire approprié, tandis que le provisioning d'une sauvegarde hors site pourrait être un exemple de tâche complexe.
Pour faire son travail, un système automatisé doit être programmé ou donné des instructions explicites. Chaque fois qu'un système automatisé doit modifier l'étendue de ses tâches, le programme ou l'ensemble d'instructions doit être mis à jour par un être humain. Bien que les systèmes automatisés fonctionnent efficacement, des erreurs peuvent survenir pour diverses raisons. Lorsque des erreurs se produisent, la cause première doit être identifiée et corrigée. De toute évidence, pour faire leur travail, les systèmes automatisés sont totalement dépendants des êtres humains. Plus la nature du travail est complexe, plus la probabilité d'erreurs et de problèmes est grande.
Généralement, les tâches de routine et les tâches pouvant être répétées sont attribuées à des systèmes automatisés. Un exemple courant d'automatisation dans le secteur informatique consiste à automatiser le test des interfaces utilisateur Web. Les scénarios de test sont introduits dans les scripts d'automatisation et les interfaces utilisateur sont testées en conséquence. (Pour plus d'informations sur les utilisations pratiques de l'apprentissage automatique, voir Apprentissage automatique et Hadoop dans Détection de fraude de nouvelle génération.)
L’argument en faveur de l’automatisation est qu’elle exécute des tâches de routine et reproductibles et permet aux employés de s’acquitter de tâches plus complexes et plus créatives. Cependant, il a également été avancé que l'automatisation avait déplacé de nombreux emplois ou rôles précédemment occupés par des humains. Maintenant que l'apprentissage de la machine se répand dans divers secteurs, l'automatisation pourrait ajouter une nouvelle dimension.
L'automatisation est-elle l'avenir de l'apprentissage automatique?
L'apprentissage automatique repose essentiellement sur la capacité des systèmes à apprendre en permanence à partir de données et à évoluer sans l'intervention d'êtres humains. L'apprentissage automatique est capable de se comporter comme le cerveau humain. Par exemple, un moteur de recommandation dans un site Web de commerce électronique peut évaluer les préférences et les goûts uniques d’un utilisateur et proposer des recommandations sur les produits et services qui correspondent le mieux à ses choix. Compte tenu de cette capacité, l'apprentissage automatique est considéré comme idéal pour automatiser des tâches complexes liées au big data et à l'analyse. Il a déjà surmonté la principale limite des systèmes d’automatisation traditionnels, qui ne peuvent fonctionner sans une intervention humaine régulière. Plusieurs études de cas montrent que l'apprentissage automatique est capable de mener à bien des tâches complexes d'analyse de données, comme nous le verrons plus loin dans cet article.
Comme nous l’avons déjà souligné, l’analyse de données massives est une proposition ambitieuse pour les entreprises et peut être partiellement déléguée à des systèmes d’apprentissage automatique. Du point de vue d’une entreprise, cela peut présenter de nombreux avantages, tels que la libération de ressources informatiques pour des tâches plus créatives et critiques, un volume de travail achevé plus long, une réduction du temps requis pour réaliser des tâches et une rentabilité accrue.
Pas de bugs, pas de stress - Votre guide étape par étape pour créer un logiciel qui change la vie sans vous détruire
Vous ne pouvez pas améliorer vos compétences en programmation lorsque personne ne se soucie de la qualité des logiciels.
Étude de cas
En 2015, les chercheurs du MIT ont commencé à travailler sur un outil de science des données capable de créer des modèles de données prédictifs à partir d'énormes volumes de données brutes en utilisant une technique appelée l'algorithme Deep Feature Synthesis. Les scientifiques affirment que l'algorithme peut combiner les meilleures caractéristiques de l'apprentissage automatique. Selon les scientifiques, ils ont déjà testé l'algorithme sur trois ensembles de données différents et vont étendre la portée des tests à davantage d'ensembles de données. Décrivant comment ils y parviennent, les chercheurs James Max Kanter et Kalyan Veeramachaneni ont déclaré dans un article devant être présenté lors d’une conférence internationale sur la science et l’analyse des données: à différents jeux de données. "
Examinons à quel point la tâche a été complexe: l’algorithme a une capacité connue sous le nom de capacité d’ajustement automatique, à l’aide de laquelle il dérive ou extrait des informations ou des valeurs à partir de données brutes telles que l’âge ou le sexe, et ensuite peut créer des modèles de données prédictifs. L'algorithme utilise des fonctions mathématiques complexes et une théorie de probabilité connue sous le nom de copule gaussienne. Il est donc facile de comprendre l’ampleur de la complexité que l’algorithme est capable de gérer. La technique a également remporté des prix dans les compétitions.
L'apprentissage automatique pourrait remplacer des emplois
Il est en train d'être discuté dans le monde entier que l'apprentissage par machine pourrait remplacer de nombreux emplois, car il exécute des tâches avec l'efficacité du cerveau humain. En fait, il est à craindre que l’apprentissage automatique remplace les informaticiens - et il semble y avoir une base pour de telles appréhensions.
Pour les utilisateurs ordinaires qui ne possèdent pas les compétences en analyse de données mais qui ont encore besoin d'analyses diverses à divers degrés de la vie quotidienne, il n'est pas possible de disposer d'ordinateurs capables d'analyser d'énormes volumes de données et de proposer des analyses. Mais les technologies de traitement du langage naturel (PNL) peuvent surmonter cette limitation en apprenant à l’ordinateur à accepter et à traiter le langage naturel parlé par l’être humain. Ainsi, l'utilisateur commun n'a pas besoin de capacités d'analyse ni de compétences sophistiquées.
IBM estime que le produit Watson, sa plate-forme d’analyse en langage naturel Watson, permet de minimiser ou d’éliminer le besoin en scientifiques de données. Marc Atschuller, vice-président de Watson Analytics et de Business Intelligence, a déclaré: «Avec un système cognitif tel que Watson, vous posez simplement votre question. Si vous n’avez pas de question, vous pouvez simplement télécharger vos données et Watson peut les examiner et en déduire. ce que vous voudrez peut-être savoir. "
Conclusion
L'automatisation est la prochaine étape logique de l'apprentissage automatique et nous en avons déjà subi les effets dans notre vie quotidienne: sites Web de commerce électronique, suggestions d'amis, recommandations de mise en réseau LinkedIn et classements de recherche Airbnb. Compte tenu des exemples donnés, la qualité des résultats produits par les systèmes d’apprentissage automatisé ne fait aucun doute. Malgré toutes ses qualités et ses avantages, l’apprentissage automatique qui cause un taux de chômage élevé peut sembler un peu excessif. Les machines remplacent les êtres humains dans de nombreux domaines de notre vie depuis plusieurs décennies et pourtant, les êtres humains ont évolué et se sont adaptés pour rester pertinents dans l'industrie. Selon la perspective, l’apprentissage automatique, malgré ses perturbations, n’est qu’une autre vague à laquelle les gens vont s’adapter.