Apple songerait bien à produire des puces ARM pour ses ordinateurs portables, Réactions à la publication du 29/09/2017

[Lionel]

Nikkei rapporte qu'Apple investit lourdement pour continuer à produire ses propres puces et modules radios pour ne plus dépendre de sociétés tierces comme Intel ou Qualcomm.
L'autre but d'Apple serait de pouvoir se différencier encore plus de ses concurrents et de ne pas dépendre d'autres groupes pour monter en puissance dans ce que l'on appelle l'intelligence artificielle.

Certes, produire des puces maison serait un moyen pour Apple de se libérer de contraintes liées au marché, mais nous avons cependant la crainte qu'en cas d'impasse la société ne puisse retomber comme par le passé. Ceux qui ont connu l'époque PowerPC le comprendront. Ces processeurs qui devaient prendre le dessus sur tout le reste de l'industrie à commencer par le x86 ont failli être les clous qui auraient fermé le cercueil d'Apple si l'iPod n'était pas passé par là. C'est d'ailleurs pour pérenniser Apple que Steve Jobs se sachant déjà malade avait décidé de l'accrocher à la plus grosse locomotive du monde, Intel.

Lien vers le billet original

[Hebus]

En restant vague... detection d'entités nommées (ce n'est pas du deep learning aujourd'hui, mais il y a du réseaux de neurones) ... les résultats sont affinés par un moteur de règles qui est adapté/réglé lors de la mise en oeuvre chez les clients.

[DonaldKwak]

En restant vague... detection d'entités nommées (ce n'est pas du deep learning aujourd'hui, mais il y a du réseaux de neurones) ... les résultats sont affinés par un moteur de règles qui est adapté/réglé lors de la mise en oeuvre chez les clients.

Quelle différence fais tu entre Deep Learning et réseau de neurones ?

[Hebus]

En restant vague... detection d'entités nommées (ce n'est pas du deep learning aujourd'hui, mais il y a du réseaux de neurones) ... les résultats sont affinés par un moteur de règles qui est adapté/réglé lors de la mise en oeuvre chez les clients.

Quelle différence fais tu entre Deep Learning et réseau de neurones ?

J'ai essayé de partir sur une longue explication, mais cela met à l'épreuve ma capacité à simplifier...

Le Deep Learning est lorsque tu as beaucoup , des milliard, de données sur un problème dont on a une idée vraiment limité du modele mathématique qui le représente.

Quand on n'a pas les donnés en masse conséquentes... on a intérêt à avoir deja un modele mathématique qui est une bonne representation du modele à résoudre.

Je ferais bien une analogie avec l'optimisation qui consiste à modéliser un tracé à main levée... si ton modele est une ligne de morceau de segments doits... tu as intérêt à avoir beaucoup de points pour obtenir un résultat pas trop mauvais... si ton modele c'est une spline d'ordre 4 (courbe polynomiale par morceaux d'ordre 4) ... tu auras besoin de beaucoup moins de points pour obtenir un bon résultat car justement un tracé à main levé est un truc de meme nature.


Donc le Deep learning c'est beaucoup, beaucoup de données et un modele de fonction relativement simple...