Différences

Ci-dessous, les différences entre deux révisions de la page.

--- issue133:c_c [2018/05/31 14:12] – andre_domenech
+++ issue133:c_c [2018/05/31 15:34] (Version actuelle) – d52fr
@@ Ligne 70: / Ligne 70: @@
 **Both of these AIs use something called deep learning - this is a step further from machine learning. While machine learning is dedicated to teaching systems to recognize specific patterns or accomplish specific tasks, deep learning is more abstract. Take AlphaGo for example - it was taught the rules of Go and was fed basic data from a few Go records. However, it then began playing against itself and learning from those encounters. As such, it didn’t have a specific goal in mind (beyond “play Go”). This application of pitting two versions of the system against each other helped AlphaGo learn the uncommon strategies it employed against Go professionals.**
-Ces deux types d'IA utilisent ce qu'on appelle l'apprentissage profond (c'est un pas de plus par rapport à l'apprentissage automatique). Alors que l'apprentissage automatique est dédié à apprendre aux systèmes à reconnaître des modèles spécifiques ou à accomplir des tâches déterminées, l'apprentissage profond est plus abstrait. Prenez AlphaGo, par exemple, à qui on a enseigné les règles du jeu de Go en lui fournissant des données de base issues de quelques enregistrements de parties. Il a alors commencé à jouer contre lui-même et à apprendre de ces rencontres. Ainsi, il n'avait pas d'objectif spécifique en tête (au-delà de jouer au Go). Cette application de confrontation de deux versions du système, l'une contre l'autre, a permis à AlphaGo d'apprendre des stratégies peu communes qu'elle employait contre des professionnels du jeu de Go.
+Ces deux types d'IA utilisent ce qu'on appelle l'apprentissage profond (c'est un pas de plus par rapport à l'apprentissage automatique). Alors que l'apprentissage automatique est dédié à apprendre aux systèmes à reconnaître des modèles spécifiques ou à accomplir des tâches déterminées, l'apprentissage profond est plus abstrait. Prenez AlphaGo, par exemple, à qui on a enseigné les règles du jeu de Go en lui fournissant des données de base issues de quelques enregistrements de parties. Il a alors commencé à jouer contre lui-même et à apprendre de ces rencontres. Ainsi, il n'avait pas d'objectif spécifique en tête (au-delà de jouer au Go). Cette application de confrontation de deux versions du système, l'une contre l'autre, a permis à AlphaGo d'apprendre des stratégies peu communes qu'il employait contre des professionnels du jeu de Go.