Présenté à la SGCIB, dans le cadre des vendredis de l’architecture, par Mathias KLUBA, Jean Christophe ROBERT et Pierre HOURY.
https://mathiaskluba.blog.core.windows.net/hadoop/ : vidéo d’une IA jouant à Mario (et gagnant)
La vidéo est le résultat de l’apprentissage.
L’IA trouve un modèle (en surimpression dans la vidéo) permettant de gagner. Nous parlons bien ici d’un modèle, et non d’une stratégie.
Blocs blancs = bloc statique du niveau Blocs noirs = ennemis dans le niveau Suite à chaque échec une nouvelle option est tentée (chacun des boutons dispo sur la manette). Le Machine Learning apprend de ses erreurs.
Neuro Evolution of Adapting (???) Technologies
Machine Learning is the process of ajusting the parameters of an algo until it performs well on a particular task.
Réseau de neurones :
-
on somme les données en entrée, multipliées par un coef : s = teta * X
-
on creuse les écarts entre les 0 et les 1 (on augmente le contrast du résultat) à l’aide d’une fonction sigmoïd : o = sigmoïd(s)
Pierre nous a montré un test en réel (sur son poste avec un PyCharm Community Edition) de reconnaissance d’un chiffre (0 à 9) à partir d’une image de chiffre créée à main levée.
Au final, à l’aide des librairies Python existantes (et conséquentes), en très peu de lignes de code, on peut mettre en place un use case de Machine Learning.