Intelligence artificielle (IA), Santé et éthique
Introduction
Véronique Pelletier, président de l'athéisme, parle de l'histoire de l'ADELI et des conférences organisées autour d'un verre.
Histoire de l'ADELI
- L'ADELI a été créé en 1978 et va fêter ses 45 ans cette année.
- ADELI a publié plusieurs ouvrages importants dont celui sur la certification.
- Notre avenir est une course entre la puissance croissante de la technologie et la sagesse avec laquelle nous l'utilisons.
Les débuts de l'intelligence artificielle
Véronique Pelletier parle des débuts de l'intelligence artificielle et des personnes qui ont contribué à son développement.
Débuts de l'intelligence artificielle
- En 1936, Alan Turing a écrit un article sur la machine universelle.
- John McCarthy est le père du langage Lisp créé en 1960.
- Les heuristiques sont des règles qui permettent de faire un choix en l'absence de résultats.
La robotique et les capteurs
Véronique Pelletier parle des problèmes rencontrés dans le développement de robots pilotant des systèmes fixes ou mobile du monde réel.
Problèmes rencontrés dans le développement des robots
- Les chercheurs ont dû apprendre la vision par caméra pour percevoir le monde.
- Les chercheurs ont utilisé des micro-univers de travail et des jeux pour développer les algorithmes.
- L'amélioration du combinatoire a été importante dans le développement de l'intelligence artificielle.
Jeux et performances
Véronique Pelletier parle des performances de l'IA dans les jeux.
Performances de l'IA dans les jeux
- Les performances des jeux rivalisent avec celles des humains.
- Il faut attendre un niveau expert pour coder chacun des algorithmes.
Acquisition de connaissances
Véronique Pelletier parle de la façon dont les programmes acquièrent la connaissance.
Acquisition de connaissances
- Le programme doit acquérir les données de l'expert lui-même.
- La représentation des connaissances a été un aspect important de l'intelligence artificielle.
- Les avancées en logique mathématique ont rendu possible le développement de l'intelligence artificielle.
Les origines de l'intelligence artificielle
Cette section traite des origines de l'intelligence artificielle, notamment la machine universelle et le test de Turing.
Les bases de l'intelligence artificielle
- En 1931, Gaddle a défini le théorème de la compétitive.
- En 1950, Turing publie un article qui pose les fondations de l'intelligence artificielle computing machinerie and intelligence et il décrit dans son article le test de Turing.
- Le test de Turing est une proposition de test d'intelligence artificielle fondée sur la capacité d'une machine à imiter la conversation humaine décrit par Alan Turing dans sa publication.
Les systèmes experts
- Les systèmes experts sont les premiers logiciels qui ont voulu un petit conseil qui était écrit à base de règles et pour le domaine médical.
- Un système expert est composé de trois parties : la base de fait, la base de rêve et un moteur d'inférence.
- La plupart des systèmes experts utilisent des règles logiques formelles pour produire des conclusions.
La compréhension du langage naturel
- Velociraptor auteur du premier programme informatique de compréhension du langage naturel en 1968.
- En 1986 Jean-Louis Laurière parlait d'acquisition être représentation de la connaissance apprendre à comprendre apprendre à résoudre des problèmes apprendre à apprendre raisonner.
Les domaines de l'IA
- Les domaines de l'IA étaient la perception, la reconnaissance des formes, les mathématiques et la démonstration automatique des théorèmes, les jeux, la résolution de problèmes, la compréhension du langage naturel et la traduction.
- L'interdisciplinarité est importante en IA. On s'est inspiré de la biologie, l'informatique, la médecine, la didactique et la pédagogie.
La génération de texte, d'images et de vidéos avec l'IA
Dans cette section, le conférencier parle de la capacité des algorithmes génératifs à produire du contenu multimodal tel que des textes, des images et des vidéos. Il donne également quelques exemples d'algorithmes tels que GPT-3 et DALL-E.
Algorithmes génératifs
- Les algorithmes génératifs peuvent produire du contenu multimodal comme des textes, des images et des vidéos.
- Exemples d'algorithmes : GPT-3 pour la génération de texte et DALL-E pour la génération d'images.
Utilisations possibles
- Les algorithmes génératifs peuvent être utilisés pour répondre à des questions sur divers sujets tels que l'histoire, la géographie, la science ou la technologie.
- Ils peuvent également être utilisés pour écrire des histoires, créer de la musique ou suggérer des films en fonction de nos préférences personnelles.
- En outre, ils peuvent aider à transcrire un texte en voix ou à planifier un itinéraire pour un voyage en voiture ou en avion.
