Réseaux de neurones : applications dans le monde réel

Les réseaux de neurones trouvent de nombreuses applications dans des domaines où les ordinateurs traditionnels ne fonctionnent pas très bien. Par exemple, pour les énoncés de problème où, au lieu de sorties programmées, vous souhaitez que le système apprenne, adapte et modifie les résultats en synchronisation avec les données que vous lui envoyez. Les réseaux de neurones trouvent également des applications rigoureuses chaque fois que nous parlons de traiter des données bruitées ou incomplètes. Et honnêtement, la plupart des données présentes sont en effet bruyantes.
Avec leur capacité d'apprentissage et d'adaptation semblable à celle du cerveau, les réseaux de neurones constituent la base complète et ont des applications dans l'intelligence artificielle et, par conséquent, dans les algorithmes d'apprentissage automatique. Avant d'aborder la façon dont les réseaux de neurones alimentent l'intelligence artificielle, parlons d'abord un peu de ce qu'est exactement l'intelligence artificielle.
Pendant très longtemps, le mot « intelligence » a été simplement associé au cerveau humain. Mais alors, quelque chose s'est passé ! Les scientifiques ont trouvé un moyen de former des ordinateurs en suivant la méthodologie utilisée par notre cerveau. Ainsi est née l'Intelligence Artificielle, qui peut essentiellement être définie comme l'intelligence provenant des machines. Pour le dire encore plus simplement, l'apprentissage automatique fournit simplement aux machines la capacité de « penser », « apprendre » et « s'adapter ».
Avec tant de choses dites et faites, il est impératif de comprendre quels sont exactement les cas d'utilisation de l'IA et comment les réseaux de neurones aident la cause. Plongeons-nous dans les applications des réseaux de neurones dans divers domaines - des médias sociaux et des achats en ligne , aux finances personnelles , et enfin, à l'assistant intelligent sur votre téléphone .
Rappelons que cette liste n'est en aucun cas exhaustive, car les applications des réseaux de neurones sont très répandues. Fondamentalement, tout ce qui fait apprendre aux machines déploie l'un ou l'autre type de réseau de neurones .

Réseaux sociaux

Le déluge de données sans cesse croissant qui entoure les médias sociaux donne aux créateurs de ces plateformes l'occasion unique de toucher aux données illimitées dont ils disposent. Pas étonnant que vous voyiez une nouvelle fonctionnalité tous les quinze jours. Il est juste de dire que tout cela aurait été comme un rêve lointain sans les réseaux de neurones pour sauver la situation.
Un guide du débutant pour la compréhension du langage naturel

Les réseaux de neurones et leurs algorithmes d'apprentissage trouvent de nombreuses applications dans le monde des médias sociaux. Voyons comment :

Facebook

Dès que vous téléchargez une photo sur Facebook, le service met automatiquement en évidence les visages et invite les amis à taguer. Comment identifie-t-il instantanément lequel de vos amis est sur la photo ?
La réponse est simple : l'Intelligence Artificielle. Dans une vidéo mettant en lumière la recherche sur l'intelligence artificielle de Facebook, ils discutent des applications des réseaux de neurones pour alimenter leur logiciel de reconnaissance faciale. Facebook investit massivement dans ce domaine, non seulement au sein de l'organisation, mais aussi à travers les acquisitions de startups de reconnaissance faciale comme Face.com (acquis en 2012 pour une rumeur de 60 millions de dollars), Masquerade (acquis en 2016 pour un montant non divulgué), et Faciometrics (acquis en 2016 pour un montant non divulgué).

En juin 2016, Facebook a annoncé une nouvelle initiative d'intelligence artificielle qui utilise divers réseaux de neurones profonds tels que DeepText - un moteur d'intelligence artificielle capable de comprendre le contenu textuel de milliers de messages par seconde, avec une précision quasi humaine.

Instagram

Instagram, acquis par Facebook en 2012, utilise l'apprentissage en profondeur en utilisant une connexion de réseaux de neurones récurrents pour identifier la signification contextuelle d'un emoji - qui remplace régulièrement les argots (par exemple, un emoji qui rit pourrait remplacer "rofl" ).
En identifiant de manière algorithmique les sentiments derrière les émojis, Instagram crée et suggère automatiquement des émojis et des hashtags liés aux émojis. Cela peut sembler être une application mineure de l'IA, mais être capable d'interpréter et d'analyser cette traduction emoji-texte à plus grande échelle jette les bases d'une analyse plus approfondie de la façon dont les gens utilisent Instagram.

