C'est parfaitement connu et documenté et cela a été dit dans toutes les discussions.Envoyé par oualos
C'est également un sujet sur lequel il y a déjà eu des progrès.
Non, les moteurs d'inférence n'ont jamais été la base de l'IA, ils sont arrivés relativement tard et ils sont quasiment abandonnés parce qu'ils sont très limités et absolument incapables de faire ce que ChatGPT et ses alternatives font.
Voici ce que dit chatGPT
Question: quand apparaît historiquement l'IA ?
Réponse: L'histoire de l'Intelligence Artificielle (IA) remonte aux années 1950, lorsque le terme a été utilisé pour la première fois lors d'une conférence à Dartmouth College aux États-Unis. À l'époque, les chercheurs étaient enthousiasmés par la perspective de créer des machines capables de penser comme des êtres humains.
Cependant, il convient de noter que les idées à la base de l'IA remontent bien avant les années 1950. Les premières études sur la logique remontent à l'Antiquité grecque, et les mathématiques ont également joué un rôle clé dans le développement de l'IA. Au 19ème siècle, les machines à calculer programmables ont été développées, jetant les bases du traitement automatique de l'information.
Les années 1950 ont vu le développement de l'IA en tant que domaine de recherche distinct. Les premiers programmes d'IA étaient basés sur des règles logiques et étaient capables de résoudre des problèmes de logique mathématique simples. Au fil des ans, de nouveaux domaines tels que l'apprentissage automatique, la vision par ordinateur et le traitement du langage naturel ont émergé, permettant aux machines de devenir de plus en plus intelligentes et autonomes.
Question:est-ce que les moteurs d'inférence ont été abandonnés dans l'IA ou servent-ils encore?
Réponse:Les moteurs d'inférence sont toujours utilisés dans l'Intelligence Artificielle (IA) aujourd'hui et restent une composante importante de nombreux systèmes d'IA. Ils sont particulièrement utiles dans les systèmes experts et les systèmes de raisonnement automatique, où ils sont utilisés pour traiter des connaissances sous forme symbolique et pour résoudre des problèmes en utilisant des règles logiques.
Cependant, avec l'avènement de l'apprentissage automatique, qui permet aux machines d'apprendre à partir de données plutôt que de règles préprogrammées, l'utilisation des moteurs d'inférence s'est élargie pour inclure des techniques d'apprentissage par renforcement et d'apprentissage profond. Ces approches permettent aux machines d'apprendre des règles logiques et des connaissances à partir de données, tout en maintenant la capacité d'effectuer des inférences logiques et de résoudre des problèmes.
En résumé, les moteurs d'inférence sont toujours utilisés dans l'IA, mais leur utilisation a évolué pour inclure des techniques d'apprentissage automatique, qui leur permettent de traiter des données plus complexes et de résoudre des problèmes plus avancés.
Dernière modification par oualos ; 26/03/2023 à 14h41.
"basés sur des règles logiques", c'est à dire ce qu'on codait en Lisp n'est pas du tout la même chose qu'un moteur d'inférence.
Pour le reste, les réponses de ChatGPT ne font pas foi pour une raison évidente : il a appris depuis le Net et donc ne fait pas la différence entre ce qui était vrai dans les années 1980/90 et ce qui l'est aujourd'hui.
En pratique, les systèmes experts ne sont plus utilisés que dans des cas très restreints. Ils n'ont aucune capacité d'apprentissage, nécessite la modélisation de la connaissance sous forme de règles ce que peu d'experts humains savent faire, ont besoin de règles cohérentes...
Il semble quand même qu'il y ait un regain d'intérêt des anciennes approches pour les marier aux nouvelles afin de compenser les faiblesses de l'une par les forces de l'autre:
"Neuro-symbolic AI"
https://en.wikipedia.org/wiki/Neuro-symbolic_AI
Note que je n'ai pas d'avis sur cette approche particulière, je sais seulement qu'il faut faire quelque chose avant que la défiance s'installe avec cet exposition inédite d'IA générative nouvelle mais immature introduite dans nos outils quotidiens et de travail...
Dernière modification par GBo ; 26/03/2023 à 14h54.
Pour les systèmes experts, on réponse plus pertinente mais qui a déjà 4 ans :
https://ai.stackexchange.com/questio...l-in-use-today
J'ai bossé dans une boite qui faisait de ça avec moteur d'inférence il y a déjà plus de 30 ans. A l'époque, c'était loin d'être un succès.
