© Yabusaka Hayasaka, 2018

11 Chapitre 1 : Le Problème du Cadre bon, ainsi l’apprentissage profond était possible. Cependant, qu’est-ce que ça changeait ? Eh bien, grâce à ça, l’ordinateur… fut capable de reconnaître les chats. La plupart des gens penseraient que c’était insignifiant, moi y compris ; cependant, ce n’était pas le cas. Il s’agissait d’une avancée tellement révolutionnaire que lorsque Google l’annonça, cela fit la une instantanément. Et avec les explications de mon père, je compris pourquoi. L’homme pouvait reconnaître un chat. Nous en avions vu plein, donc nous connaissions ses caractéristiques. Mais pouvions-nous les expliquer ? Un chat a des oreilles pointues, des moustaches, marche sur quatre paes, a le corps recouvert de poils… N’est-ce pas le cas des chiens également ? Un chat a donc plein de caractéristiques que nous ne pouvons pas expliquer, mais qui permeent de le reconnaître. Ainsi, il paraissait difficile pour l’homme d’apprendre à l’ordinateur ce qui était inexplicable. Néanmoins, en utilisant le Deep Learning , il suffisait de montrer de nombreuses images de chats à l’ordinateur pour qu’il les analyse et apprenne leurs caractéristiques. Et bien sûr, cela ne fonctionnait pas que pour les chats. En utilisant un grand nombre de données, l’ordinateur pouvait maintenant apprendre par lui-même sans explications. C’était l’essentiel. Car la société actuelle représentait celle de l’information. Internet était rempli de données. Il s’agissait de l’environnement parfait pour l’apprentissage profond. Il était espéré qu’une IA pouvant penser comme un humain verrait bientôt le jour, et on lui donna le nom « d’IA forte ». ant à celles utilisées pour le ménage automatique ou pour les jeux, c’est-à-dire dans un environnement restreint, elles furent appelées « IA faibles ». Grâce à cela, mon père, qui avait été ignoré jusque-là, fut reconnu pour son travail et devint le leader de la recherche en IA au Japon. L’argent rapporté par les royalties de ses livres et de ses conférences lui permit