Les mémoires de Fei-Fei Li, « Le monde que je vois » : je viens d’écouter la version audio et j’avais envie de vous en parler.
Au départ, trois mots-clés m’ont attiré : immigration, IA, Asiatiques. Mais ce qui m’est vraiment resté, c’est un quatrième mot : la curiosité.
Ce livre suit deux fils en parallèle. Le premier retrace son parcours personnel : née à Pékin, elle grandit à Chengdu, puis part vivre aux États-Unis à quinze ans. Elle enchaîne les petits boulots pour aider sa famille à rembourser ses dettes, tout en cherchant sa place dans un système éducatif qui lui est totalement étranger. Elle étudie ensuite la physique à Princeton, obtient un doctorat à Caltech, puis dirige un laboratoire d’IA à Stanford. Le second raconte l’histoire scientifique de la façon dont les machines ont appris à « voir » le monde. Au cœur de cette histoire se trouve ImageNet, un jeu de données de référence public qui rassemble des dizaines de millions d’images annotées et classées, permettant de comparer équitablement différents algorithmes.
Un détail de l’histoire d’ImageNet m’a particulièrement marqué : à l’époque, beaucoup de chercheurs rivalisaient sur les algorithmes, tandis que l’équipe de Fei-Fei Li concentrait ses efforts sur la taille et la diversité des données. Au début, cette approche semblait lourde, voire pas assez « intelligente ». Et pourtant ? Plus tard, la combinaison de données à grande échelle, des GPU et des réseaux neuronaux profonds a véritablement fait franchir un cap à la vision par ordinateur.
Cela a changé ma façon d’imaginer les « percées technologiques ». Plus les données d’entraînement sont limitées, plus le modèle ne sait être intelligent que dans un monde limité. L’intérêt d’entrées variées, c’est qu’elles nous obligent à faire sans cesse la distinction entre ce qui relève de l’objet lui-même et ce qui n’est que le décor auquel nous sommes habitués.
Cette idée a aussi influencé la façon dont j’organise mon apprentissage du vocabulaire. Mon carnet contient près de huit cents mots… J’en parle plus en détail dans le podcast.
Cet épisode s’adresse à celles et ceux qui s’intéressent à l’histoire de l’IA ou qui sont en train de lire ce livre. Le lien est juste en dessous 👇
https://redcircle.com/shows/936a3212-92e5-41c7-b6f9-39e3596adeb8/episodes/6d6ed2ed-7068-47c7-a7b5-84c34cb6a5f8
Au départ, trois mots-clés m’ont attiré : immigration, IA, Asiatiques. Mais ce qui m’est vraiment resté, c’est un quatrième mot : la curiosité.
Ce livre suit deux fils en parallèle. Le premier retrace son parcours personnel : née à Pékin, elle grandit à Chengdu, puis part vivre aux États-Unis à quinze ans. Elle enchaîne les petits boulots pour aider sa famille à rembourser ses dettes, tout en cherchant sa place dans un système éducatif qui lui est totalement étranger. Elle étudie ensuite la physique à Princeton, obtient un doctorat à Caltech, puis dirige un laboratoire d’IA à Stanford. Le second raconte l’histoire scientifique de la façon dont les machines ont appris à « voir » le monde. Au cœur de cette histoire se trouve ImageNet, un jeu de données de référence public qui rassemble des dizaines de millions d’images annotées et classées, permettant de comparer équitablement différents algorithmes.
Un détail de l’histoire d’ImageNet m’a particulièrement marqué : à l’époque, beaucoup de chercheurs rivalisaient sur les algorithmes, tandis que l’équipe de Fei-Fei Li concentrait ses efforts sur la taille et la diversité des données. Au début, cette approche semblait lourde, voire pas assez « intelligente ». Et pourtant ? Plus tard, la combinaison de données à grande échelle, des GPU et des réseaux neuronaux profonds a véritablement fait franchir un cap à la vision par ordinateur.
Cela a changé ma façon d’imaginer les « percées technologiques ». Plus les données d’entraînement sont limitées, plus le modèle ne sait être intelligent que dans un monde limité. L’intérêt d’entrées variées, c’est qu’elles nous obligent à faire sans cesse la distinction entre ce qui relève de l’objet lui-même et ce qui n’est que le décor auquel nous sommes habitués.
Cette idée a aussi influencé la façon dont j’organise mon apprentissage du vocabulaire. Mon carnet contient près de huit cents mots… J’en parle plus en détail dans le podcast.
Cet épisode s’adresse à celles et ceux qui s’intéressent à l’histoire de l’IA ou qui sont en train de lire ce livre. Le lien est juste en dessous 👇
https://redcircle.com/shows/936a3212-92e5-41c7-b6f9-39e3596adeb8/episodes/6d6ed2ed-7068-47c7-a7b5-84c34cb6a5f8