La leçon en 30 secondes

• Un réseau de neurones = beaucoup de neurones rangés en couches.
• Les premières couches voient des choses simples (traits, couleurs), les dernières des choses complexes (œil, visage).
• Plus il y a de couches, plus le réseau comprend en profondeur : d’où le nom « deep learning ».

Comprendre

Un neurone prend une décision simple. Mais pour reconnaître un visage, il faut une grande équipe de neurones qui travaille par étapes.

On range les neurones en couches, comme une chaîne d’usine : chaque couche reprend le travail de la précédente et le complète.

Couche 1 : des traits et des bords (horizontal, vertical, en biais). Couche 2 : les traits deviennent des formes (cercle, angle).

Couche 3 : les formes deviennent des parties (œil, nez, bouche). Dernière couche : « c’est un visage ! ».

Personne n’a dit au réseau « cherche les yeux ». Il a découvert ces étapes tout seul pendant l’entraînement. Et « profond » dans « deep learning » veut simplement dire : beaucoup de couches.

Le saviez-vous ?

En 2012, un réseau profond appelé AlexNet a gagné le concours ImageNet avec seulement 15,3 % d’erreur, contre 26,2 % pour le meilleur concurrent. C’est le jour où le « deep learning » a décollé.

Essayez sur votre téléphone : Quick, Draw!

• Ouvrez Quick, Draw! (cherchez « quick draw » sur Google) et touchez « Let’s Draw ».
• Quand il demande un visage ou autre chose : tracez un seul trait et arrêtez-vous. Devine-t-il ?
• Ajoutez les formes petit à petit et notez quand sa réponse change : après le cercle ? après les yeux ?
• C’est exactement le travail des couches : traits → formes → parties → réponse.

En darja

الشبكة العصبية كيما معمل: الطبقة الأولى تشوف خطوط، الثانية أشكال، الثالثة عين ونيف، والأخيرة تقول «هذا وجه». و«عميق» معناها طبقات بزاف.

Questions fréquentes