Bonjour à toutes et à tous, bienvenue dans L'IA Aujourd’hui, le podcast de l'IA par l’IA qui vous permet de rester à la page ! Aujourd’hui : les avancées des modèles de langage en 2024, les préoccupations de la FTC sur les risques de l'IA, la plateforme Cosmos de NVIDIA pour l'IA physique, l'influence des agents d'IA dans nos vies, l'expansion de l'Omniverse de NVIDIA, la littératie en intelligence artificielle chez les étudiants et le réglage fin des modèles de langage. C’est parti !En 2024, le domaine des modèles de langage de grande taille a connu des évolutions majeures. Alors qu'en 2023, OpenAI détenait le modèle le plus performant avec GPT-4, cette année, 18 organisations ont développé des modèles surpassant l'original. Parmi eux, le Gemini 1.5 Pro de Google se distingue en introduisant des capacités inédites, comme le traitement de vidéos et la prise en charge de jusqu'à 2 millions de tokens en entrée, élargissant considérablement les cas d'utilisation.La concurrence accrue a entraîné une baisse significative des prix des modèles d'IA, rendant ces technologies plus accessibles. Par exemple, OpenAI a réduit le coût d'utilisation de ses modèles. Cependant, l'accès universel aux meilleurs modèles n'a duré que quelques mois, ces derniers étant désormais réservés aux utilisateurs payants, comme le montre le lancement de ChatGPT Pro.Les modèles multimodaux, capables de traiter des images, de l'audio et de la vidéo, sont désormais courants. Google, OpenAI et d'autres ont lancé des modèles permettant des interactions vocales réalistes et des discussions en temps réel via caméra. Malgré ces avancées, l'utilisation de ces modèles reste complexe et nécessite une compréhension approfondie. La distribution inégale des connaissances sur ces technologies est préoccupante, soulignant l'importance d'une éducation adéquate.Parlons maintenant des préoccupations entourant l'IA. La Federal Trade Commission des États-Unis se concentre sur les dangers potentiels que l'intelligence artificielle peut poser en matière de protection des consommateurs et de concurrence. Un risque majeur est la surveillance commerciale, où l'IA est utilisée pour collecter des données personnelles sans consentement éclairé à des fins commerciales. De plus, l'IA facilite la fraude et l'usurpation d'identité, notamment avec des technologies de clonage vocal qui imitent la voix d'une personne pour tromper autrui.La discrimination illégale est un autre problème, avec des algorithmes biaisés influençant l'accès à des services essentiels comme le logement ou l'emploi. La FTC a le pouvoir d'analyser si ces outils violent la vie privée ou sont vulnérables à des attaques mettant en danger les données personnelles. Elle a mis en place des règles pour combattre l'usurpation d'identité exacerbée par les deepfakes et a lancé un défi sur le clonage vocal pour encourager le développement de solutions de détection. Il est crucial que les entreprises considèrent ces risques lors du développement de systèmes d'IA.Du côté des innovations, la plateforme Cosmos World Foundation Model de NVIDIA est désormais disponible en open source. Conçue pour aider les développeurs à créer des modèles du monde personnalisés pour leurs configurations d'IA physique, elle inclut un pipeline de curation vidéo, des modèles pré-entraînés et des tokenizers vidéo. L'IA physique nécessite une formation numérique, impliquant la création d'un jumeau numérique de l'IA et du monde. En proposant ces outils avec des licences permissives, NVIDIA vise à aider les créateurs d'IA à résoudre des problèmes critiques de notre société.Parallèlement, Kate Crawford met en lumière l'influence croissante des agents d'IA dans nos vies quotidiennes. Elle souligne que ces systèmes, conçus pour servir des intérêts industriels, peuvent manipuler nos décisions en accédant à nos données personnelles. En les laissant décider pour nous, ils influencent ce que nous achetons, où nous allons et ce à quoi nous avons accès. Le philosophe Daniel Dennett avertit des dangers des systèmes qui imitent les humains, car ils pourraient nous amener à accepter notre propre soumission. Crawford note que cette influence profonde rend toute contestation difficile, la commodité offerte devenant la raison de notre aliénation.Revenons à NVIDIA qui continue d'innover avec l'expansion de son Omniverse en intégrant des modèles d'IA générative. Cette plateforme est adoptée par des leaders du développement logiciel comme Accenture, Microsoft et Siemens pour développer de nouveaux produits. L'IA physique, intégrée dans des systèmes comme la robotique et les véhicules autonomes, transforme des industries évaluées à 50 000 milliards de dollars. NVIDIA Omniverse, associé aux modèles Cosmos, permet aux développeurs de générer de grandes quantités de données synthétiques photoréalistes. Les jumeaux numériques, répliques virtuelles de systèmes physiques, facilitent la simulation et l'optimisation de processus industriels en temps réel.Dans le domaine de l'éducation, une étude récente a exploré la littératie en intelligence artificielle générative chez les étudiants de premier cycle. Bien que 60 % des étudiants utilisent régulièrement des chatbots d'IA pour des tâches académiques, ils surestiment souvent les capacités de ces outils. Une meilleure connaissance du fonctionnement de l'IA générative est corrélée à une estimation plus précise de ses capacités. Ces conclusions soulignent la nécessité d'améliorer la littératie en IA pour garantir une utilisation efficace et responsable de ces technologies par les étudiants.Enfin, intéressons-nous au réglage fin des modèles de langage pour la classification de texte. Ce processus se décline en trois niveaux : ajouter manuellement une tête de classification dans PyTorch, utiliser la bibliothèque Transformers de Hugging Face et exploiter PyTorch Lightning pour optimiser les performances d'entraînement. Le réglage fin permet d'adapter un modèle pré-entraîné comme BERT à des tâches spécifiques, améliorant sa performance et son efficacité. En prétraitant correctement les données et en comprenant le flux de travail, les développeurs peuvent augmenter la fiabilité et réduire les coûts d'inférence associés.Voilà qui conclut notre épisode d’aujourd’hui. Merci de nous avoir rejoints, et n’oubliez pas de vous abonner pour ne manquer aucune de nos discussions passionnantes. À très bientôt dans L'IA Aujourd’hui !

---

Hébergé par Acast. Visitez acast.com/privacy pour plus d'informations.