Comment Google utilise les avancées en matière d'intelligence artificielle dans ses produits ? Google organisait jeudi dernier une conférence dans ses locaux parisiens : Quelles évolutions technologiques analysées par le géant du numérique.

Emmanuel Mogenet, directeur de Google Research Europe annonce : « Organiser les informations à l'échelle mondiale pour les rendre accessibles et utiles à tous, c'est la mission de Google depuis 15 ans ».

« Avec l'outil RankBrain nous commençons à avoir une compréhension sémantique des informations ».

Une avancée majeure : « Ce n'est qu'à partir de 2010-2011 que nous avons commencé à comprendre véritablement les questions des utilisateurs. Avant ce n'était pas le cas ».

« Nous nous spécialisons dans la compréhension du langage naturel et la perception de l'ordinateur à travers la vision, le son ou encore les données des capteurs des smartphones : GPS, magnétomètre, accéléromètre... ».

L’objectif d’Emmanuel Mogenet et de  ses équipes : intégrer l'IA dans tous ses produits à commencer par Gmail qui a été un des premiers outils à en bénéficier, pour classifier le spam.

Plus récemment, l'utilisation du machine learning a par exemple permis une réduction de 40% de l'énergie nécessaire au refroidissement des data centers de Google.

ð Les sous disciplines de l’IA :   Apprentissage profond, robotique, vision, langage ou encore raisonnement ont fortement progressé dès les années 90 .

D'où le travail important de Google sur ces sous disciplines, dont la reconnaissance d'image à base d'apprentissage profond, le «deep learning » en anglais.

« L'IA est une science qui permet aux machines de résoudre des problèmes complexes. Le machine learning est une technique pour doter les machines de ces capacités » explique le directeur de recherche en machine learning chez Google.

« L'apprentissage profond est une approche particulière pour faire du machine learning ».

« Avec des règles de développement et de programmation spécifiques  on n'arrive pas à  faire reconnaître des images par une intelligence artificielle. Avec de l'apprentissage profond nous montrons des images à la machine et nous l'éduquons pour qu'elle réalise un modèle ».

Ce modèle, qui peut être plus ou moins profond, c'est ce que l'on appelle un réseau de neurones.

 «Si la machine reconnaît la bonne image, on ne touche à  rien. Si elle échoue, on modifie les structures des réseaux de neurones pour arriver au bon résultat » souligne Olivier Bousquet.

« Puis on lui permet d'extrapoler en lui proposant de nouvelles images. Mais on peut faire la même chose avec de la reconnaissance vocale ou de la traduction entre deux langues ».