Téléchargé 55 fois
Téléchargé parAntidot
Comment l’intelligence artificielle réinvente la fouille de texte
L'intelligence artificielle, en particulier le machine learning et le deep learning, transforme la fouille de texte en améliorant la recherche et l'analyse des données. Antidot, un éditeur de logiciels depuis 1999, propose des solutions innovantes pour optimiser la performance opérationnelle de divers secteurs tels que la santé et l'e-commerce. Avec des avancées comme la puissance de calcul accrue et l'accès à une grande quantité de données, des applications variées émergent, incluant reconnaissance de texte, assistance médicale et voitures autonomes.
Contenu connexe
Similaire à Comment l’intelligence artificielle réinvente la fouille de texte
Comment l’intelligence artificielle réinvente la fouille de texte
- 1. Comment l’intelligence artificielle réinventela fouille de texte Documation – Data Information Forum 2016 William Lesguillier – Product manager offre Valorisation des Contenus
- 2. 2 Antidot – Quisommes-nous ? ● Editeur de logiciels ● Moteurs de recherche| enrichissement des données ● Depuis 1999 | Paris, Lyon, Aix-en-Provence ● 47 collaborateurs, +150 clients ● Mission : délivrer à nos clients des solutions hautement configurables et innovantes qui créent de la valeur à partir de leurs données et augmentent leur performance opérationnelle
- 3. 3 Parmi nos clients ●Production de contenus ● Industrie ● E-Commerce ● Santé
- 4. 4 Qu’est-ce que leMachine Learning ● Définition : faculté donnée à un ordinateur d’apprendre un comportement à partir d’exemples ● Discipline scientifique : l’Intelligence Artificielle (IA) ● Mais fondée sur une approche probabiliste, par opposition aux approches par règles
- 5. 5 Re-re-renaissance de l’IA ●Après une histoire mouvementée, l’Intelligence Artificielle est de retour sur le devant de la scène ● Deux facteurs techniques principaux : ● Le développement de la puissance de calcul ● La disponibilités accrues des données ● Et surtout : des applications directes
- 6. 6 L’événement qui changetout William Wilkinson’s ‘An account of the principalities of Wallachia and Modavia’ inspired this author’s most famous novel.
- 7. 7 L’événement qui changetout ● Puissance de calcul : 100 servers ● Données disponibles : 200 millions de pages
- 8.
- 9. 9 ML : illustrationsdes principes Dire si un logement se trouve à New York ou San Francisco Altitude des logements Concept d’attribut Crédit : http://www.r2d3.us
- 10. 10 ML : illustrationsdes principes Dire si un logement se trouve à New York ou San Francisco Concept de modèle d’entrainement
- 11. 11 Données d’entrainement Données de test ML: illustrations des principes Dire si une maison se trouve à New York ou San Francisco Concept de surentrainement
- 12. 12 Qu’est-ce que leDeep Learning ? ● Se base sur les algorithmes de réseaux de neurones ● Très adapté pour la reconnaissances de signaux : analyse d’images photo ou vidéo, reconnaissance sonore, reconnaissance vocale… ● Avènement grâce à la puissance des GPU (Graphic Computing Units) très adaptés à ce type de calcul
- 13. 13 Approche par couchesd’attributs Yann LeCun, leçon inaugurale au Collège de France : http://www.college-de-france.fr/site/yann-lecun/inaugural-lecture- 2016-02-04-18h00.htm
- 14. 14 Reconnaissance de texte YannLeCun, Collège de France : http://www.college-de-france.fr/site/yann-lecun/inaugural-lecture-2016-02-04-18h00.htm
- 15. 15 Détection de piétons YannLeCun : https://www.youtube.com/watch?v=MnZNSZGNGyc
- 16.
- 17.
- 18. 18 Machine Learning :pour quoi faire ? ● Reconnaissance du texte (y compris manuscrit) et de la voix ● Traduction automatique ● Text mining ● Aide à la recherche d’information ● Assistants personnels ● Assistance au diagnostic médical ● Smart cities ● Sécurité informatique ● Voiture autonome ● Robotique ● …
- 19. 19 Le Machine Learningchez Antidot Enrich Access Search Semantic & ComplexText mining Graph & Linked Data
- 20. 20 Classification automatique detexte Droit de la famille Droit fiscal Droit pénal
- 21.
- 22.
- 23. 23 Classifier à partird’un corpus catégorisé
- 24. 24 Ou d’un corpusnon catégorisé
- 25.
