Boucle de rétroaction, réentraînement et étiquetage

Apprentissage Machine de bout en bout

Joshua Stapleton

Machine Learning Engineer

Boucle de rétroaction

  • Sortie du modèle utilisée comme entrée du système :
    • Utiliser les mesures/prédictions pour guider l'évolution du système
    • Possible d'employer la surveillance du modèle

 

  • Partie intégrante du ML :
    • Permet un apprentissage et des ajustements rapides
    • S'adapte mieux au changement

Deux flèches cycliques illustrant le principe d'une boucle de rétroaction

Apprentissage Machine de bout en bout

Mise en œuvre de la boucle de rétroaction

Détection de dérive des données

  • La distribution des données d'entrée change avec le temps
  • Boucle de rétroaction : réentraîner sur des données plus récentes

Apprentissage en ligne

  • Réentraîner périodiquement selon l'évolution des données
  • Au‑delà de la dérive : s'adapte aux changements de structure des données

Dérive des données

Apprentissage en ligne

Apprentissage Machine de bout en bout

Dangers des boucles de rétroaction

Dangers…

  • Les sorties du modèle influencent les entrées
  • P. ex. : recommandation sur les médias sociaux :
    • Maximiser l'engagement des personnes utilisatrices
    • Apprend à diffuser un certain type de contenu
    • Amène l'utilisateur à voir plus de ce contenu
    • etc.
  • Fait émerger des comportements indésirables
  • Plus risqué quand c'est automatisé

Une grande croix rouge pour le danger

Apprentissage Machine de bout en bout

Meilleure utilisation de la boucle de rétroaction

  • Réactif :

    • Une personne intervient dans la boucle
    • Les prédictions du modèle ne modifient pas les données d'entrée

  • Prudence et supervision essentielles !

Un grand crochet vert pour une meilleure utilisation

Apprentissage Machine de bout en bout

Passons à la pratique !

Apprentissage Machine de bout en bout

Preparing Video For Download...