Rachel Thomas sur Rendre l’IA accessible

À quelle vitesse perturbe-t-il l’apprentissage de l’apprentissage approfondi de l’IA

Source: C.Rosso

L’intelligence artificielle (IA), issue d’un hiver de profonde dormance qui dure depuis soixante ans, est entrée dans une renaissance qui bat son plein, en grande partie grâce aux progrès de l’apprentissage en profondeur. Profondément basé sur le cerveau humain, l’apprentissage en profondeur est une méthode d’apprentissage automatique qui utilise des couches de neurones artificiels (un réseau de neurones artificiels) ne nécessitant pas de programmation explicite pour “apprendre” à partir de vastes quantités d’entrées Big Data. Il y a un boom d’embauche pour les professionnels de l’intelligence artificielle (IA). La part des emplois nécessitant des compétences en IA a été multipliée par 4,5 aux États-Unis au cours de la période 2013-2017, selon The AI ​​Index de Stanford. Pour répondre à cette demande croissante, une entreprise adopte une approche novatrice. Lors de la conférence Exponential Medicine de cette semaine, Rachel Thomas, cofondatrice de fast.ai, a présenté un nouveau moyen de rendre l’IA accessible à un large éventail de personnes de tous les horizons, et pas seulement des institutions d’élite, perturbant ainsi l’apprentissage des connaissances. AI apprentissage en profondeur.

Rachel Thomas est l’une des «20 femmes incroyables en intelligence artificielle» de Forbes, conférencière TEDx San Francisco, professeure à l’Université de San Francisco (USF), membre du corps professoral d’Exponential Medicine, écrivain populaire et conférencière influente. Elle a obtenu son doctorat en mathématiques de l’Université Duke, et a été l’un des premiers ingénieurs d’Uber, parmi d’autres entreprises en démarrage. Thomas a fondé Fast.ai en 2016 avec l’entrepreneur en série Jeremy Howard dans le but stratégique de rendre l’apprentissage en profondeur accessible.

• Pourquoi devriez-vous voter?
• Augmentez votre exposition en tant qu’expert
• Après l’école, l’avenir de l’école est-il?
• Explorer et découvrir vos points forts
• La technologie, c’est comme le sexe: l’abstinence n’est pas la réponse

«Lorsque nous avons créé le cours, je souhaitais que cela existe il y a cinq ans, lorsque j’ai commencé à m’intéresser à l’apprentissage en profondeur», a déclaré Thomas.

Traditionnellement, les codeurs rencontrent de nombreux obstacles pour acquérir suffisamment de compétences en apprentissage approfondi pour produire des algorithmes à la pointe de la technologie permettant de résoudre des problèmes concrets. De nombreuses institutions existantes exigent des connaissances mathématiques de haut niveau ou un doctorat. comme condition requise, ce qui peut prendre des années. Si les étudiants finissent par créer un algorithme de travail, il est généralement hypothétique, sans application réelle.

«Je pense que de nombreux cours sont assez théoriques et que cela a du sens… l’apprentissage en profondeur se développe à partir d’un domaine théorique», a-t-elle déclaré.

• Comment trouver l’inspiration
• Nos enfants vont-ils devenir fascistes ou soutenir la démocratie?
• Comment devriez-vous parler à votre enfant de la Shoah?
• Quel est le rapport entre le sommeil et la maîtrise de soi et la perte de temps au travail?
• Mobilité économique et inégalité de revenus

Les fondateurs de fast.ai avaient identifié une lacune dans l’enseignement des technologies et trouvé un moyen de la moderniser. L’approche traditionnelle de l’enseignement en profondeur est généralement un processus long et lent qui commence au niveau technique détaillé – une approche ascendante.

«Nous voulions quelque chose de plus pratique et pratique», a déclaré Thomas. «Je voulais vraiment rendre cela plus accessible à plus de personnes et permettre aux personnes de tous les horizons et de tous les domaines de s’impliquer dans ce domaine.»

«Je suis beaucoup plus intéressé par ce qui fonctionne pour résoudre les problèmes que rencontrent les gens – qu’il s’agisse de l’agriculture, de la médecine ou de la fabrication», a déclaré Thomas.

La méthodologie de son entreprise est une approche descendante, à l’opposé des méthodes d’enseignement traditionnelles pour l’apprentissage en profondeur. Les étudiants peuvent rapidement développer des algorithmes d’apprentissage approfondis avec une bibliothèque open source d’applications et de modèles prêts à l’emploi que Thomas a contribué à créer.

«Nous voulons que les gens forment les réseaux de neurones immédiatement, même s’ils ne connaissent pas tous les composants sous-jacents», a déclaré Thomas.

En très peu de temps, les étudiants de fast.ai sont capables de produire rapidement des algorithmes d’apprentissage en profondeur ultra-performants et de haute performance, sans avoir de prérequis en mathématiques avancés.

«Avec le temps, nous en arriverons aux détails. Si vous suivez l’ensemble du cours, vous obtiendrez une compréhension de bas niveau, mais le résultat sera totalement inversé», a déclaré Thomas.

«Dans mon parcours, j’ai un doctorat en mathématiques et a travaillé comme ingénieur en logiciel et comme informaticien. Je pouvais voir à quel point cette technologie est puissante et que nous en sommes à la veille », a déclaré Thomas.

En tant que chercheur en résidence au Data Institute de l’Université de San Francisco (USF), Thomas se concentre principalement sur la performance des algorithmes d’apprentissage en profondeur.

Thomas a déclaré: «Mon intérêt principal est:« Ces algorithmes fonctionnent-ils? Sont-ils résoudre des problèmes intéressants et donner des résultats précis?

Selon Thomas, la vision à long terme de fast.ai est de continuer à rendre l’utilisation de la technologie d’apprentissage en profondeur plus facile, pour obtenir des résultats encore meilleurs. Cela signifie augmenter le contenu de la bibliothèque open source de fast.ai.

En moins de deux ans depuis la création de fast.ai, plus de 200 000 étudiants ont suivi le cours en ligne et plusieurs centaines d’autres ont suivi le programme en classe. Fast.ai ouvre la voie pour permettre aux codeurs de devenir des experts en apprentissage en profondeur au fil des semaines, plutôt que des années – une approche rapide et pratique pour résoudre des problèmes concrets.

Copyright © 2018 Cami Rosso Tous droits réservés.

Références

Shoham, Yoav; Perrault, Raymond; Brynjolfsson, Erik; Clark, Jack; LeGassick, Calvin. «Rapport annuel 2017 de l’Intelligence Intelligence Intelligence Index». L’Index AI. Récupéré le 11-8-2018 de http://cdn.aiindex.org/2017-report.pdf