De nos jours et sauf cas très, très particulier, les algorithmes d'apprentissage vont être largement plus efficaces.
Un exemple qu'on donnait des limites des moteurs d'inférences quand il s'agit de traiter de la complexité du monde :
Règle 1 : les vampires n'existent pas
Règle 2 : les vampires n'ont pas d'ombre
Et là, le moteur d'inférence est coincé quand on lui pose une question sur les vampires parce que la règle 1 lui a dit qu'ils n'existaient pas.
On était obligé de définir des stratégies complexes pour pousser un peu cette limite mais on n'allait pas très loin.
Le deep-learning actuel n'a même pas le début du commencement d'un problème avec ça.
Oui j'ai essayé tu as raison, ChatGPT/GPT-3.5 s'en sort bien. J'arrive à lui faire écrire des choses rigolotes quand même:
A la tienne!ChatGPT/GPT-3.5 : Même avec 10% d'éthanol, l'essence n'est pas un liquide qui conviendrait à la consommation pour les vampires, car leur corps est conçu pour absorber des nutriments spécifiques, tels que le sang. Les vampires sont des créatures de fiction et leur comportement est largement déterminé par les histoires dans lesquelles ils apparaissent.
En outre, il est important de rappeler que l'éthanol est un alcool qui peut être dangereux pour les humains et les animaux s'il est ingéré en grande quantité. En tant que tel, il n'est pas recommandé de boire de l'essence ou de tout autre liquide qui contient de l'éthanol, que ce soit pour les vampires ou pour toute autre personne.
En outre ?Oui j'ai essayé tu as raison, ChatGPT/GPT-3.5 s'en sort bien. J'arrive à lui faire écrire des choses rigolotes quand même:
A la tienne!
Mais de quel volume ? C'est ça la question.)
on pourrait ouvrir un bêtisier de chatGPT dans le fil humour, à titre purement ludiqueOui j'ai essayé tu as raison, ChatGPT/GPT-3.5 s'en sort bien. J'arrive à lui faire écrire des choses rigolotes quand même:
A la tienne!.
et comparer entre gpt3 et gpt4...... et si possible Bart de google.....
Même question aux trois, par trois forumeurs distincts, et aussi (discrètement....) à un couillon humain bien sélectionné, et après on rigole....
rien ne sert de penser, il faut réfléchir avant.... (Pierre Dac...)
Cette discussion ouverte sur une information nouvelle (les plugins) est en train de retomber dans tout ce qui a déjà été dit et répété en boucle ici des dizaines (au minimum) de fois. À se demander si les habitués de ces discussions ne sont pas moins performants que GPT en ce qui concerne leurs sources d’informations pour produire leurs discours ?
Pour le moment j’écris en noir, beware the green !
Rien ne sert de penser, il faut réfléchir avant - Pierre Dac
Nettoyage.
Rien ne sert de penser, il faut réfléchir avant - Pierre Dac
Pour revenir aux plugins, le lien fourni par Liet contient des vidéos illustrant leur usage, il faut bien scroller vers le bas de la page pour les trouver:
https://openai.com/blog/chatgpt-plugins
Par exemple, avec le plugin "browser", suivant la question le ChatGPT/GPT-4 qui en sera muni saura qu'il faut aller chercher l'info sur le web quand il s'agit d'un événement récent (ex. qui a gagné tel prix en 2023), plutôt que d'essayer - et échouer - de le trouver dans sa mémoire d'entrainement de base (entrainement fini en 2021 même pour GPT-4 si je ne m'abuse ?).
Mon commentaire : Il faut bien comprendre que la requête de renseignement sur un évènement récent ne provoque pas le réentrainement du gigantesque modèle de base, ca reste donc une rustine qui ne résout pas le problème qu'un modèle comme GPT-X est trop couteux et trop long à ré-entrainer chaque jour (et même chaque mois ne parait pas envisageable avec la techno actuelle, même en supposant que l'on dispose du corpus textuel à jour, vu le nombre de paramètres du LLM d'OpenAI qui dépasse la centaine de milliards depuis GPT-3.
