Microsoft vulgarise l'Intelligence Artificielle ! Mardi, la firme américaine a lancé sur son campus d'Issy-les-Moulineaux les AI Essentials, des sessions de formation gratuites au Machine Learning, Deep Learning et aux services cognitifs.

De l'Intelligence Artificielle sur les bords de Seine ! Du Machine Learning, du Deep Learning et des services cognitifs, le programme était copieux, mardi, pour la grande première des AI Essentials, un rendez-vous régulier institué par Microsoft France dans une quête de vulgarisation de ces disciplines.

Big Data, Machine Learning et cognitive services

Formation dispensée gratuitement à tous ceux qui s'étaient préalablement inscrits sur le site Internet du géant de l'informatique, la session d'inauguration des AI Essentials se déroulait directement sur le campus de Microsoft France à Issy-les-Moulineaux. Un lieu agréable pour trois heures de formation décomposées comme suit : Big Data & Machine Learning, créer son propre modèle et l'implémenter puis, enfin, utilisation industrielle de l'IA, les cognitive services (services cognitifs en Français...).

C'est parti pour trois heures de formation sur l'Intelligence Arficielle avec AI Essentials de Microsoft. (city.forecasting.ai)

Développeurs, Data Scientists ou simplement passionné(e)s de nouvelles technologies, ils étaient en tout cas nombreux à avoir fait le déplacement pour écouter les spécialistes de la multinationale américaine. Le lieu est agréable, l’amphithéâtre, endroit plutôt cosy, se remplit rapidement et le show ou, du moins, la session de formation peut débuter.

Il ne faut pas non plus se leurrer. Si la formation dispensée par Microsoft sur l'Intelligence Artificielle est totalement gratuite, c'est aussi et évidemment parce que la marque profite de cet événement pour présenter ses propres produits sur l'IA. Logique, légitime même ! Ce n'est pas un mal d'ailleurs car certains d'entre eux ont un réel intérêt et peuvent apporter de nouvelles perspectives professionnelles par leur implémentation. A ce titre, la conférence débute d'ailleurs avec un sous-titrage de l'intervenant sur les écrans en plusieurs langues et en temps réel. Le résultat est bluffant, comme il l'était pour l'algorithme Real Crowd Insights qui accueillait le public à l'entrée de l’amphithéâtre. Déjà présent à VivaTech, l'algorithme Real Crowd Insights, par le biais d'une caméra, est capable de déterminer avec précision votre âge, votre genre et votre humeur en temps réel...

Pierre Gilot, Cloud Solution Architect chez Microsoft, est le maître de cérémonie et lance les débats. Ouverte à tous et par conséquent ultra-accessible, la session débute par le distinguo entre Machine Learning, apprentissage machine, et Deep Learning, apprentissage profond. Charge à Sylvain Piguet, également Cloud Solution Architect pour l'entreprise américaine, et Sylvain Renouil, Partner Technology Strategist, d'être didactiques et de pouvoir expliquer ces concepts à des béotiens. En résumé, nous aurons appris qu'une machine a la capacité d’apprendre grâce à des données fournies par les humains dans le cadre du Machine Learning. Dans le Deep Learning, la machine a la capacité d'apprendre par elle-même.

Windows Hello, reconnaissance faciale par Machine Learning

Windows Hello, qui sécurise l'accès à votre PC, fonctionne par exemple par Machine Learning pour la reconnaissance faciale. L'individu se place face à sa caméra, son visage dans un cadre prévu à cet effet, et la machine enregistre des données au niveau des yeux, du nez et de la bouche nécessaires à l'identification.

Dans le cadre du Machine Learning, les données sont par conséquent la source de l'apprentissage. Bien sûr, cela n'est pas suffisant puisque le nombre et la nature des caractéristiques (ou features) sont essentielles à la détection. Elles doivent être impérativement discriminantes. La machine ne distinguera par exemple pas un muffin d'un chihuahua si vous choisissez la couleur comme seule caractéristique distinctive. Idem pour la reconnaissance d'une voiture française si les seules données dont dispose la machine proviennent du parc automobile américain. Une Twingo peut ainsi apparaître aux "yeux" de la machine comme un SUV. Vous conviendrez bien sûr qu'il existe pourtant un monde d'écart entre les deux.

Une fois les données recueillies, vient ensuite le temps de l'entraînement de la machine. Plusieurs méthodes existent pour entraîner un algorithme, que ce soit par régression, par clusters (regrouper tous les composants qui ont les mêmes éléments) ou, encore, par réseaux neuronaux (fonctionnement par vote).

La Data Science, un processus itératif

Clément Le Roux et Vincent Chartier, tous les deux Cloud Solution Architect, font leur apparition sur scène pour évoquer la création de son propre modèle et son implémentation. La Data Science, puisque c'est de cela dont on parle, consiste donc en un processus itératif pour définir le meilleur Modèle Prédictif possible. Il faut d'abord préparer les données, éliminer les moins discriminantes notamment, puis entraîner l'algorithme de Machine Learning avant d'établir un scoring (notation) et de reprendre à la première étape de préparation des données pour améliorer le modèle.

Evidemment, Microsoft n'oublie pas de préciser que Azure Machine Learning Studio est un facilitateur pour démarrer la mise en oeuvre de votre propre Intelligence Artificielle, comme un accélérateur pour opérationnaliser les modèles de Machine Learning en production.

Les Cognitive Services pour de l'IA dans vos applis, sites Web et bots

Reste enfin le dernier module, celui consacré à l'utilisation industrielle de l'IA avec les services cognitifs. Mouhamadou Diallo et Omar Battoum, chacun Technology Solution Professional, entrent en scène pour évoquer leurs capacités et leurs champs d'application. Leurs capacités sont au nombre de cinq avec la vision, la voix, le langage, la connaissance et, enfin, la recherche.

Les champs d'application sont forcément et légitimement très variés pour chaque capacité. Uber utilise par exemple aujourd'hui les services cognitifs et la vision pour la sécurité et l'identification des chauffeurs avant leur prise de fonction. Avec Videoindexer.ai, il est également possible de retrouver dans une vidéo les séquences précises où une personne en particulier apparaît. Le service cognitif de la voix peut lui être utile pour le speech to text (transformer un discours en texte), le text to speech ou bien l'extraction de l'intention de l'utilisateur.

Très didactiques, ces AI Essentials constituent, in fine, un beau rendez-vous pour en savoir plus sur un sujet que d'aucuns considèrent dorénavant comme la 4e révolution industrielle. La prochaine session de formation est programmée le 25 septembre prochain. Vous laisserez-vous tenter ?

Inscrivez-vous à la prochaine formation du 25 septembre AI Essentials.


blog comments powered by Disqus