Intelligence artificielle : Core ML va pouvoir utiliser la technologie "Watson" d'IBM
Par Didier Pulicani - Publié le
L'un des usages courants de l'apprentissage automatique (appelée souvent
Machine Learning), c'est bien-sûr la reconnaissance d'images. Un spécialiste d'IBM avait à l'époque mis à l'épreuve la technologie développée par Apple face à Watson d'IBM. Ce nom ne vous dit peut-être rien, mais il s'agit pourtant du descendant de Deep Blue, l'ordinateur champion d'échecs, ou plus récemment, le gagnant du célèbre jeu américain Jeopardy, dont le but est de retrouver une question à partir des réponses données.
Au jeu de la reconnaissance d'image, Watson restait à l'époque le maitre absolu dans le test de Nick Bourdakos, même si ce que proposait Apple était déjà prometteur au regard des capacités techniques d'un simple iPhone :
![Intelligence artificielle : Core ML va pouvoir utiliser la technologie "Watson" d'IBM](https://img-api.mac4ever.com/1200/0/70773_intelligence-artificielle-core-ml-va-pouvoir-utiliser-la-technologie-watson-d-ibm.webp)
Décidément très acoquinés ces dernières années, Apple et IBM viennent d'annoncer un partenariat capital pour Core ML, puisque les développeurs pourront utiliser via l'API, les moteurs d'apprentissage de Watson.
Les développeurs Apple ont besoin d'un moyen de créer rapidement et facilement ces applications et de tirer parti du cloud là où il est disponible. [Le partenariat] permet aux développeurs de tirer parti de l'intégration de Core MLexplique Mahmoud Naghshineh, directeur général d'IBM Partnerships and Alliances.
Au fil du temps, l'application peut même partager des données avec Watson et améliorer l'algorithme d'apprentissage automatique :
C'est là toute la beauté de cette association. Lorsque vous exécutez l'application, tout se fait en temps réel et vous n'avez pas besoin d'être connecté à Watson, mais lorsque vous classifiez différentes choses [sur le périphérique], ces données sont collectées [...] et lorsque vous êtes à nouveau connecté à Watson, même avec une faible bande passante, vous pouvez lui réinjecter ces données pour entrainer votre modèle d'apprentissage automatique et le rendre encore meilleur.
Source