Le livre débute par une introduction aux concepts fondamentaux de l’apprentissage automatique « qui permet aux machines d’apprendre sans être explicitement programmées », tels que les perceptrons, les réseaux de neurones artificiels et les différentes approches d’apprentissage (supervisé, non supervisé, par renforcement).

Il se concentre ensuite sur l’apprentissage profond, une branche de l’apprentissage automatique qui utilise des réseaux de neurones artificiels complexes pour apprendre des données. Le Cun explore en détail les architectures profondes populaires, comme les réseaux convolutifs pour la vision par ordinateur et les réseaux récurrents pour le traitement du langage naturel. Il met également en lumière les techniques d’apprentissage par transfert et d’apprentissage par renforcement qui permettent aux machines d’acquérir des compétences de manière autonome.

Les cerveaux humain et animal sont « profonds », dans le sens où chaque action est le résultat d’une longue chaîne de communications synaptiques (de nombreuses couches de traitement). Aussi, l’objectif est de développer des algorithmes d’apprentissage correspondants à ces « architectures profondes ».

Selon Le Cun « L’apprentissage profond a le potentiel de révolutionner de nombreux aspects de notre vie quotidienne, de la façon dont nous travaillons à la façon dont nous interagissons avec le monde qui nous entoure« . Les applications comptent notamment la reconnaissance faciale, la traduction automatique, la robotique, la médecine et la finance.

« Nous pensons que comprendre l’apprentissage profond ne nous servira pas uniquement à construire des machines plus intelligentes, mais nous aidera également à mieux comprendre l’intelligence humaine et ses mécanismes d’apprentissages« , estime Yann Le Cun.

« Quand la machine apprend » est disponible sur Amazon.