1960 –
Yann LeCun
Il a appris aux machines à voir
Un réseau qui regarde une image n'a aucune raison de tout réapprendre à chaque endroit : un contour reste un contour, qu'il soit en haut ou en bas. LeCun en tire une architecture qui promène la même poignée de poids sur toute l'image — et c'est elle qui, trente ans plus tard, fait voir les machines.
À la fin des années 1980, les réseaux relient chaque pixel à chaque neurone : une image de trente-deux pixels de côté demande un million de poids, qu'aucune quantité d'exemples ne suffit à régler. LeCun, alors aux Bell Labs, leur donne d'emblée ce qu'on sait d'une image — un motif a la même signification où qu'il se trouve — et promène une seule fenêtre de neuf poids sur toute la surface. Ces neuf poids sont alors entraînés sur toutes les positions de toutes les images, et reçoivent des milliers de fois plus d'exemples qu'un poids ordinaire : c'est ce qui rend l'apprentissage possible. Dès le milieu des années 1990, ces réseaux lisent une part importante des chèques déposés aux États-Unis. Puis quinze ans de silence, faute de données et de calcul, avant qu'ImageNet ne fasse éclater l'idée au grand jour en 2012 — et que le prix Turing ne vienne, en 2018, récompenser un travail que la discipline avait longtemps tenu pour une impasse.