B2 · Episode 15 · 4:58
How Artificial Intelligence Learns
This episode explains how AI learns by detecting recurring patterns — in music, language, physics, and biology — and introduces machine learning as a shift from hand-coding rules to letting algorithms discover regularities from massive datasets.
Source：Sismique · License：CC BY 3.0
Transcript
Dans la musique, on a un nombre limité d'instruments,
In music, there is a limited number of instruments,
on a un nombre limité de notes,
a limited number of notes,
on a des structures de chansons qui reviennent, couplets, refrains,
and song structures repeat—verses, choruses, etc.
etc. Dans les marchés, dans le vivant, dans les règles de la physique,
In markets, in living systems, and in the laws of physics,
jusque dans notre ADN, le monde en fait est cousu de motifs qui se répètent.
even in our DNA—the world is actually stitched together with repeating patterns.
Et les repérer, c'est une grande partie de ce qu'on appelle apprendre.
And spotting these patterns is a major part of what we call ‘learning.’
Un enfant à qui personne n'a expliqué la grammaire
A child who has never been taught grammar rules,
se met pourtant à parler juste.
still begins speaking correctly.
parce qu'il a entendu des milliers de phrases et en a en extrait tout seul
because he’s heard thousands of sentences and extracted on his own
les régularités.
their regularities.
Et c'est pas que ça.
And it doesn’t stop there.
Un enfant comprend tout seul, sans qu'on lui explique, ce qu'est la gravité,
A child grasps gravity intuitively—without being taught—
à force de faire tomber sa cuillère ou à force de tomber lui- même.
by repeatedly dropping his spoon—or falling down himself.
et la science au fond ne fait pas autre chose que de traquer les régularités de la
At its core, science does nothing else but hunt for regularities in nature,
nature pour essayer d'en tirer des lois de plus en plus précises
trying to derive ever more precise laws from them.
L'IA aujourd'hui, c'est exactement ça.
Today’s artificial intelligence is exactly that.
Ça repose sur ce principe de recherche de régularités, de patterns.
It rests on this principle of searching for regularities—patterns.
Et ça porte un nom.
And it has a name.
Ça s'appelle l'apprentissage automatique.
It’s called machine learning.
En anglais, le machine learning.
In English: machine learning.
En gros, au lieu de donner des règles à la machine, des règles toutes faites,
Roughly speaking, instead of giving machines pre-made rules,
de lui donner des instructions précises, une séquence à exécuter,
or precise instructions—a fixed sequence to follow,
On s'est mis à la laisser trouver les régularités toute seule,
we now let it discover regularities on its own,
par elle- même, en la laissant s'amuser avec des montagnes d'exemples,
letting it ‘play’ with mountains of examples,
des tonnes de données.
i.e., enormous amounts of data.
Et pour mesurer la bascule, pour mesurer ce que ça veut dire,
So, how do we measure this shift? How do we understand what it means?
Rappelez- vous comment on programmait avant.
Recall how we used to program.
Pendant des décennies, programmer c'était donc écrire des règles,
For decades, programming meant writing rules—
des séquences de code une à une à la main.
writing lines of code, one by one, manually.
Un filtre anti- spam, ça donne ça:
An anti-spam filter looks like this:
si le message contient le mot gagnant ou trois points d'exclamation ou une promesse
If the message contains the word 'win', three exclamation marks, or a promise
d'héritage lointain, alors on le classe dans indésirable.
of distant inheritance, then classify it as spam.
If, then, ça marche pour les cas simples,
'If-then' works for simple cases,
parfois pour des choses assez sophistiquées.
and sometimes even for fairly sophisticated ones.
Mais ça s'effondre dès que ça se complique vraiment.
But it breaks down completely as soon as things get truly complex.
Parce qu'en fait il y a une infinité de façons, ne
Because in fact, there are infinitely many ways to write a suspicious email—
serait ce que d'écrire un mail douteux,
just as there are infinitely many ways to draw a cat.
comme il y a une infinité de façons de dessiner un chat.
And no human can foresee all these possibilities—and thus code them all.
Et aucun humain ne peut prévoir toutes ces façons, et donc les coder.
