Explication du Deep Learning
Le Deep Learning est une technique d’apprentissage qui permet à un programme d’apprendre par lui-même. Son expertise dépasse le savoir-faire humain dans le domaine dans lequel la machine est experte. C’est une méthode dérivée du Machine Learning, qui a réellement bouleversé le domaine de l’Intelligence Artificielle.
L'apprentissage profond
Le Deep Learning (ou « apprentissage profond », en français) est considéré comme étant une sous-partie de l’Intelligence Artificielle.
Sa différence avec une Intelligence Artificielle « classique » se trouve au niveau de son architecture. Avec le Deep Learning, l’IA est constituée de milliers de réseaux de neurones, qui fonctionnent tels qu’ils le font dans un cerveau humain. L’ensemble des neurones sont en interaction les uns avec les autres, formant ainsi des dizaines de « couches » de données et de calculs. C’est pour cela que l’on qualifie cet apprentissage comme étant « profond ». Chacun des neurones effectue des calculs, qui vont être communiqués aux couches. Les couches vont communiquer l’information aux autres couches et valider ou invalider les résultats qu’elles attendaient en fonction de l’information transmise par les neurones artificiels. Cela va permettre à l’IA de réaliser la mission pour laquelle elle est créée.
À chaque niveau de neurones artificiels, il peut y avoir plusieurs couches. Grâce aux interactions entre les neurones artificiels, l’IA va approfondir ses connaissances dans un domaine donné et en devenir experte. Elle pourra en effet prendre en compte l’ensemble des paramètres nécessaires à sa compréhension de l’environnement qu’elle étudie.
Le Deep Learning est un processus d’auto-apprentissage. Au fur et à mesure de son accès à des milliers de données, il va être capable d’apprendre par lui-même à détecter les éléments qu’il doit connaître ou reconnaître.
Le Deep Learning appliqué au trading
C’est ainsi que nous avons réalisé ANA, l’Intelligence Artificielle de trading. ANA trade sur les marchés financiers depuis 2017. Grâce à un cet apprentissage, elle est parfaitement autonome dans son exécution des trades, mais aussi dans sa gestion du risque. ANA est devenue totalement experte en trading. Ainsi, elle est capable de réaliser des trades en optimisant au maximum leurs performances et en minimisant les risques liés au trading.
Nous entendons beaucoup parler de Deep Learning et de Machine Learning. Quelles différences ?