Tous ceux qui n’ont pas vécu sous un rocher cette année ont entendu le buzz autour de ChatGPT et de l’IA générative. Cependant, tout le monde n’a peut-être pas des définitions claires en tête ou ne comprend pas comment cela fonctionne.
L’intelligence artificielle (IA) existe sous une forme ou une autre depuis des décennies. Les ordinateurs sont utilisés depuis longtemps pour analyser les informations et proposer des réponses concrètes. Classiquement, les résultats informatiques se présentaient sous la forme de nombres ou de représentations graphiques de nombres. Ou peut-être sous la forme de mouvements d’échecs, battant tous les adversaires humains depuis environ 2000.
L’IA générative est capable de « générer » une variété de contenus nouveaux, tels que des images, des vidéos, de la musique, de la parole, du texte, du code logiciel et des conceptions de produits, avec une qualité difficile à distinguer du contenu produit par l’homme. Ce mimétisme de la création de contenu humain est rendu possible par le fait que les programmes d’IA analysent des quantités infinies de contenu existant (« données de formation »), en utilisant une énorme puissance de calcul.
Je voulais extraire ici un bel article que je viens de voir et qui est instructif à ce sujet. Entre autres choses, il répertorie quelques exemples de produits gen-AI et décrit le modèle « transformateur » qui sous-tend bon nombre de ces produits. J’ai sauté la section de l’article qui traite des dangers potentiels de la gen-AI (par exemple, les problèmes avec les faux « »hallucinations“), puisque ce sujet a été traité déjà dans ce blog.
Entre cet article et l’article Wikipédia sur Intelligence artificielle générative vous devriez être capable de vous débrouiller, ou du moins de poser des questions intelligentes, lorsque le sujet reviendra ensuite dans votre vie professionnelle (ce qui sera probablement le cas, tôt ou tard).
Un point technique pour les passionnés de données est la distinction entre les approches « génératives » et « discriminatives » en matière de modélisation. Ceci n’est pas traité dans l’article ci-dessous, mais voir ici.
Tout le texte sous la ligne d’astérisques provient de Définition de l’IA générative : comment elle fonctionne, avantages et dangerspar Owen Hughes7 août 2023.
************************************************** *****
Qu’est-ce que l’IA générative en termes simples ?
L’IA générative est un type de technologie d’intelligence artificielle qui décrit de manière générale les systèmes d’apprentissage automatique capables de générer du texte, des images, du code ou d’autres types de contenu, souvent en réponse à une invite saisie par un utilisateur.
Les modèles d’IA générative sont de plus en plus intégrés aux outils en ligne et aux chatbots qui permettent aux utilisateurs de saisir des questions ou des instructions dans un champ de saisie, sur lequel le modèle d’IA générera une réponse de type humain.
Comment fonctionne l’IA générative ?
Les modèles d’IA générative utilisent un processus informatique complexe appelé apprentissage en profondeur pour analyser des modèles et des arrangements courants dans de grands ensembles de données, puis utiliser ces informations pour créer de nouveaux résultats convaincants. Pour ce faire, les modèles intègrent des techniques d’apprentissage automatique connues sous le nom de réseaux de neurones, qui s’inspirent vaguement de la façon dont le cerveau humain traite et interprète les informations, puis en tire des leçons au fil du temps.
Pour donner un exemple, en alimentant un modèle d’IA génératif de grandes quantités d’écritures de fiction, le modèle serait capable, au fil du temps, d’identifier et de reproduire les éléments d’une histoire, tels que la structure de l’intrigue, les personnages, les thèmes, les dispositifs narratifs, etc.
……
Exemples d’IA générative
… Il existe une variété d’outils d’IA générative, bien que les modèles de génération de texte et d’images soient sans doute les plus connus. Les modèles d’IA générative reposent généralement sur un utilisateur qui lui envoie une invite qui le guide vers la production du résultat souhaité, qu’il s’agisse d’un texte, d’une image, d’une vidéo ou d’un morceau de musique, bien que ce ne soit pas toujours le cas.
Voici des exemples de modèles d’IA générative :
- ChatGPT : Un modèle de langage d’IA développé par OpenAI qui peut répondre aux questions et générer des réponses de type humain à partir d’invites textuelles.
- DALL-E2 : Un autre modèle d’IA d’OpenAI qui peut créer des images et des illustrations à partir d’invites de texte.