Il serait intéressant de voir ce qu'il en est pour Bard de Google qui lui a été décliné en modèles beaucoup plus light (en nombre de paramètres mais aussi en corpus de texte à absorber, par exemple son corpus ne contient pas Github et ne sait pas coder). Peut-être est-ce voulu pour pouvoir le réentrainer plus souvent.
cdlt,
GBo
Dernière modification par GBo ; 27/03/2023 à 08h49.
Je signale 3 plugins en espérant que ça n'a pas été déjà mis quelque part: AIRPM for ChatGPT, YouTube Summary with ChatGPT et ChatGPT for Google
Le premier est payant et permet de choisir dans quel style et on on désire la réponse: ce qui peut équivaloir à par exemple l'instruction please write with a tone Sarcastic and style Academic
Mais il a des capacités nettement plus intéressantes aussi.
Il est possible de demander des plug-ins third-part spécifiques sur cette page: https://openai.com/blog/chatgpt-plugins
si je comprends bien, les plugins servent essentiellement à compléter l'information manquante parce que trop récente et pas inclus dans sa base (exemple donné : liste d'hôtels avec les prix à jour quand on demande où dormir à Paris?), en revanche, ils ne peuvent pas servir pour les questions auxquelles il prétend savoir répondre mais en se trompant ? (genre : écrire une phrase sans lettre "e" ) , c'est bien ça ?
c'est compliqué de répondre à votre question car c'est comme si étendait la conduite automatique de voiture aux bateaux, aux motos, aux avions bref à toute sorte de véhicules à moteur.
C'est pas formidable comme image mais c'est ce qui me vient à l'esprit en premier.
Il y a aussi un logiciel qui est sorti qui s'appelle AnyGPT et qui permet de greffer (?) chatGPT à tous les programmes Mac OS.
De quelle manière et comment ça fonctionne ? J'ai pas encore essayé
Youtube summary vous fait un résumé de la video avec les étapes-clés: surtout intéressant quand il s'agit de choses théoriques et parlées comme des conférences, exposés etc.
Les corrections et améliorations viendront plus tard, je crois que les concepteurs y travaillent dur!
Dernière modification par oualos ; 27/03/2023 à 14h59.
Ce n'est pas ça du tout : ils ne servent pas spécialement à ça encore que ça puisse être un usage mais à élargir globalement les possibilités de la plate-forme en permettant la construction d'un écosystème.
Certains plugins vont par exemple ne pas aller chercher de l'information mais au contraire la diffuser en envoyant des emails ou accéder à des plateforme de réservation pour faire du transactionnel...
C'est globalement bien expliqué sur les liens fournis dans le 1er message de ce fil avec des exemples qui montrent la variété.
P.S : l'information "liste d'hôtels avec les prix à jour" est exactement le genre de chose qui ne relève pas d'une "base" mais d'une interrogation temps réel. Et l'intérêt n'est pas de donner la réponse mais d'interagir jusqu'à la réservation donc en bidirectionnel, etc.
oui ok on ne touche pas au coeur du programme, mais on lui rajoute des modules d'entrée-sortie, merci.
Pour ceux que ça intéresse, voici quelques premiers exemple de plugins très simples :
https://artificialcorner.com/plugins...r-e8dcdc8a8da9
Salut,
Une question qui me vient à l'esprit en voyant les exemples cités dans l'article : chatGPT est-il capable d'extraire des données de sa "mémoire" (les coefficients de son réseau de neurones, tels qu'ils ont été figés durant son apprentissage à partir de documents en langage naturel non structuré) sous forme numérique, utilisable dans des calculs via ces plugins ?
En effet parmi ces exemples, il me semble que ceux qui font du calcul grâce à un plugin n'utilisent que des données téléchargés via un autre plugin, et non des données permanentes de la "mémoire" de chatGPT.
Ce serait techniquement possible, c'est juste un gros fichier mais cela n'a aucun intérêt pas plus que tu ne cherches à savoir quel neurone est connecté à quelles autres dans ton cerveau.
C'est 14 milliards de paramètres qui sont le résultat d'une très grosse optimisation de fonction et :
- on ne sait pas les interpréter
- aucun d'entre eux ou même groupe d'entre eux n'est spécialement significatif
Parce que les dites données sont encodées implicitement dans les 14 milliards de paramètres. En fait, tout ce que tu vois est une propriété émergente de la structure du réseau de neurones + sa configuration par les paramètres.
