Les ordinateurs feront à terme œuvre de pionnier et amélioreront de façon autonome les processus industriels

Les «Machines Learning» sont au cœur de la Manufacture 4.0

| Rédacteur: Jean-René Gonthier

Comment seront les machines à penser et à apprendre demain?
Galerie: 16 photos
Comment seront les machines à penser et à apprendre demain? (Image: JR Gonthier)

>> Quatrième volet d'une série d'article sur le thème générique de la MANUFACTURE 4.0 et concoctée conjointement par Xavier Comtesse, mathématicien et informaticien et Florian Németi, économiste, Directeur de la Chambre neuchâteloise de Commerce et de l'Industrie.

La victoire, le mois dernier de DeepMind (Google) sur l'un des meilleurs joueurs de Go mondial a bouleversé le monde de l'informatique. Il est désormais clair qu'à l'avenir, les ordinateurs vont pouvoir faire mieux que l'homme toutes sortes de tâches. Des programmes auto-apprenants appelés « Machine Learning » (ci-après « ML ») ou systèmes d’« apprentissage automatique » ont des capacités de faire des analyses prédictives qui permettront d’optimiser les processus industriels afin d’obtenir, par exemple, des analyses en temps réel notamment en terme de contrôle.

Issus du domaine de l’intelligence artificielle, les « ML » sont des programmes d'ordinateurs qui font appel à plusieurs disciplines dont les mathématiques, les Big data, l’informatique et les savoirs-métiers. Il ne s’agit des lors plus seulement de programmer les machines pour des tâches répétitives, mais de les rendre capables d'apprendre par elles-mêmes, comme un humain le ferait grâce à ces algorithmes d’auto-apprentissage.

Adapté à une tâche ou "multi tasking" les robots aideront l'homme à sublimer sa production industrielle.
Adapté à une tâche ou "multi tasking" les robots aideront l'homme à sublimer sa production industrielle. (Image: JR Gonthier)

Les algorithmes utilisés à cette fin donnent ainsi, du moins en partie, à un système piloté par ordinateur ou à un robot, la possibilité d'adapter en réponse ses analyses et ses comportements, en se basant sur des données empiriques du « terrain », provenant d'une base de données ou directement d’éléments connectés (capteurs, systèmes embarqués, système de reconnaissance).

Mais attention, prédire un phénomène ne signifie pas encore qu’on peut l’expliquer ! Il convient donc de ne pas se méprendre sur les capacités de ces algorithmes. Ils ne se substituent pas à une expertise humaine. Ils sont voués à réaliser des tâches ne pouvant être effectuées jusqu’ici du fait de la complexité et de la masse des informations disponibles. Face à cette information « massive », leur apport est d’exploiter en temps réel l’information pertinente cachée dans les données, en particulier d’en révéler une structure non-visible (segmentation de clients, par exemple).

L'ordinateur de demain saura-t-il optimiser notre fonctionnement industriel d'aujourd'hui? Un sacré défi!
L'ordinateur de demain saura-t-il optimiser notre fonctionnement industriel d'aujourd'hui? Un sacré défi! (Image: JR Gonthier)

De la sorte, on passe d’une approche « Top-down », où le savoir-faire, l’intuition guidaient les décisions, à une approche « Botton-up » où les décisions s’appuient sur les données réelles, rendues lisibles par l’approche « ML » et les Big Data.

Contenu de l'article:

Ajouter un commentaire

copyright

Ce texte est protégé par les droits d'auteur. Si vous désirez l'utiliser pour des besoins personnels veuillez consulter les conditions suivantes sur www.mycontentfactory.de (ID: 44011302 / Tendances)