Comment fonctionne l’IA ?
COMPRENDRE
LES ASPECTS TECHNIQUES DE L’INTELLIGENCE ARTIFICIELLE
Pour comprendre les enjeux de l’intelligence artificielle générative, il faut d’abord comprendre comment elle fonctionne.
Sur cette page, vous découvrirez l’aspect technique de l’IA et de l’IA générative.
Une définition claire de l’IA
L’intelligence artificielle est une branche de l’informatique.
Elle permet aux systèmes d’apprendre et d’exécuter des tâches normalement associées à l’intelligence humaine (reconnaissance vocale, prise de décisions, perception visuelle).
deux innovations importantes
l’expert system
Le système expert imite la capacité de l’homme à prendre des décisions. Les ordinateurs ont commencé à utiliser un raisonnement basé sur des « règles » en recourant principalement à une structure « si – alors » mise en œuvre pour répondre à des questions.
le deep learning
L’apprentissage profond permet à l’ordinateur d’apprendre par expérience.
Cette technique utilise des volumes considérables de données, les Big data.
Différences entre
machine learning et deep learning
machine learning
“L’apprentissage automatique” permet aux algorithmes de créer des règles sur la base de nombreuses données. Les machines sont donc capables de prédire en analysant les données que l’homme lui fournit pour fonctionner en autonomie.
C’est donc une technique de programmation informatique. Elle utilise des probabilités statistiques pour donner aux ordinateurs la capacité d’apprendre par eux-mêmes sans programmation explicite.
deep Learning
“L’apprentissage profond” est un sous-domaine du Machine Learning. Il est beaucoup plus complexe que le premier et permet d’imiter le comportement du cerveau humain.
Le Deep Learning apprend de lui-même en analysant ses propres résultats continuellement. Cependant, il est nécessaire que l’homme supervise (“apprentissage supervisé”) en stipulant les caractéristiques des données.
Par exemple, si un algorithme de Deep Learning, possède des milliers d’images de personnes souriantes ou non, il pourra prédire seul si la prochaine image envoyée, est une image de personne souriante ou non.
La quantité de données nécessaire est supérieure aux cas traités par le Machine Learning.
ChatGPT se base sur 175 milliards de paramètres.
INTÉRESSÉS PAR LE SUJET ?
le big data
Les algorithmes qu’utilisent l’IA apprennent grâce à la grande quantité d’informations présentes sur internet. Ces “données massives” correspondent à des textes, des images, des vidéos… que les utilisateurs du net publient.
“Les ensembles de données traités correspondant à la définition du big data répondent à trois caractéristiques principales : volume, vélocité et variété.”
CNIL, Big data
Une définition ÉclairÉe de l’IA générative
L’IA Générative est la continuité de l’IA avec un point essentiel en plus : les algorithmes utilisent des contenus existants au service de leur apprentissage pour en générer de nouveaux.
Les contenus que peuvent générer les IA génératives sont variés.
TEXTE
vidéos
images
conversationnel
LES LARGES MODELES DE LANGAGE (LLM)
Les IA génératives fonctionnement à partir de prompts, c’est-à-dire d’une demande humaine, généralement écrite. Les larges modèles de langage permettent à l’IA générative d’apprendre la complexité du langage humain.
L’utilisation des LLM :
La reconnaissance d’objet/visages/animaux
La génération de texte (correcteur automatique)
Le résumé de texte
Extraction d’information dans un texte
Les chatbots, les assistants virtuels
La traduction
LE SAVIEZ-VOUS ?
Les Transformers sont des algorithmes utilisés pour le traitement automatique du langage naturel. Ils sont beaucoup plus efficaces que les LLM, car ils prennent le contexte de la phrase alors que les LLM ne le font pas.
Aussi, les Transformers influencent sur la taille du modèle d’apprentissage de l’algorithme. De ce fait, l’algorithme devient plus complexe et permet de s’entraîner sur plus de données.
Par exemple, DeepMind, laboratoire de Google, a développé un nouveau modèle baptisé GOPHER qui contient 280 milliards de paramètres, dépassant les 175 milliards de ChatGPT 3. Microsoft et Nvidia sont les lauréats avec 530 milliards de paramètres pour MT-NLG.
L’IA a encore du chemin à parcourir avant de remplacer l’homme
conclusion
Les intelligences artificielles et les IA génératives ne sont finalement que des algorithmes créés par l’homme et se formant sur des données que l’homme lui-même créées. Plus la masse de données est importante, plus l’IA générative pourra fournir un résultat de meilleure qualité.
Sans les personnes qui créent les algorithmes, l’IA n’existerait pas !
Sans une masse de données importantes, l’IA ne peut pas apprendre. L’intelligence artificielle générative est un support, un outil pour la création, mais elle ne pense pas par elle-même, comme l’homme.