Prédiction avec l'IA
Dans cette section, le conférencier parle de la capacité de l'intelligence artificielle à faire des prédictions sur différents sujets tels que la météo et les résultats sportifs.
Prédiction avec l'IA
- L'IA peut être utilisée pour faire des prédictions sur différents sujets tels que la météo, les résultats sportifs et la bourse.
- Les algorithmes génératifs peuvent également être utilisés pour créer du code informatique à partir de spécifications.
Utilisations pratiques de l'IA
Dans cette section, le conférencier parle des différentes utilisations pratiques de l'intelligence artificielle telles que donner des conseils de cuisine, comparer des produits et suggérer des musées à visiter.
Utilisations pratiques
- L'IA peut donner des conseils de cuisine, comparer des produits et suggérer des musées à visiter.
- Elle peut également aider à analyser la tonalité d'un texte ou à transcrire un texte en voix.
Les paramètres et les ressources utilisées dans le modèle GPT-3
Dans cette section, l'orateur discute des paramètres et des ressources nécessaires pour entraîner le modèle GPT-3.
Les paramètres du modèle GPT-3
- Le modèle GPT-3 est un modèle avancé avec plusieurs tailles et donc plusieurs nombres de paramètres.
- Les paramètres sont des réglages possibles sur un modèle GPT 3. Ils permettent de régler la police de caractère, la taille d'écriture, etc.
- Il existe également des paramètres par défaut que l'on peut utiliser si on ne veut pas les régler soi-même.
Les ressources utilisées pour entraîner le modèle GPT-3
- Le modèle est entraîné sur une quantité massive de texte provenant d'une grande variété de sources telles que des livres, des articles de journaux, des sites web, etc.
- Le stockage du modèle est extrêmement volumineux et nécessite des centaines de gigaoctets d'espace de stockage pour être stocké et utilisé efficacement.
- Des infrastructures massives de serveurs sont nécessaires pour héberger le modèle et pour traiter les demandes des utilisateurs.
- Le modèle utilise une variété d'algorithmes d'apprentissage automatique pour entraîner le modèle et adapter son comportement en fonction des entrées qu'il reçoit.
Conclusion
Dans cette section, l'orateur conclut la présentation en résumant les points clés abordés.
- Le modèle GPT-3 est un système complexe et sophistiqué qui utilise une grande variété de ressources pour fonctionner efficacement.
- Les informations présentées dans cette vidéo sont basées sur des recherches et des études menées par l'orateur.
Apprentissage automatique
Cette section explique ce qu'est l'apprentissage automatique et comment il fonctionne.
Qu'est-ce que l'apprentissage automatique?
- L'apprentissage automatique est un champ d'étude de l'intelligence artificielle qui se fonde sur des approches mathématiques et statistiques pour donner aux ordinateurs la capacité d'apprendre.
- Il permet d'améliorer les performances des ordinateurs à résoudre des tâches sans être explicitement focalisé.
- L'objectif de l'apprentissage consiste à créer un modèle dont l'erreur statistique moyenne est la plus faible possible.
Régression linéaire
Cette section explique ce qu'est une régression linéaire et comment elle fonctionne.
Comment fonctionne une régression linéaire?
- Avec l'expérience, on récupère un certain nombre de points et par des magies mathématiques, on va essayer de définir quelle est la meilleure forme (droite ou courbe).
- L'objectif de la régression linéaire est de trouver la droite la mieux ajustée à travers un ensemble de points de données qui peuvent ensuite être utilisés pour faire des prédictions sur les observations futures.
- On peut faire des prédictions en prolongeant la droite ou en utilisant une courbe.
Cognitivisme vs Collectionnisme
Cette section compare le cognitivisme et le collectionnisme dans le domaine de l'intelligence artificielle.
Quelles sont les différences entre le cognitivisme et le collectionnisme?
- Le cognitivisme est une approche de traitement symbolique de la pensée, qui consiste à évaluer des expressions symboliques.
- Le collectionnisme est une approche basée sur les réseaux de neurones formels, qui a été généralisée par Marvin Minsky.
- Le premier modèle mathématique du neurone formel a été défini en 1943 par Warren McCulloch et Walter Pitts.
Reconnaissance d'objets
Cette section explique comment la reconnaissance d'objets fonctionne.
Comment fonctionne la reconnaissance d'objets?
- En 2012, il y a eu une compétition appelée "Imaginette" pour la reconnaissance d'objets.
- Yann Lecun était capable de lire le code postal manuscrit et les adresses manuscrites à partir du deep learning.
Turn any video into a summary like this
YouTube links, meetings, lectures. With transcripts, search, and chat.