- 26.
- 27.
- 28.
- 29.
- 30.
- 31. 31 Mesurer la qualitédes résultats
- 32. 32 Mesurer la qualitédes résultats
- 33.
- 34.
- 35.
- 36. 36 Les avantages duML pour le text mining
- 37. 37 Nos autres rendez-vousDocumation ● Démonstration Content Classifier ● Speed Demo sur le stand de Sollan aujourd’hui de 12h30 à 12h45 ● Conférence avec Spark Archives ● Demain à 10h30 ● Notre stand D23
- 38. 38 Sources et ressources ●Wikipedia : Histoire de l’intelligence artificielle ● TEDx: Ken Jennings, « Watson, Jeopardy and me, the obsolete know-it-all » ● TechRepublic : IBM Watson: The inside story of how the Jeopardy-winning supercomputer was born, and what it wants to do next ● A visual introduction to machine learning ● Wired : Google’s Artificial Brain Learns to Find Cat Videos ● IBM : machine learning applications ● Le Monde : série d’articles de Morgane Tual sur l’intelligence artificielle ● Yann LeCun : leçon inaugurale au Collège de France ● Yann LeCun, Marc'Aurelio Ranzato : Deep Learning tutorial ● Olivier Ezratty : série de billets de blog sur l’IA ● Tastehit.com : Google DeepMind's AlphaGo: How it works
- 39. Merci de votreattention A vos questions ! @AntidotNet [email protected]
Notes de l'éditeur
- #6 Loi de Moore. Plus de données grâce au Big Data et aux objets connectés.
- #7 2011 : victoire d’IBM Watson sur les deux meilleurs champions de Jeopardy. A plate couture. Evénements précurseurs (source Wikipedia) : le 11 mai 1997, Deep Blue est devenu le premier système informatique de jeu d'échecs à battre le champion du monde en titre, Garry Kasparov134. En 2005, un robot de Stanford a remporté le DARPA Grand Challenge en conduisant de manière autonome pendant 131 milles sur une piste de désert sans avoir fait de reconnaissance préalable135. Deux ans plus tard, une équipe de Carnegie-Mellon remporte le DARPA Urban Challenge, cette fois en navigant en autonome pendant 55 milles dans un environnement urbain tout en respectant les conditions de trafic et le code de la route136. En février 2011, dans un match de démonstration du jeu télévisé Jeopardy!, les deux plus grands champions de Jeopardy!, Brad Rutter et Ken Jennings ont été battus avec une marge confortable par le système de questions-réponses conçu par IBM, au centre de recherche Watson137. https://fr.wikipedia.org/wiki/Histoire_de_l%27intelligence_artificielle
- #8 Si on y réfléchit à deux fois, 200 millions de pages ce n’est pas grand chose à l’échelle de l’information disponible sur le web.
- #9 Le système analyse la question et recherche les réponses potentielles en puisant dans un historique des questions/réponses Jeopardy et dans une base documentaire. Mais la particularité du système réside dans la façon dont les réponses potentielles trouvées sont choisies. Les ingénieurs d’IBM n’ont pas développé un algorithme décisionnel classique pour parvenir à ce choix, ils ont laissé la machine apprendre quelles sont les bonnes réponses de sorte que nul ne peut définir aujourd’hui quel est l’agencement de paramètres réellement utilisé par Watson lorsqu’il fait ce choix.
- #10 http://www.r2d3.us/visual-intro-to-machine-learning-part-1/
- #15 Laboratoires Bel, lecture automatique de texte, 1992. Yann LeCun, Collège de France : http://www.college-de-france.fr/site/yann-lecun/inaugural-lecture-2016-02-04-18h00.htm
- #16 Yann LeCun : https://www.youtube.com/watch?v=MnZNSZGNGyc
- #23 Issu du site de notre client http://www.rechercheisidore.fr Classification automatique de 3,5 millions de documents de recherche en sciences humaines et sociales selon plus de trente disciplines.
- #26 Issu du site de notre client http://caij.qc.ca Classification automatique de 1,5 millions de décisions juridiques (ie jurisprudence) selon plus de 100 domaines de droit.
- #36 Implémenté au journal Le Point pour assister à l’étiquetage des articles de la rédaction.
- #37 Meilleure qualité Peu d’adhérence à la langue Temps de traitement courts, temps de mise en œuvre court, maintenance très peu chronophage.