- Google Barde : Le chatbot IA génératif de Google et rival de ChatGPT. Il est formé sur le grand modèle de langage PaLM et peut répondre aux questions et générer du texte à partir d’invites.
- À mi-parcours: Développé par le laboratoire de recherche Midjourney Inc. basé à San Francisco, ce modèle d’IA de génération interprète les invites textuelles pour produire des images et des illustrations, similaires à DALL-E 2.
- Copilote GitHub: Un outil de codage basé sur l’IA qui suggère des complétions de code dans les environnements de développement Visual Studio, Neovim et JetBrains.
- Lama 2 : Le grand modèle de langage open source de Meta peut être utilisé pour créer des modèles d’IA conversationnelle pour les chatbots et les assistants virtuels, similaires à GPT-4.
- xAI : Après avoir financé OpenAI, Elon Musk a quitté le projet en juillet 2023 et a annoncé cette nouvelle aventure d’IA générative. On en sait actuellement peu de choses.
Types de modèles d’IA génératifs
Il existe différents types de modèles d’IA générative, chacun étant conçu pour des défis et des tâches spécifiques. Ceux-ci peuvent globalement être classés dans les types suivants.
Modèles basés sur un transformateur
Les modèles basés sur des transformateurs sont formés sur de grands ensembles de données pour comprendre les relations entre les informations séquentielles, telles que les mots et les phrases. Soutenus par l’apprentissage profond, ces modèles d’IA ont tendance à être adeptes de la PNL [natural language processing] et comprendre la structure et le contexte du langage, ce qui les rend bien adaptés aux tâches de génération de texte. ChatGPT-3 et Google Bard sont des exemples de modèles d’IA générative basés sur des transformateurs.
Réseaux adverses génératifs
Les GAN sont constitués de deux réseaux de neurones appelés générateur et discriminateur, qui fonctionnent essentiellement l’un contre l’autre pour créer des données d’apparence authentique. Comme son nom l’indique, le rôle du générateur est de générer un résultat convaincant tel qu’une image basée sur une invite, tandis que le discriminateur s’efforce d’évaluer l’authenticité de ladite image. Au fil du temps, chaque composant s’améliore dans son rôle respectif, ce qui donne lieu à des résultats plus convaincants. DALL-E et Midjourney sont tous deux des exemples de modèles d’IA générative basés sur le GAN…
Modèles multimodaux
Les modèles multimodaux peuvent comprendre et traiter plusieurs types de données simultanément, tels que le texte, les images et l’audio, ce qui leur permet de créer des sorties plus sophistiquées. Un exemple pourrait être un modèle d’IA capable de générer une image basée sur une invite de texte, ainsi qu’une description textuelle d’une invite d’image. DALL-E 2 et GPT-4 d’OpenAI sont des exemples de modèles multimodaux.
Qu’est-ce que ChatGPT ?
ChatGPT est un chatbot IA développé par OpenAI. Il s’agit d’un grand modèle de langage qui utilise l’architecture du transformateur – en particulier le « transformateur pré-entraîné génératif », d’où GPT – pour comprendre et générer du texte de type humain.
Qu’est-ce que Google Bard ?
Google Bard est un autre exemple de LLM basé sur l’architecture de transformateur. Semblable à ChatGPT, Bard est un chatbot génératif d’IA qui génère des réponses aux invites des utilisateurs.
Google a lancé Bard aux États-Unis en mars 2023 en réponse à ChatGPT d’OpenAI et à l’outil Copilot AI de Microsoft. En juillet 2023, Google Bard a été lancé en Europe et au Brésil.
…….
Avantages de l’IA générative
Pour les entreprises, l’efficacité est sans doute l’avantage le plus convaincant de l’IA générative, car elle peut permettre aux entreprises d’automatiser des tâches spécifiques et de concentrer leur temps, leur énergie et leurs ressources sur des objectifs stratégiques plus importants. Cela peut se traduire par une réduction des coûts de main-d’œuvre, une plus grande efficacité opérationnelle et de nouvelles informations sur la performance ou non de certains processus métier.