Pinterest

Pinterest utilise la vision par ordinateur - une autre application des réseaux de neurones , où nous apprenons aux ordinateurs à "voir" comme un humain, afin d' identifier automatiquement les objets dans les images (ou "épingles", comme ils l'appellent), puis de recommander des épingles visuellement similaires. Parmi les autres applications des réseaux de neurones chez Pinterest , citons la prévention du spam, la recherche et la découverte, la performance et la monétisation des publicités et le marketing par e-mail.
Génération de langage naturel : ce que vous devez savoir

Shopping en ligne

Vous trouvez-vous dans des situations où vous êtes sur le point d'acheter quelque chose, mais vous finissez par acheter beaucoup plus que prévu, grâce à des recommandations super géniales ?
Ouais, blâmez les réseaux de neurones pour ça. En utilisant le réseau de neurones et ses apprentissages, les géants du e-commerce créent des systèmes d'Intelligence Artificielle qui vous connaissent mieux que vous-même. Voyons comment :

Rechercher

Vos recherches Amazon ("écouteurs", "pierre à pizza", "chargeur d'ordinateur portable", etc.) renvoient une liste des produits les plus pertinents liés à votre recherche, sans perdre beaucoup de temps. Dans une description de sa technologie de recherche de produits, Amazon déclare que ses algorithmes apprennent automatiquement à combiner plusieurs fonctionnalités pertinentes. Il utilise les modèles passés et s'adapte à ce qui est important pour le client en question.
Et qu'est-ce qui fait « apprendre » les algorithmes ? Vous l'avez bien deviné – Réseaux de neurones !

Recommandations

Amazon vous montre des recommandations en utilisant ses "clients qui ont vu cet article ont également vu", "les clients qui ont acheté cet article ont également acheté", et également via des recommandations organisées sur votre page d'accueil, au bas des pages de l'article et par e-mail. Amazon utilise des réseaux de neurones artificiels pour former ses algorithmes afin d'apprendre le modèle et le comportement de ses utilisateurs. Ceci, à son tour, aide Amazon à fournir des recommandations encore meilleures et personnalisées.

Banque/Finances personnelles

Vérifier les dépôts via mobile

La plupart des grandes banques éliminent la nécessité pour les clients de remettre physiquement un chèque à la banque en offrant la possibilité de déposer des chèques via une application pour smartphone . Les technologies qui alimentent ces applications utilisent les réseaux de neurones pour déchiffrer et convertir l'écriture manuscrite sur les chèques en texte. Essentiellement, les réseaux de neurones se trouvent au cœur de toute application nécessitant la reconnaissance de l'écriture manuscrite/de la parole/d'images.

Prévention de la fraude

Comment une institution financière peut-elle déterminer une transaction frauduleuse ? La plupart du temps, le volume quotidien des transactions est trop important pour être examiné manuellement. Pour aider à cela, l'Intelligence Artificielle est utilisée pour créer des systèmes qui apprennent par la formation quels types de transactions sont frauduleuses (parlez apprentissage, parlez réseaux de neurones !).
FICO - la société qui crée des cotes de crédit utilisées pour déterminer la solvabilité, utilise des réseaux de neurones pour alimenter son intelligence artificielle afin de prédire les transactions frauduleuses. Les facteurs qui affectent la sortie finale du réseau de neurones artificiels incluent la fréquence et la taille de la transaction et le type de détaillant impliqué.
Gardez un œil sur la prochaine grande chose : l'apprentissage automatique

Alimenter vos téléphones portables

Voice-to-Text

L'une des fonctionnalités les plus courantes sur les smartphones aujourd'hui est la conversion voix-texte. Il vous suffit d'appuyer sur un bouton ou de dire une phrase particulière ("Ok Google", par exemple) pour commencer à parler à votre téléphone et votre téléphone convertit l'audio en texte. Google utilise des réseaux de neurones artificiels en connexion récurrente pour alimenter la recherche vocale. Microsoft prétend également avoir développé un système de reconnaissance vocale – utilisant les réseaux de neurones , qui peut transcrire les conversations légèrement plus précisément que les humains.

Assistants personnels intelligents

La technologie voix-texte devenant suffisamment précise pour s'appuyer sur des conversations de base, elle se transforme en interface de contrôle pour une nouvelle génération d'assistants personnels. Au départ, il y avait des assistants téléphoniques plus simples - Siri et Google Now (maintenant remplacés par l'assistant Google plus sophistiqué), qui pouvaient effectuer des recherches sur Internet, définir des rappels et s'intégrer à votre calendrier. Amazon a développé ce modèle avec l'annonce de composants matériels et logiciels complémentaires - Alexa et Echo (plus tard, Dot).

Quelle est la différence entre Data Science, Machine Learning et Big Data ?

Envelopper…
Nous n'avons fait qu'effleurer la surface en ce qui concerne les applications des réseaux de neurones dans la vie quotidienne. Des industries et des domaines spécifiques ont des interactions spécifiques avec l'intelligence artificielle en utilisant des réseaux de neurones qui vont bien au-delà de ce dont il est question dans cet article. Par exemple, les joueurs d'échecs utilisent régulièrement des moteurs d'échecs pour analyser leurs parties, s'améliorer et pratiquer de nouvelles tactiques - et il va sans dire que le moteur d'échecs en question déploie des réseaux de neurones pour accomplir l'apprentissage.

Apprenez des cours de ML en ligne dans les meilleures universités du monde. Gagnez des programmes de maîtrise, Executive PGP ou Advanced Certificate pour accélérer votre carrière.
Avez-vous un autre cas d'utilisation réel intéressant des réseaux de neurones que nous aurions pu manquer ? Déposez-le dans les commentaires ci-dessous!