Quand le machine learning cuisine le poulet rôti aux légumes 😀!

Rappel: définition du machine learning.

À travers le mot “humain” je veux dire par là, la méthode traditionnelle utilisée par l’Homme, qui est d’ailleurs naturelle.

Comme la répétition est sans doute bénéfique, donc rien ne nous empêche de rappeler qu’est ce que le machine learning ?

Régulièrement appelé “Apprentissage Automatique”, le machine learning est un domaine s’intéressant aux capacités d’apprentissage d’une machine et son mode de fonctionnement.

Cependant l’objectif du machine learning est donc d’entraîner un algorithme pour traiter de manière pertinente et efficace les différentes données à disposition. Le machine learning se divise en deux principales phases : la phase d’apprentissage (marinade du poulet) et la phase de prédiction (cuisson du poulet, lol vous allez coomprendre dans la suite ).

• Lors de la phase d’apprentissage, la machine (i.e l’ordinateur) se base sur plusieurs exemples afin de comprendre la logique du modèle qu’elle doit intégrer. On dirait un agent de la CIA 🕵️‍ ou du FBI 👮‍ (c’est-à-dire la machine) qui surveille un présumé suspect (l’exemple de sortie de notre algorithme) pour savoir la plus belle manière de cuisiner le suspect au moment de la garde à vue, ah c’est pas bien tout ça non ! Lors de cette phase, le machine learning s’intéresse aux masses de données (comme par exemple l’agent FBI qui s’intéresse aux faits et gestes du suspect etc) à analyser afin de définir la méthode de transformation (autorisation de perquisition du procureur de la république).

• Ensuite vient la phase de prédiction, après avoir intégré le raisonnement et l’algorithme du problème en question. Autrement le moment de la prise de décision, comme si l’agent FBI a finalisé l’enquête et qu’il ne reste qu’à faire la perquisition chez le présumé suspect. Ouh c’est délicat non. Ainsi le machine learning doit être en capacité de déterminer la finalité d’une situation donnée. Plus l’apprentissage du machine learning est complet, plus les prédictions obtenues par cet outil seront précises.

Vous allez sans doute vous dire, mais alors le machine learning n’est que du “plagiat” 🤔, il observe beaucoup d’exemples puis reproduit les même tâches, comme la fait l’agent FBI en suveillant plusieurs fois le présumé suspect. Non rassurez vous c’est pas totalement le cas.

On se pose la question de savoir est-ce que la manière dont fonction le machine learning est idem avec la méthodologie de l’Homme ?

À vrai dire passons à une démonstration visuelle ! 😎: “Machine Learning VS l’Homme”

Vous avez surement entendu: c’est toujours le bon moment de parler de la nourriture🤤. C’est justement ce que nous allons faire pour répondre à la question posée. Pour ce faire nous allons demander à notre grande mère de faire un concours de cuisine avec le machine learning Waouh ! Oui, du poulet rôti, elles adorent préparer ça nos mamy.

Ainsi vous allez vous en rendre compte que le machine learning est différent de la manière dont fonctionnent les méthodes traditionnelles. Le machine learning transforme les données en nombre et trouve des modèles dans ces nombres. L’ordinateur fait cette partie à savoir trouver des modèles.

Alors revenons à notre jeu concours de cuisson du poulet aux légumes. Et attention je suis un chef étoilé !

Et si on s’amusait de poser la question suivante à notre grande mère !
Mamy !! comment cuisiner ce poulet à la sénégalaise ?
Une chose est clair est qu’elle nous préconisera sûrement la méthodologie classique à savoir :

• 1 éplucher les légumes,
• 2 assaisonner le poulet,
• 3 puis mettre le poulet dans le four pendant 20mn à 170°
• 4 enfin ajouter les légumes pour une cuisson de 5mn
• 5 Up, le plat est servi, top!.

La recette

Phase de préparation du poulet et des légumes

Le service royal

Donc dans la programmation traditionnelle on voit que notre grande mère a suivi la manière classique c’est-à-dire les 5 étapes.

Regardons maintenant comment va procéder un algorithme de machine learning.

Si je demande à un algorithme de machine learning d’effectuer cette tâche c’est-à-dire la cuisson du poulet avec des légumes. Alors ce dernier commence généralement par un ensemble d’entrées (le poulet cru et nos légumes) et un ensemble de sorties idéales, dans ce cas l’idée de sortie est le poulet rôti sur l’assiette. Cette phase d’observation pourrait sembler être cent ou mille exemples différents de ces entrées et sorties, puis il va comprendre les instructions à quoi sera la recette de sortie plutôt. Nous n’avons pas besoin d’écrire explicitement ces instructions, c’est l’algorithme d’apprentissage automatique qui détermine les modèles dans les données avant même qu’il ne puisse comprendre un moyen de traduire ces entrées et sorties en chiffres

Ainsi en ayant une idée du résultat final voulu, l’algorithme de machine learning établi un procédé (i.e la recette) pour obtenir le plat de notre grande mère.

Cependant la façon dont vous faites cela dépendra du problème sur lequel vous travaillez (apprentissage supervisé ou apprentissage non supervisé) que je vais traiter ultérieurement, mais le processus de cheminement reste le même, transformation des entrées en nombres et puis laisser la place à un algorithme d’apprentissage automatique de déterminer les modèles de ces nombres.

Et voilà la recette du poulet rôti

Conclusion

En définitive pour résoudre un problème de machine learning, où algorithmique d’une manière générale, il est primordial de réfléchir en amont à la sortie voulue, contrairement à certaines méthodologies classiques.

                                                              PSW 

Source des images Daniel Bourke