Intelligence artificielle, les bases pour comprendre les LLM

« Démocratisé » par l’émergence de ChatGPT, tout le monde semble s’être spécialisé dans ce domaine. Et pourtant, l’intelligence artificielle ne se résume pas seulement à un chatbot ou à un « super dictionnaire ». Immersion dans un domaine bien plus important que vous pourriez l’imaginer. Synthèse et analyse.

Contexte

Warren Buffett, le légendaire investisseur et PDG de Berkshire Hathaway, est depuis longtemps connu pour ses prouesses en matière d’investissement. Ces dernières années, il s’est montré de plus en plus optimiste quant au potentiel de l’intelligence artificielle (IA) et à son impact sur le marché boursier. Aujourd’hui, le portefeuille d’actions d’IA de Buffett vaut plus de 166 milliards de dollars.

Plus globalement, ce regain d’intérêt pour l’IA a contribué à alimenter un rallye de 4’000 milliards de dollars dans les valeurs technologiques cette année, le fabricant de puces Nvidia a notamment dépassé (brièvement) les 1’000 milliards de capitalisation boursière.

Certains titres considérés comme des gagnants de l’IA, tels que les fabricants de semi-conducteurs et les développeurs de logiciels, ont plus que doublé de valeur, les investisseurs pariant sur une croissance massive de l’industrie.

Cependant, l’intelligence artificielle ne se limite pas à des questions/réponses ou encore des suggestions de portraits et de dessins. Passage en revue d’un terme incontournable avec les plateformes actives.

Qu’est-ce que l’intelligence artificielle ?

Avant toute chose, il s’agit « tout bêtement » de rappeler la définition de l’intelligence artificielle.

Alors qu’un certain nombre de définitions ont fait surface au cours des dernières décennies, John McCarthy propose la définition suivante dans cet article de 2004: « Il s’agit de la science et de l’ingénierie de la fabrication de machines intelligentes, en particulier de programmes informatiques intelligents. Elle est liée à la tâche similaire qui consiste à utiliser des ordinateurs pour comprendre l’intelligence humaine, mais l’IA ne doit pas se limiter aux méthodes qui sont biologiquement observables ».

Cependant, des décennies avant cette définition, la naissance de la conversation sur l’intelligence artificielle a été marquée par l’ouvrage fondamental d’Alan Turing, « Computing Machinery and Intelligence », publié en 1950.

Dans cet article, Turing, souvent considéré comme le « père de l’informatique », pose la question suivante : « Les machines peuvent-elles penser ? »  Il propose ensuite un test, désormais célèbre sous le nom de « test de Turing », au cours duquel un interrogateur humain tente de faire la distinction entre une réponse textuelle humaine et une réponse textuelle informatique.

Bien que ce test ait fait l’objet d’un examen minutieux depuis sa publication, il reste un élément important de l’histoire de l’IA ainsi qu’un concept permanent de la philosophie, puisqu’il utilise des idées autour de la linguistique.

Aujourd’hui on s’intéresse surtout à l’IA Générative. Le terme anglais de Generative AI, ou IA Générative en français désigne des algorithmes d’Intelligence Artificielle et de Machine Learning qui utilisent des contenus existants au service de leur apprentissage pour en générer de nouveaux. Ainsi, en se basant sur des modèles stockés dans une base de données, la Generative AI est en capacité de produire son propre modèle similaire.

Quelles sont les plateformes de l’intelligence artificielle Générative ?

En fait, il n’y a pas seulement 1 application, mais 7 applications en lien avec l’IA Générative. Passage en revue et quelles sont les plateformes impliquées dans la thématique ?

Les textes :

La génération de texte est un domaine qui se développe depuis les années 1970 et qui est considéré comme une sous-section du NLP (Natural Language Processing). Le développement de modèles d’apprentissage profond pour la génération de texte est un processus continu dans le domaine du NLP.