Machine learning tackles the problem from the opposite end.
Le machine learning prend le problème par l'autre bout.
Instead of giving only rules, we provide examples—
On ne donne plus seulement les règles, on donne des exemples,
sometimes millions, sometimes even far more—
parfois des millions, parfois même beaucoup plus encore,
and let the machine discover patterns on its own.
et on laisse la machine en extraire les régularités par elle- même.
That said, it doesn’t mean the machine truly learns all alone in a corner—
Enfin, ça ne veut pas dire vraiment qu'elle apprend toute seule dans son coin,
like some feral child of the digital world. In reality,
comme un enfant sauvage du numérique, on va dire, parce qu'en fait,
it doesn’t learn entirely on its own.
ce n'est pas tout à fait par elle- même.
Humans are involved:
Parce qu'on a des humains qui choisissent les données,
They select the data,
qui définissent les objectifs et qui corrigent, qui évaluent,
define the objectives, and correct and evaluate the results,
qui annotent parfois, qui lui donnent un feedback.
sometimes annotate data, and give feedback.
Et pour apprendre à reconnaître un chat par exemple,
For instance, to teach a machine to recognize a cat,
il faut souvent des images déjà classées.
we often need many images that are already labeled.
On lui dit ça c'est un chat
They tell it, ‘This is a cat.’
et ça c'est pas un chat.
And ‘this one’ is not a cat.
Donc la machine n'apprend pas exactement toute seule.
So the machine doesn’t learn entirely on its own.
Mais elle n'est pas non plus programmée au sens classique non plus.
Yet it’s not programmed in the classical sense either.
On ne lui écrit pas toutes les règles du monde.
We don’t write down all the world’s rules for it.
On construit plutôt une sorte de cadre d'apprentissage et on lui fournit des
Instead, we build a kind of learning framework and supply it with
exemples, on fixe des objectifs,
examples and set clear objectives,
et puis elle ajuste elle- même ses paramètres pour repérer ce qui revient,
and then it adjusts its own parameters to spot what recurs,
ce qui va ensemble, ce qui est probable.
what tends to go together, and what is most likely.
Et comme nous le verrons, il
And as we’ll see,
y a une course pour savoir qui parvient à donner le plus de données à ces IA.
there’s a race underway to feed these AIs with as much data as possible.
Et c'est central.
This is central.
Mais bon, on met ça de côté pour l'instant.
But for now, let’s set that aside.
Il y a une ironie que j'aime beaucoup,
There’s an irony I really like:
qui est celle- ci.
namely, this one.
John McCarthy, celui qui a forgé le mot IA.
John McCarthy—the person who coined the term ‘AI.’
Vers la fin de sa vie, il expliquait que les machines, justement,
Near the end of his life, he explained that machines, precisely
n'arrivaient pas à apprendre en lisant ce qui était écrit,
cannot learn by reading what’s written,
qu'il leur manquait pour ça une forme de compréhension.
lacking, for that, a kind of understanding.
Alors tout ça, ça se joue en deux temps.
All this happens in two stages.
D'abord, il y a ce qu'on appelle l'entraînement.
First comes what we call ‘training.’
La machine intègre les exemples et elle ajuste par essais et erreurs des milliards
The machine absorbs examples,
de minuscules réglages internes.
and—through trial and error—adjusts billions of tiny internal settings.
Ça, c'est ce qu'on appelle ses poids.
These settings are called its ‘weights.’
C'est long, c'est coûteux et ça se fait en gros une fois.
It’s time-consuming, costly, and generally done just once.
Ensuite vient ce qu'on appelle l'inférence,
Next comes what is called inference,
chaque fois que vous vous servez du modèle.
which occurs each time you use the model.
Quand vous tapez une question, quand vous demandez un résumé,
When you type a question,
quand vous faites générer une image,
or ask for a summary,
vous ne réentraînez pas toute la machine.
or generate an image,
Vous utilisez un modèle déjà entraîné et qui produit une réponse à partir de ce
you do not retrain the entire system.
qu'il a appris.
Instead, you use a pre-trained model that produces a response based on what it has learned.