Intelligence artificielle : testez vos connaissances!

VRAI

ChatGPT est l’exemple le plus connu d’application propulsée par l’IA générative. Ce type d’IA, qui fonctionne à partir d’une immense quantité de données d’entraînement et grâce à un système mathématique hyperpuissant, est en mesure de comprendre une requête complexe et de prédire statistiquement la meilleure réponse possible. C’est la raison pour laquelle on parle ici d’une IA recourant à une technique probabiliste. Une IA générative peut, par exemple, générer une réponse très élaborée à la demande de produire « un texte d’environ 1500 mots sur l’évolution du rôle de l’enseignant à travers l’histoire en mettant l’accent sur les technologies qui ont fait leur entrée dans la vie scolaire, dans le style d’un auteur X et incluant cinq citations ». Et puisque cette IA possède une mémoire, il est possible d’ajouter de nouvelles précisions à sa requête afin d’en raffiner la réponse. Notons que c’est le développement de l’apprentissage profond, dans la seconde moitié de la décennie 2010, qui a permis de décupler les performances de l’IA générative.

Pour en savoir plus :

• Décrypter ChatGPT
• 10 catégories d’outils d’IA générative

Les associations correctes sont les suivantes :

A) Ingrédients (données) :Tout comme il faut des ingrédients pour confectionner un gâteau, l’IA a besoin de données, beaucoup de données… comme des images, des textes, des chiffres, etc. Ces données aident l’IA à apprendre des modèles et à prendre des décisions.

B) Recette (algorithme) :Une recette vous guide à travers les étapes de la préparation d’un gâteau. Dans le cas de l’IA, un algorithme peut se comparer à une recette, soit un ensemble d’instructions indiquant à l’ordinateur ce qu’il doit faire avec les données, afin d’apprendre et de prendre des décisions.

C) Mélange et cuisson (formation) :C’est en mélangeant les ingrédients et en cuisant que le gâteau prend forme. Avec l’IA, l’algorithme traite les données, en tire des enseignements et s’améliore au fil du temps. Ce processus d’apprentissage répété est appelé formation.

D) Un gâteau génial (résultat de l’IA) :Après environ 30 minutes à 350°F… votre gâteau est prêt! Avec l’IA, après l’entraînement, vous obtenez un système capable de faire des prédictions, de reconnaître des choses ou de résoudre des problèmes sur la base de ce qu’il a appris à partir des données.

E) Amélioration (raffinement de l’IA) :Tout comme vous pouvez adapter votre recette pour le prochain gâteau, l’IA peut être affinée en modifiant l’algorithme ou en lui fournissant davantage de données pour qu’elle soit encore plus performante.

En résumé, comme pour la confection d’un gâteau dans la vie réelle, les résultats peuvent varier selon la qualité des données et de l’algorithme utilisé. Toutefois, à l’instar d’un boulanger qui perfectionne sa recette, les systèmes d’IA peuvent être améliorés et affinés, afin de se rapprocher des résultats souhaités, qui mettent l’eau à la bouche.

Pour en savoir plus : Simplifier l’IA… et confectionner des gâteaux

C.

Au début des années 2000, les chercheurs Geoffrey Hinton, Yann LeCun et Yoshua Bengio décident de réexaminer le potentiel des réseaux de neurones artificiels numériques, une technologie délaissée par la recherche de la fin des années 1990 au début de la décennie 2010. Le trio « invente » l’apprentissage profond, qui s’avère aujourd’hui la branche la plus prometteuse de l’intelligence artificielle, celle qui a ranimé l’intérêt pour ce champ de la technologie et qui a permis les avancées impressionnantes de l’IA que l’on connaît aujourd’hui.

Inspirés du fonctionnement du cerveau humain, ces réseaux de neurones artificiels, optimisés par des algorithmes (ensemble de règles) d’apprentissage, effectuent des calculs et fonctionnent selon un système de couches : les résultats de chaque couche servant aux couches successives, d’où le qualificatif « profond ». Alors que les premières couches extraient des caractéristiques simples, les couches subséquentes les combinent pour former des concepts qui gagnent en complexité. Le principe de cette technologie est de laisser l’ordinateur trouver par lui-même la meilleure façon de résoudre un problème à partir d’une très grande quantité de données et d’indications concernant le résultat attendu. L’apprentissage profond peut par ailleurs utiliser l’apprentissage supervisé tout comme l’apprentissage non supervisé.

La grande révolution amenée par l’apprentissage profond est que les tâches demandées à l’ordinateur reposent maintenant sensiblement sur les mêmes principes ou algorithmes. Alors qu’avant les connaissances en IA étaient subdivisées en plusieurs types d’applications chacune étudiée en silo, les efforts sont désormais concertés pour tenter de comprendre les mécanismes d’apprentissage.

Pour en savoir plus :

• Apprentissage profond 101
• Intelligence artificielle : de la programmation manuelle à l’apprentissage profond
• Mini glossaire de l’intelligence artificielle

A, B et C

Heureusement, plusieurs initiatives dont celles citées aux points A, B et C ont vu le jour. Cependant, il reste beaucoup à faire, les avancées de cette technologie étant plus rapides que ne l’anticipaient même certaines sommités dans le domaine et les enjeux concernés étant de taille.

Pour en savoir plus : Des initiatives pour une intelligence artificielle responsable et humaniste

B

ChatGPT est assurément l’outil d’IA générative le plus connu, mais il est loin d’être le seul… En effet, les applications propulsées par cette forme d’IA et accessibles au grand public ne cessent de se multiplier. Rappelons qu’au moyen d’algorithmes et à partir de mégadonnées, ce type d’IA est capable de générer du contenu original, qu’il s’agisse de texte, d’image, d’audio ou de vidéo, en réponse aux requêtes de l’utilisateur. Alors que ces applications évoluent très rapidement, ils tendent à se faire de plus en plus multimodales, autrement dit à générer plus d’un type de contenu.

Concernant le point D, il faut savoir que malgré ses capacités « cognitives » impressionnantes qui imitent celles de l’intelligence humaine, l’IA générative n’est pas dotée de sentience (capacité de raisonner et ressentir) ni de métacognition, ce qui fait qu’il ne peut porter de regard critique sur ce qu’elle produit et qu’elle ne peut donc pas se corriger. Ainsi, ses réponses sont à risque d’être teintées par différents biais (préjugés racistes, sexistes, favorables ou défavorables à certaines affiliations politiques, etc.) ou encore de comporter des résultats erronés, que l’on a nommés « fabulations» ou « hallucinations ». C’est que le modus operandi de cette technologie qui fait en sorte qu’elle génère la réponse la plus probable (comme le font aussi les autres IA génératives) la mène d’abord et avant tout à fournir une réponse, même s’il s’agit de résultats erronés ou de pures inventions…

Pour en savoir plus :

• Décrypter ChatGPT
• 10 catégories d’outils d’IA générative