machine Learning
L'apprentissage automatique, couramment appelé "ML", est un type de intelligence artificielle (AI) qui "apprend" ou s'adapte avec le temps. Au lieu de suivre des règles statiques codées dans un programme, La technologie ML identifie contribution motifs et contient algorithmes qui évoluent avec le temps.
L'apprentissage automatique a une grande variété d'applications, dont beaucoup font maintenant partie de la vie quotidienne. En voici quelques exemples:
- Diagnostics médicaux
- Véhicules autonomes
- Ciblage d'annonces en ligne - Google AdSense et la publicité sur Facebook
- Reconnaissance de la parole - Assistant Google, Amazon Alexa, Microsoft Cortana et Apple Siri
- Reconnaissance d'image - Recherche d'images Google, reconnaissance faciale sur Facebook et dans Apple Photos
Exemple de véhicule autonome
Les véhicules autonomes intègrent l'apprentissage automatique pour améliorer leur sécurité et leur fiabilité. Une voiture autonome qui utilise l'intelligence artificielle traditionnelle peut réagir à toutes les conditions routières pour lesquelles elle a été programmée. Cependant, si le logiciel rencontre des entrées non reconnues, la voiture peut défaut à une mesure de sécurité secondaire, telle que ralentir, arrêter ou nécessiter une dérogation manuelle.
L’apprentissage automatique peut permettre à un véhicule de reconnaître des événements et des objets qui n’ont pas été programmés explicitement. code source. Par exemple, une voiture peut être programmée pour reconnaître les lampadaires, mais pas les feux clignotants des barricades de construction. En tirant les leçons de l'expérience - en enregistrant éventuellement le comportement de conduite d'un conducteur humain - la voiture commencera à reconnaître les obstacles à la construction et à réagir en conséquence.
La technologie ML permet aux véhicules autonomes de différencier les objets sur la route, tels que les voitures, les vélos, les humains et les animaux. Il aide également les voitures à conduire de manière plus fiable dans des conditions météorologiques imparfaites et sur des routes sans lignes nettes. L'objectif est de permettre aux véhicules de conduire comme des humains tout en évitant les erreurs causées par des erreurs humaines.