Deep Learning : vers un nouveau langage de programmation ?
À l’heure actuelle, le développement des systèmes cognitifs artificiels, plus connus sous la dénomination d’intelligence artificielle a fait d’énormes bonds et ses applications s’insèrent de plus en plus dans la vie quotidienne : depuis les assistants présents sur les smartphones en passant par les systèmes de conduite autonome, ou encore les automates utilisés dans l’industrie.
Le deep learning ou apprentissage en profondeur, est la méthode avec laquelle les IA apprennent et s’entraînent aux tâches qui leur seront confiées, sous la forme de programmes et d’algorithmes complexes, utilisant majoritairement Python comme langage de programmation.
C’est le premier scientifique responsable de la recherche sur l’IA chez Facebook, Yann LeCun qui a pointé du doigt des nouveaux besoins que rencontrent les recherches dans ce domaine afin de continuer à se développer.
Pour plus de souplesse et de facilité dans la programmation
Python est en effet le langage de programmation le plus prisé dans la communauté de scientifiques qui œuvrent dans le domaine de l’apprentissage automatisé, une méthode du deep learning.
Les frameworks PyTorch de Facebook et TensorFlow de Google sont par exemple basés sur ce langage.
Selon Yann LeCun dans une déclaration téléphonique à VentureBeat : “Il existe plusieurs projets sur Google, Facebook et d’autres endroits pour concevoir un langage compilé pouvant être efficace pour un apprentissage en profondeur, mais il n’est pas du tout clair que la communauté suivra, car les utilisateurs ne souhaitent utiliser que Python”.
Des matériels spécifiques au domaine de l’IA
L’IA a une cinquantaine d’années derrière elle, mais son futur développement sera intimement lié au développement de la puissance de calcul fournie par les puces informatiques et d’autres matériels connexes.
Ce qui soulève une attente de la part des équipes qui travaillent dans ce secteur : la nécessité d’avoir à disposition des matériels spécifiques, hautement performants, orientés sur la taille croissante des systèmes d’apprentissage en profondeur (plus de puissance de calcul, optimisation de la gestion des lots d’apprentissage, capacité de prise en charge de l’apprentissage auto-supervisé, etc.).
Toujours selon Yann leCun, “«Le type de matériel disponible a une grande influence sur le type de recherche que font les gens. L’orientation de l’IA dans les dix prochaines années sera donc grandement influencée par le type de matériel disponible”.
