Unsupervised Learning

⌚: 2 minutes

L’Unsupervised Learning est la formation d’un algorithme d’intelligence artificielle (IA) utilisant des informations qui ne sont ni classifiées ni étiquetées et permettant à l’algorithme d’agir sur ces informations sans guide.

L’Unsupervised Learning, est un système d’IA qui peut regrouper des informations non triées en fonction des similitudes et des différences qu’elles ont entres elles, même si aucune catégorie n’est prévue. Les systèmes d’IA capables d’apprentissage non supervisé sont souvent associés à des modèles d’apprentissage génératif, bien qu’ils puissent également utiliser une approche basée sur la recherche (qui est le plus souvent associée à l’apprentissage supervisé). Les chatbots, les voitures autonomes, les programmes de reconnaissance faciale, les systèmes experts et les robots font partie des systèmes qui peuvent utiliser des approches d’apprentissage supervisé ou non supervisé.

Dans l’apprentissage non supervisé, un système d’IA est présenté avec des données non étiquetées et non catégorisées et les algorithmes du système agissent sur les données sans formation préalable. La sortie dépend des algorithmes codés. Soumettre un système à un apprentissage non supervisé est une façon de tester l’IA.

Les algorithmes d’apprentissage non supervisé peuvent effectuer des tâches de traitement plus complexes que les systèmes d’apprentissage supervisé. Cependant, l’apprentissage non supervisé peut être plus imprévisible que le modèle alternatif. Alors qu’un système d’IA à apprentissage non supervisé peut, par exemple, trouver par lui-même comment trier les chats des chiens, il peut également ajouter des catégories imprévues et non souhaitées pour traiter les races inhabituelles, créant ainsi un fouillis au lieu d’un ordre.