C'est aussi pour cela que ce nombre est relativement petit comparé à la masse de connaissances et de capacités qu'il encode : c'est non seulement les valeurs de ces paramètres (des flottants) mais aussi leurs relations qui créent les résultats.
Dernière modification par pm42 ; 31/03/2023 à 10h06.
Tu as mal compris ma question (ou plutôt je me suis mal exprimé) : je mentionnais les coefficients du réseau de neurone juste pour préciser ce que j'appelle la "mémoire" de GPT, je ne parlais pas de la possibilité de les exporter.
Ma question portait sur la possibilité d'extraire de cette "mémoire" des données issues des textes que GPT a ingurgités, non pas sous forme de bouts de phrase, mais sous forme numérique.
En fait il me semblait que non, ce qui explique les difficultés qu'a GPT à comparer les valeurs de plusieurs nombres, ou à faire des calculs à partir des nombres contenus -sous forme de texte- dans les documents ou dans les questions posées par ses utilisateurs. D'ailleurs chatGPT fait-il des calculs, à proprement parler ? Il me semble que non, puisque, au-delà de ceux qu'il a pu rencontrer couramment dans des textes (genre 2+2=4), il est capable de sortir des réponses erronées même aux questions les plus simples.
Et les exemples donnés dans l'article sur les plugins ne contredisent pas cette impression. D'où la question (qui ne sous-entend en aucun cas un jugement de valeur au sujet de GPT).
Oui, j'ai répondu un peu à coté mais le principe reste le même : ces "données" sont vraiment implicites, elles ne sont pas "codées" quelque part.
Oui.
Non, il fait du "calcul mental intuitif". Ceci dit, GPT-4 semble faire des choses très correctes de ce coté là donc c'est à creuser.
Là aussi, gros progrès coté GPT-4.
Non, les plugins ne sont pas fait pour ça mais j'ai vu qu'il y en a un qui se connecte à Wolfram Alpha donc on peut penser qu'à terme (et comme déjà dit), ce genre d'IA sera capable de sous-traiter des questions "algorithmiques" à des outils dédiés et infiniment plus rapides et fiables qu'un réseau de neurones.
En fait, elles finiront probablement par faire ce que font les humains intelligents : répondre quand elles savent, détecter avec une bonne fiabilité quand elles sortent de leur domaine de compétence et dans ces cas là, transférer à une autre IA ou un à programme classique qui lui sait traiter.
Oui, mon expérience est limitée à GPT-3.5.
C'est bien ce que j'espère (et vois arriver).Non, les plugins ne sont pas fait pour ça mais j'ai vu qu'il y en a un qui se connecte à Wolfram Alpha donc on peut penser qu'à terme (et comme déjà dit), ce genre d'IA sera capable de sous-traiter des questions "algorithmiques" à des outils dédiés et infiniment plus rapides et fiables qu'un réseau de neurones.
En fait, elles finiront probablement par faire ce que font les humains intelligents : répondre quand elles savent, détecter avec une bonne fiabilité quand elles sortent de leur domaine de compétence et dans ces cas là, transférer à une autre IA ou un à programme classique qui lui sait traiter.
Le problème majeur est probablement d'apprendre à des IA basées sur un moteur de langage (et sur une "connaissance" encyclopédique) comment "détecter avec une bonne fiabilité quand elles sortent de leur domaine de compétence" - parce qu'on ne peut pas simplement leur expliquer qu'il faut (par exemple) qu'elles exécutent un algorithme même aussi basique que "si l'utilisateur pose un problème de calcul, utilise le plugin Wolfram Alpha". Ou bien si ?
Bien sur mais il reste énormément d'usages où on n'a pas besoin d'une fiabilité à 100% et on a déjà donné des exemples (recherche synthétique plus rapide qu'en cherchant soi même sur des dizaines de liens, construction de plan, etc).
Il me semble qu'il y a 2 biais :
- le 1er est d'utiliser ChatGPT comme un moteur de recherche. C'est ce que j'ai eu tendance à faire avant de lire dessus et d'expérimenter pour découvrir des usages très différents et où il apporte quelque chose qui n'existait pas
- le 2nd qui est fort ici est de le tester un peu comme "une IA forte". On est nombreux à avoir une formation scientifique donc on a tendance à évaluer sur des raisonnements, de la rigueur élevée, etc. C'est pertinent pour certaines parties de nos activités mais pas forcément pour tout et encore moins dès qu'on sort de domaine des sciences et technologies.
