Intelligence artificielle
Objectifs de la section
Apprendre à utiliser les intelligences artificielles
Temps requis
30 minutes
Quand lire cette section
Le contenu de cette section est pertinent à lire APRÈS le premier examen. Dans le cadre du cours, le recours aux intelligences artificielles est formellement interdit dans le premier examen.
Un peu de vocabulaire
L'intelligence artificielle vient avec un vocabulaire complexe et beaucoup de concepts. C'est un sujet de recherche en informatique actif depuis les années 1950. On s'y intéresse dans le cadre de ce cours dans l'optique d'une des dernières avancées dans le domaine : les grands modèles de langage.
Intelligence artificielle- Traite des données, selon un ensemble de règles, pour générer une réponse. Par exemple, notre intelligence artificielle qui identifiait des animaux à partir de leur mode déplacement et de pattes. Bien que simpliste, elle satisfait la condition pour être une IA.
Apprentissage automatique- Traite des données pour définir un ensemble de règles pour générer une réponse. Contrairement à l'IA, elle modifie la réponse selon ses expériences. Voici le script d'une IA simple pour le jeu de roche-papier-ciseau. Ce script dépasse les attentes du cours, mais vous pouvez le lire par intérêt - vous connaissez toutes les structures de code utilisées Exemple de code
Réseau de neurones- Traite beaucoup de données pour définir un ensemble de règles inspiré du fonctionnement du cerveau humain pour générer une réponse.
Intelligence artificielle générative- Traite vraiment beaucoup de données pour définir un ensemble de règles inspiré du fonctionnement du cerveau humain pour générer une réponse complexe composée d'un grande nombre de petites réponses.
Grand modèle de langage- Intelligence artificielle générative spécialisée pour le traitement des langues naturelles.
Truc d'utilisation d'une intelligence artificielle
-
Donner un contexte Les réponses des intelligences artificielles sont meilleures avec une situation où l'information est utilisée. Pourquoi ? Parce que les données qui servent à l'entraîner ont été prisent dans un contexte donné. Les mots de la question permettent à l'IA de « faire des liens ».
-
Relancer pour des précisions Il est rare que la réponse que l'on recherche est correctement générée. Il faut souvent envoyer des questions complémentaires afin que l'IA « comprennent » ce que l'on essaie de lui faire générer. Les pages d'informations des intelligences artificielles annoncent que les 30 dernières entrées (prompts) sont gardées en mémoire. C'est vrai, mais plus les questions sont loin, moins elles ont de l'importance. D'expérience (source très crédible hugh hugh hugh), les 3 ou 4 entrées précédentes sont vraiment utilisées. Si l'on veut retourner plus loin en arrière, il faut le préciser.
-
Être poli Celui-là donne un syndrome d'anthropomorphisme important. Par contre, l'IA a appris des humains que les réponses sont plus longues et complètes quand on demande poliment.
-
Éviter les fautes de français Comme la source première d'informations de l'IA sont les mots, il portera une attention particulière à leur orthographe. L'IA peut être moins efficace si votre entrée n'est pas correcte. Ce n'est pas tant les règles de grammaire que l'orthographe qui est importante.
-
Éviter les longues demandes Votre demande à l'IA ne devrait pas comporter plusieurs éléments en même temps. Si vous avez besoin d'information complexe, découpez-là en plusieurs demandes.
À se souvenir avec l'IA
-
Les réponses sont partiellement aléatoires Les mots utilisés dans la réponse sont choisis avec un processus partiellement aléatoire (pour être précis, c'est un processus stochastique). La conséquence principale de ce mode de fonctionnement sont les hallucinations que les intelligences artificielles peuvent produire. Elles peuvent être « facilement » provoquées en donnant une fausse prémisse. Souvenez-vous, les GML ne représentent pas des connaissances, juste des mots qui vont souvent ensemble : ça ouvre la porte à diverses faussetés.
-
L'information risque ne pas être à jour Les modèles commencent à chercher de l'information sur internet, mais c'est loin d'être précis comme fonctionnalité. Il arrive souvent que les informations aient un arriéré de plusieurs mois. Et même quand l'information est prise sur internet, elle est aussi fiable que la source dont elle est tirée; et l'internet est un repère de diverses faussetés ou imprécisions.
-
L'information est sujette aux biais d'entraînement Bien que l'impact soit moins frappant dans les sciences naturelles que les sciences humaines, l'intelligence apprend aussi les biais de genre, ethniques et autres biais discriminatoires contenus dans ses données. Un exemple de biais très connus et pour lesquels un effort de correction a lieu est les biais en médecine sur les signes et symptômes de différentes maladies. Dans le cadre de l'informatique, à part dans la conception d'interfaces utilisateurs, ces biais n'apparaissent pas.
Exercice/Démonstration avec l'IA
Un type de collection de données est le tableau numpy appelé en anglais numpy array. C'est une structure similaire aux listes que nous allons explorer avec ChatGPT. Voici le prompt d'introduction :
Salut ChatGPT, j'étudie en Sciences de la nature et j'apprends le langage de programmation Python depuis 8 semaines. Nous sommes dans le module des collections de données. Mon enseignant m'a montré les listes et il nous parle maintenant des numpy array. Quelles sont les ressemblances et les différences entre ces deux collections de données ?
Vous devriez obtenir une réponse qui vous explique les bases des tableaux numpy. Certains termes peuvent vous sembler flous dans les explications, dont probablement le terme opération vectorisé. Demandons ce qu'est-ce terme.
Je n'ai jamais entendu le terme opération vectorisée. Que signifie-t-il ?
Relancez ChatGPT jusqu'à ce que vous soyez satisfait de la réponse. Maintenant, exploitons les tableaux numpy pour résoudre un problème.
Moyenne des évaluations
Voici les notes des élèves à deux travaux :
- Travail 1 : 82,5; 73; 54,3; 92,5; 79
- Travail 2 : 74,7; 76,4; 62, 84,4; 91,6
Chacun des travaux avait une pondération égale. Trouvez la moyenne de chacun des élèves en utilisant les opérations vectorielles des tableaux numpy.
Ce qu'il ne faut pas faire avec l'IA
Il pourrait être tentant de copier-coller la question. Vous obtiendrez la bonne réponse, mais aurez rien appris !