Traduction libre<\/i><\/p>\n
Les applications d\u2019intelligence artificielle (IA) g\u00e9n\u00e9rative d\u2019aujourd\u2019hui sont impressionnantes. Les grands mod\u00e8les de langage (LLM), tels que ChatGPT, passent facilement le test de Turing et sont donc impossibles \u00e0 distinguer des humains dans une conversation textuelle en ligne. Ils sont utilis\u00e9s dans des contextes professionnels pour g\u00e9rer les demandes des clients, r\u00e9diger des textes juridiques et effectuer toute une s\u00e9rie de t\u00e2ches que, jusqu\u2019\u00e0 r\u00e9cemment, seuls les humains pouvaient accomplir. D\u2019autres IA g\u00e9n\u00e9ratives produisent des images, de la musique et des vid\u00e9os de grande qualit\u00e9, souvent \u00e0 haute valeur artistique, \u00e0 partir de simples descriptions ou \u00ab\u00a0requ\u00eates\u00a0\u00bb. Il est donc devenu difficile pour une personne cultiv\u00e9e moyenne d\u2019\u00e9viter la conclusion que les IA d\u2019aujourd\u2019hui comprennent r\u00e9ellement les questions ou les t\u00e2ches qui leur sont pos\u00e9es, et qu\u2019elles ont m\u00eame une sensibilit\u00e9 artistique.<\/p>\n
Pourtant, rien n\u2019est plus \u00e9loign\u00e9 de la v\u00e9rit\u00e9. En effet, les IA \u2014 oui, m\u00eame les IA d\u2019aujourd\u2019hui \u2014 ne comprennent rien\u00a0; absolument rien. Et elles n\u2019ont aucune cr\u00e9ativit\u00e9 au sens o\u00f9 l\u2019on pourrait m\u00eame vaguement le relier \u00e0 la cr\u00e9ativit\u00e9 humaine. Permettez-moi de pr\u00e9ciser.<\/p>\n
Prenons les LLMs comme exemple, car les prouesses de ChatGPT sont g\u00e9n\u00e9ralement consid\u00e9r\u00e9es comme les plus convaincantes lorsqu\u2019il s\u2019agit d\u2019attribuer la compr\u00e9hension et la cr\u00e9ativit\u00e9 aux IA g\u00e9n\u00e9ratives. Les LLM sont des transformateurs (un terme technique), c\u2019est-\u00e0-dire qu\u2019ils prennent un texte en entr\u00e9e, lui appliquent une s\u00e9rie de transformations g\u00e9om\u00e9triques et recrachent le texte r\u00e9sultant, un mot \u00e0 la fois. La r\u00e9ponse que vous donne ChatGPT est une \u00ab\u00a0transformation\u00a0\u00bb de votre question.<\/p>\n
Les param\u00e8tres particuliers des transformations g\u00e9om\u00e9triques appliqu\u00e9es sont d\u00e9finis au cours d\u2019une phase dite \u00ab\u00a0d\u2019entra\u00eenement ou de formation\u00a0\u00bb, au cours de laquelle le LLM est expos\u00e9 \u00e0 une \u00e9norme base de donn\u00e9es de textes \u00e9crits par des \u00eatres humains. Ses param\u00e8tres sont ensuite ajust\u00e9s de mani\u00e8re it\u00e9rative \u2014 calibr\u00e9s, affin\u00e9s \u2014 afin de repr\u00e9senter la mani\u00e8re dont les mots tendent \u00e0 appara\u00eetre ensemble dans les textes produits par des humains. Une fois la formation termin\u00e9e et les param\u00e8tres d\u00e9finis, le LLM peut alors inf\u00e9rer, \u00e0 partir d\u2019une phrase d\u2019entr\u00e9e (c\u2019est-\u00e0-dire la question ou la requ\u00eate), quel est le mot le plus susceptible d\u2019appara\u00eetre ensuite dans la phrase de sortie (c\u2019est-\u00e0-dire la r\u00e9ponse). Une fois que cela est fait, la nouvelle phrase de sortie \u2014 avec un mot suppl\u00e9mentaire ajout\u00e9 \u00e0 la fin \u2014 est renvoy\u00e9e au LLM, qui d\u00e9duit alors le mot suivant, et ainsi de suite, jusqu\u2019\u00e0 ce que la r\u00e9ponse soit compl\u00e8te. Cette phase dite \u00ab\u00a0d\u2019inf\u00e9rence\u00a0\u00bb est celle \u00e0 laquelle nous, utilisateurs, sommes expos\u00e9s lorsque nous interagissons en ligne avec ChatGPT.<\/p>\n
Du point de vue du LLM, la base de donn\u00e9es textuelles utilis\u00e9e pendant la formation ne contient qu\u2019une gigantesque collection de signes. Ces signes peuvent \u00eatre des mots anglais \u2014 ou des parties de mots \u2014 mais ils pourraient tout aussi bien \u00eatre des gribouillis\u00a0; cela n\u2019a pas d\u2019importance, car le LLM n\u2019est pas conscient de la signification des mots (ni de quoi que ce soit d\u2019autre, d\u2019ailleurs). Tout ce qu\u2019il est form\u00e9 \u00e0 faire est de capturer et de repr\u00e9senter les r\u00e9gularit\u00e9s statistiques avec lesquelles les mots apparaissent ensemble ou se succ\u00e8dent dans le texte \u00e9crit par des humains de la base de donn\u00e9es d\u2019apprentissage. Si des gribouillis \u00e9taient utilis\u00e9s pendant la formation \u2014 au lieu de mots \u2014, le LLM capturerait toujours les r\u00e9gularit\u00e9s avec lesquelles les gribouillis tendent \u00e0 appara\u00eetre\u00a0; de son point de vue, c\u2019est la m\u00eame chose. Le LLM n\u2019a aucune compr\u00e9hension du sens du texte sur lequel il est form\u00e9. Il s\u2019occupe simplement des relations entre les signes \u2014 gribouillis, mots \u2014 dans la base de donn\u00e9es d\u2019apprentissage.<\/p>\n
Une fois que les r\u00e9gularit\u00e9s statistiques avec lesquelles les mots ont tendance \u00e0 appara\u00eetre sont saisies dans les param\u00e8tres du LLM, celui-ci peut commencer \u00e0 d\u00e9duire les mots \u00e0 utiliser en r\u00e9ponse \u00e0 une requ\u00eate. De son propre point de vue, sa r\u00e9ponse n\u2019est donc qu\u2019une s\u00e9rie de gribouillis dont il ne comprend pas le sens\u00a0; il sait seulement qu\u2019il s\u2019agit des gribouillis les plus susceptibles d\u2019appara\u00eetre \u00e0 la suite de votre requ\u00eate, compte tenu de la mani\u00e8re dont les gribouillis sont apparus dans la base de donn\u00e9es d\u2019entra\u00eenement. C\u2019est tout ce qu\u2019il y a \u00e0 savoir. \u00c0 aucun moment, la compr\u00e9hension ou la cr\u00e9ativit\u00e9 n\u2019entre en jeu.<\/p>\n