À titre d’exemple, les chercheurs forment des réseaux adversaires génératifs (GAN), qui sont des modèles génératifs composés d’un générateur et d’un discriminateur et utilisés pour générer des sorties synthétiques pour la génération de texte.

L’un des modèles d’IA capables de générer du texte est le GPT (Generative Pre-trained Transformer), ou transformateur génératif pré-entraîné. Ce modèle de langage, construit par OpenAI et publié en 2020, comporte différents modèles, dont GPT-3.

GPT-3 est un modèle beaucoup plus grand que son prédécesseur, avec plus de 175 milliards de paramètres. Il est entraîné sur une variété de sources de données, y compris des livres, des articles et des référentiels de code pour générer des textes réalistes comme des écrivains humains. Il est possible de créer des résumés, de répondre à des questions, d’utiliser un correcteur grammatical, d’apprendre de nouvelles idées et de faire des traductions grâce à GPT-3.

Les outils de génération de texte par l’IA créent et fournissent des modèles prêts à l’emploi pour créer du contenu de haute qualité, comme par exemple

• Des articles de blog
• Les messages sur les médias sociaux
• E-mails
• Méta-descriptions
• Descriptions de produits
• Slogans, etc.

En outre, ils offrent une collaboration et des droits commerciaux sur le contenu produit, ce qui les rend utiles pour les processus commerciaux. N’hésitez pas à lire notre article sur les outils d’IA générative si vous souhaitez en savoir plus sur ces outils et les comparer.

Il existe trois types d’IA textes : marketing, ventes, savoir

• Marketing : Jasper / Simplified / Omneky / Copy.ai / Writesonic / ContenBot.ai / Frase / Sufer / Writer / Rytr
• Ventes : Outplay / Reach / Croutext / Smartwriter.ai / Lavender / Regie.ai
• Savoir  : Glean / Mem / You

La vidéo :

En septembre 2022, Meta annonçait Make-A-Video, un nouveau système d’intelligence artificielle qui permet de transformer des messages textuels en brefs clips vidéo de haute qualité.

Make-A-Video, comme d’autres modèles, s’appuie sur les progrès récents de l’IA en matière de recherche sur les technologies génératives et pourrait ouvrir de nouvelles perspectives aux créateurs et aux artistes. Le système apprend à quoi ressemble le monde à partir de données couplées texte-image et comment le monde se déplace à partir de séquences vidéo sans texte associé.

La recherche sur l’IA générative fait progresser l’expression créative en donnant aux gens des outils pour créer rapidement et facilement de nouveaux contenus. Avec seulement quelques mots ou lignes de texte, la vidéo sur l’IA peut donner vie à l’imagination et créer des vidéos uniques, pleines de couleurs vives, de personnages et de paysages. Le système peut également créer des vidéos à partir d’images ou prendre des vidéos existantes et en créer de nouvelles qui sont similaires.

L’IA vidéo utilise généralement des ensembles de données accessibles au public, ce qui ajoute un niveau supplémentaire de transparence à la recherche.

Il existe deux types d’IA vidéo : L’édition, la génération et les vidéos personnalisées

• Edition/Génération : Runway / Flik i / Hour One
• Vidéos personnalisées : Tavus / Synthesia / Colossyan / Rephrase.ai / HourOne

Les images :

Un générateur d’images d’IA, également appelé modèle génératif, est un système d’intelligence artificielle conçu pour créer de nouvelles images sur la base d’un ensemble de paramètres ou de conditions d’entrée. Ces systèmes utilisent des algorithmes d’apprentissage automatique qui peuvent apprendre à partir de vastes ensembles de données d’images, ce qui leur permet de générer de nouvelles images dont le style et le contenu sont similaires à ceux de l’ensemble de données d’origine.

Le principal avantage des générateurs d’images par IA est qu’ils peuvent créer des images sans intervention humaine, ce qui permet de gagner du temps et d’économiser des ressources dans de nombreux secteurs. Par exemple, dans le secteur de la mode, les générateurs d’images d’IA peuvent être utilisés pour créer des modèles de vêtements ou des tenues stylisées sans faire appel à des stylistes humains.

