Récemment, j'ai eu une réflexion intéressante : pourquoi certaines personnes peuvent-elles tenir à leurs idées alors que le monde entier s'y oppose ?

J'ai pensé à Geoffrey Hinton. Ce scientifique, considéré comme le père de l'apprentissage profond, a dit un jour qu'il voulait utiliser des réseaux neuronaux artificiels pour imiter le cerveau humain afin de traiter des données complexes comme les images et la parole, et il a été considéré comme fou par tout le monde. Dans les années 1990, à cette époque, la puissance de calcul était insuffisante, le stockage aussi, et la quantité de données encore plus rare. Les gens se moquaient des idées de Geoffrey Hinton, les trouvant tout simplement irréalistes.

Mais ce qui est intéressant, c'est qu'il n'a pas abandonné. Après plus de trente ans de scepticisme et de moqueries, il a persisté. Ce n'est pas une simple histoire d'inspiration, c'est une réalité qui s'est produite.

Le tournant est arrivé. En 2012, le matériel informatique a enfin rattrapé le retard. Geoffrey Hinton a dirigé une équipe participant au concours ImageNet ILSVRC pour la reconnaissance d'images, et leur AlexNet a remporté la victoire avec un taux d'erreur inférieur de 10 % à celui du deuxième. C'est l'un des concours les plus prestigieux dans le domaine de la vision par ordinateur. Une victoire, et le monde a commencé à prendre au sérieux l'apprentissage profond.

Vous savez ce qui est le plus frappant ? Ceux qui se moquaient de lui ont soudainement commencé à considérer Geoffrey Hinton comme un dieu.

En regardant en arrière, la raison pour laquelle il a pu persévérer repose sur deux insights. Le premier est la possibilité de l'apprentissage non supervisé — l'apprentissage profond peut découvrir de manière autonome des motifs et des régularités cachés dans d'énormes quantités de données, sans besoin d'annotations manuelles. Cela est particulièrement important pour traiter des données complexes et à haute dimension comme les images, la parole et le texte. Le second est la capacité de modéliser des fonctions complexes — les réseaux neuronaux peuvent représenter des fonctions complexes avec de nombreux paramètres, capturant ainsi des relations profondes entre l'entrée et la sortie.

Ces deux idées étaient impossibles à vérifier à l'époque, c'est pourquoi elles ont été moquées. Mais Geoffrey Hinton croyait simplement qu'avec le temps, et lorsque le matériel serait suffisant, cette voie serait la bonne.

Aujourd'hui, l'apprentissage profond est devenu la pierre angulaire de l'IA, entraînant l'avènement de toute une ère intelligente. Passé de l'image du fou à celle du maître, Geoffrey Hinton a prouvé en trente ans qu'une chose est certaine : faire ce qui est juste n'est pas difficile, ce qui est difficile, c'est de persévérer quand personne ne le reconnaît.