Big data, machine learning, deep learning et deep education pour les nuls

dimanche, 08.09.2019

Christophe Clavé *

Christophe Clavé

Tout le monde semble avoir une opinion sur l’intelligence artificielle. Cependant force est de constater que bien peu de personnes peuvent en parler en connaissance de cause. Il en va de même pour le deep learning et la deep education. Sans prétendre d’y comprendre quelque chose moi-même, je vous propose de tenter d’y voir un peu plus clair ensemble.

Le machine learning est une technologie entrant dans le cadre de l’intelligence artificielle (IA) qui permet à une machine (un ordinateur, un robot...) d’apprendre quelque chose sans avoir été spécifiquement programmé pour cela.

Pour apprendre la machine a besoin d’une somme astronomique d’informations.

C’est le big data, la source du machine learning, la quantité immense d’informations qui permettra à la machine d’apprendre.

Si un enfant d’un an a besoin de voir l’image d’un chien deux ou trois fois pour être capable d’en reconnaitre un, une machine doit comparer des milliers d’images de chiens, des toutes races, assis, débout, marchant, courant, dans le noir, de face, de dos, de profil, etc. pour pouvoir éventuellement en identifier un. Sans big data il n’y a pas de machine learning.

Le deep learning est un sous domaine du machine learning. On va un niveau plus loin en tentant de répliquer le fonctionnement du cerveau humain en prenant le schéma de plusieurs réseaux de neurones qui se superposent les uns aux autres.

L’algorithme recherche et combine des informations présentes à plusieurs niveaux. La technologie actuelle est capable de reconnaître des objets, des images, des mots, des sons.

Un exemple du deep learning est la reconnaissance faciale. La machine déborde du cadre et des informations qui lui ont été fournis, et se nourrit de données qu’elle trouvera elle-même.

Ces systèmes dit cognitifs apprennent constamment et sont utilisés pour bâtir les modèles prédictifs comme l’évolution probable d’un marché, d’une opinion dans la société ou de la météo.

Le deep learning s’attaque à des tâches de plus en plus complexes, comme les diagnostics médicaux ou la traduction automatique par exemple. En quoi l’éducation, l’enseignement et la formation sont-ils concernés?

On l’a vu, le deep learning est une technologie qui s’inspire du fonctionnement du cerveau humain et de la plasticité de ses connexions neuronales. C’est une démarche intéressante et un peu perturbante de voir comment l’IA progresse en tentant de répliquer des fonctions humaines, et comment l’innovation pédagogique est à son tour influencée par la technologie qui s’inspire du cerveau humain… Vous êtes perdu? C’est normal. La réflexion pédagogique en la matière part de la pensée systémique. L’idée est d’ouvrir le raisonnement à un niveau où il est possible de percevoir comment les phénomènes sont connectés et interagissent.

Au-delà du déterminisme (une cause induit un effet qui lui-même devient la cause d’un autre effet), la pensée systémique encourage la démarche intellectuelle à sortir d’un schéma déterministe simple pour couvrir un champ élargi et plus complexe.

Une cause ne crée plus un effet, mais un ensemble d’effets qui deviennent tous les causes d’autres effets et ainsi de suite.

Afin d’appréhender ce phénomène le plus largement possible, la pensée doit se déployer dans un cadre élargi.

Les questionnements sur la deep education sont au cœur de cette réflexion, et tendent actuellement à combiner culture générale, esprit critique, intelligence collective en plus d’une expertise dans un domaine donné. C’est cette recherche qu’on peut nommer deep education.

* Professeur de stratégie & management  INSEEC





 
 
 

...