Dans l’industrie du jeu, les générateurs d’images d’IA peuvent créer des personnages, des arrière-plans et des environnements réalistes dont la création manuelle aurait pris des mois.

Il existe différents types de générateurs d’images d’IA, chacun ayant ses propres forces et faiblesses. Parmi les types de générateurs d’images d’IA les plus populaires, citons le transfert de style, qui permet aux utilisateurs de transférer le style d’une image sur une autre, et les GAN (Generative Adversarial Networks), qui utilisent deux réseaux neuronaux pour générer des images réalistes qui ressemblent à l’ensemble de données d’origine.

Quel que soit leur type, les générateurs d’images d’IA ont un immense potentiel pour révolutionner la façon dont nous créons et consommons le contenu visuel.

• Génération d’image : Lensa / NightCafe / Craiyon / OpenArt / Midjourney / Dall-E2
• Design : Market / Poly / Vizcom / Aragon / Uizard / Cala / DIagram

Les codes :

Du point de vue du développeur, plutôt que de parcourir l’internet ou les communautés de développeurs pour obtenir des exemples de code, les modèles d’IA générative peuvent être utilisés pour générer un nouveau code de programmation à l’aide d’invites en langage naturel, compléter un code partiellement écrit à l’aide de suggestions, ou même traduire un code d’un langage de programmation à un autre. Par exemple, à un niveau simple, GitHub Copilot utilise le modèle Codex d’OpenAI pour proposer des suggestions de code directement à partir de l’éditeur du développeur.

L’écriture de code avec l’IA générative est possible grâce à une technique connue sous le nom de génération de code neuronal. Il s’agit d’entraîner un réseau neuronal sur un vaste ensemble de données d’exemples de code, puis d’utiliser le réseau finement ajusté pour générer un code dont la structure et la fonction sont similaires à celles des exemples sur lesquels il a été entraîné.

L’une des utilisations les plus simples de l’IA générative pour le codage consiste à suggérer des compléments de code au fur et à mesure que les développeurs tapent. Cela permet de gagner du temps et de réduire les erreurs, en particulier pour les tâches répétitives ou fastidieuses.

L’intelligence artificielle générative peut également être utilisée pour effectuer des contrôles de qualité du code existant et l’optimiser, soit en suggérant des améliorations, soit en générant des implémentations alternatives plus efficaces ou plus faciles à lire.

Quelles sont les prédictions pour l’IA générative ?

L’institut de recherche Gartner a fait cinq prédictions audacieuses sur la façon dont l’IA générative accélérera l’innovation dans les entreprises d’ici à 2027. Ces prédictions sont les suivantes :

• Plus de 30% des nouveaux médicaments et matériaux seront systématiquement découverts à l’aide de techniques d’IA générative ;
• L’utilisation de données synthétiques réduira de 70% le volume de données réelles nécessaires à l’apprentissage automatique ;
• 30% des messages marketing sortants des grandes organisations seront générés synthétiquement, contre moins de 2% en 2022. Nous notons que Salesforce a récemment annoncé le lancement de sa solution Einstein PT pour générer des courriels personnalisés aux clients pour le compte des vendeurs, des réponses à des requêtes spécifiques pour le compte des professionnels du service client et du contenu ciblé pour les spécialistes du marketing ;
• Plus de 100 millions d’humains engageront des robo-collègues (collègues virtuels synthétiques ou cobot) pour contribuer au travail de l’entreprise ;
• Près de 15% des nouvelles applications seront générées automatiquement par l’IA sans qu’un humain ne soit dans la boucle, contre 0% aujourd’hui.

L’intelligence artificielle est un vaste sujet comme nous avons pu le constater à travers cette étude complète. Cela implique que cette thématique ne va pas « s’éteindre » de sitôt. Il y aura cependant certains pans qui vont croître plus rapidement que d’autres.