Pour les professionnels et les créateurs de contenu, les outils d’IA générative peuvent aider à la création d’idées, à la planification et à la programmation de contenu, à l’optimisation des moteurs de recherche, au marketing, à l’engagement du public, à la recherche et à l’édition et potentiellement plus encore. Encore une fois, le principal avantage proposé est l’efficacité, car les outils d’IA générative peuvent aider les utilisateurs à réduire le temps qu’ils consacrent à certaines tâches afin qu’ils puissent investir leur énergie ailleurs. Cela dit, la surveillance et l’examen manuels des modèles d’IA générative restent très importants.
Cas d’utilisation de l’IA générative
L’IA générative a trouvé pied dans un certain nombre de secteurs industriels et se développe rapidement sur les marchés commerciaux et de consommation. Estimations McKinsey que, d’ici 2030, les activités qui représentent actuellement environ 30 % des heures de travail aux États-Unis pourraient être automatisées, sous l’impulsion de la accélération de l’IA générative.
Dans le domaine du support client, les chatbots et les assistants virtuels basés sur l’IA aident les entreprises à réduire les temps de réponse et à traiter rapidement les requêtes courantes des clients, réduisant ainsi la charge de travail du personnel. Dans le développement de logiciels, les outils d’IA générative aident les développeurs à coder de manière plus propre et plus efficace en examinant le code, en mettant en évidence les bogues et en suggérant des correctifs potentiels avant qu’ils ne deviennent des problèmes plus importants. Pendant ce temps, les rédacteurs peuvent utiliser des outils d’IA générative pour planifier, rédiger et réviser des essais, des articles et d’autres travaux écrits, bien que souvent avec des résultats mitigés.
L’utilisation de l’IA générative varie d’un secteur à l’autre et est plus établie dans certains que dans d’autres. Les cas d’utilisation actuels et proposés sont les suivants :
- Soins de santé: L’IA générative est étudiée comme outil permettant d’accélérer la découverte de médicaments, tandis que des outils tels que AWS HealthScribe permettre aux cliniciens de transcrire les consultations des patients et de télécharger des informations importantes dans leur dossier de santé électronique.
- Le marketing numérique: Les annonceurs, les vendeurs et les équipes commerciales peuvent utiliser l’IA générative pour créer des campagnes personnalisées et adapter le contenu aux préférences des consommateurs, en particulier lorsqu’il est combiné avec des données de gestion de la relation client.
- Éducation: Certains outils pédagogiques commencent à intégrer l’IA générative pour développer du matériel d’apprentissage personnalisé adapté aux styles d’apprentissage individuels des élèves.
- Finance: L’IA générative est l’un des nombreux outils des systèmes financiers complexes permettant d’analyser les modèles de marché et d’anticiper les tendances des marchés boursiers. Elle est utilisée parallèlement à d’autres méthodes de prévision pour aider les analystes financiers.
- Environnement: En sciences de l’environnement, les chercheurs utilisent des modèles d’IA génératifs pour prédire les conditions météorologiques et simuler les effets du changement climatique.
….
IA générative vs apprentissage automatique
Comme décrit précédemment, l’IA générative est un sous-domaine de l’intelligence artificielle. Les modèles d’IA générative utilisent des techniques d’apprentissage automatique pour traiter et générer des données. D’une manière générale, l’IA fait référence au concept d’ordinateurs capables d’effectuer des tâches qui autrement nécessiteraient l’intelligence humaine, comme la prise de décision et la PNL.
L’apprentissage automatique est la composante fondamentale de l’IA et fait référence à l’application d’algorithmes informatiques à des données dans le but d’apprendre à un ordinateur à effectuer une tâche spécifique. L’apprentissage automatique est le processus qui permet aux systèmes d’IA de prendre des décisions ou des prédictions éclairées en fonction des modèles qu’ils ont appris.
( Encore une fois, pour garantir que le crédit aille là où il est dû, le texte situé sous la ligne d’astérisques ci-dessus a été extrait de Définition de l’IA générative : comment elle fonctionne, avantages et dangers, par Owen Hughes).
to economistwritingeveryday.com
Abonnez-vous à notre page Facebook: https://www.facebook.com/mycamer.net
Pour recevoir l’actualité sur vos téléphones à partir de l’application Telegram cliquez ici: https://t.me/+KMdLTc0qS6ZkMGI0
Nous ecrire par Whatsapp : Whatsapp +44 7476844931
Jeu de briques
Snake
Pacman
Bubble