Qu'est-ce que l'« apprentissage automatique » (machine learning) ?

L'apprentissage automatique fonctionne en fournissant à un système une grande quantité de données d'exemple, puis en le laissant ajuster progressivement des paramètres internes pour reconnaître des schémas, plutôt qu'un programmeur écrivant chaque règle à la main. Au fil de nombreux cycles d'exposition et de rétroaction, le système s'améliore dans des tâches comme reconnaître des images ou générer du texte, apprenant en somme de l'expérience, un peu comme les humains progressent par la pratique.

Des robots assemblant d'autres machines relève de l'automatisation physique de la fabrication, sans rapport avec la façon dont un logiciel apprend des schémas à partir de données, et mémoriser internet mot pour mot décrit mal le fonctionnement de ces systèmes, qui apprennent des schémas généralisables plutôt que de stocker un texte exact.

Comme les systèmes d'apprentissage automatique apprennent à partir de toutes les données qu'on leur fournit, ils peuvent absorber et amplifier les biais présents dans ces données, ce qui explique pourquoi la qualité des données d'entraînement est devenue une préoccupation aussi importante que l'ingéniosité des algorithmes.