Par exemple, si je prends des sources grand public sur n'importe quel sujet écrites par des humains, le taux d'erreur est tout sauf négligeable et pas forcément inférieur à celui d'une IA
Le 3ème biais est de s'attendre à une IA forte ou un moteur d'inférence logique mais on en revient à : "c'est un outil, il faut apprendre à s'en servir et savoir quand ne pas s'en servir".
Oui. J'ai d'ailleurs essayé (quelques minutes) d'utiliser GPT / Bing. L'intérêt est qu'on peut voir les mots clés qu'utilise GPT (après avoir "compris" la question de l'utilisateur) pour lancer la recherche Bing. Et j'ai constaté que ça n'est pas mieux que ce qu'un utilisateur comme toi et moi (bon, on n'est pas représentatifs) ferait de lui-même, en moins de temps qu'il lui en faut pour rédiger une question complète en langage naturel.
Je suis d'accord sur le fait que ça peut être un biais. Mais,- le 2nd qui est fort ici est de le tester un peu comme "une IA forte". On est nombreux à avoir une formation scientifique donc on a tendance à évaluer sur des raisonnements, de la rigueur élevée, etc. C'est pertinent pour certaines parties de nos activités mais pas forcément pour tout et encore moins dès qu'on sort de domaine des sciences et technologies.
Ce n'est pas ça qui en fait des sources de qualité...Par exemple, si je prends des sources grand public sur n'importe quel sujet écrites par des humains, le taux d'erreur est tout sauf négligeable et pas forcément inférieur à celui d'une IA
Or le problème (le biais qu'on a tous "naturellement") est qu'on attend d'un "programme informatique" qu'il ne donne que des réponses exactes (et toujours les mêmes) à des questions correctement formulées - contrairement aux sources grand-public, presse écrite ou parlée, média en ligne, réseaux sociaux ou même forums tel que FS...
Oui, et pour ça les quelques tests que j'avais fait en décembre m'ont permis de faire à peu près le tour de la question (et j'avais d'ailleurs cessé de participer aux discussions sur chatGPT qui tournaient en rond).Le 3ème biais est de s'attendre à une IA forte ou un moteur d'inférence logique mais on en revient à : "c'est un outil, il faut apprendre à s'en servir et savoir quand ne pas s'en servir".
Oui et c'est un biais plus vaste : dès qu'une voiture autonome a tué un piéton, on a arrêté une grande partie des essais.
Sauf que le conducteur qui devait servir de contrôle ne faisait pas son boulot et que le dit piéton traversait une route large, de nuit, en poussant son vélo et sans regarder du tout du coté d'où venaient les voitures.
Bref, on a demandé aux machines de faire mieux que tous les humains en prétendant qu'elles n'avaient pas de valeur sinon. C'est émotionnel, pas statistique.
Pour les ordinateurs, on a effectivement cette attente de "réponse juste tout le temps" mais au fur et à mesure qu'on leur fait faire des tâches jusque là réservées aux humains, c'est moins vrai.
C'est pour ça que j'insiste sur la connaissance des limites de ces outils, la conscience du fait qu'on progresse très vite, qu'il reste énormément d'usages très intéressants et le fait que si on évalue rationnellement le taux d'erreur dans le périmètre de compétence de l'outil, cela reste faible.
P.S : j'ai récemment cherché une info par moi-même en HiFi. J'ai trouvé la réponse sur des forums correct et le consensus des participants affirmait quelque chose avec des arguments crédibles.
Le fabriquant du matériel que je souhaitais acheté, très reconnu me disait le contraire.
J'ai donc fait des tests en aveugle, etc (et j'ai de l'expérience en HiFi) et j'ai constaté que les forums disaient à 90% n'importe quoi.
C'est rare, en général je trouve de l'information exacte mais ça arrive aussi d'avoir du nawak par les moyens classiques. Idem dans les livres, etc.
Donc il n'existe pas de source 100% fiable d'un coté et des IAs pas fiables du tout comme on peut le lire ici et ailleurs.
Rassures moi, c'était pas pour un cable
Non, j'écoute de la musique, je ne suis pas dans l'optimisation des câblesRassures moi, c'était pas pour un cable
Ceci dit, je suis déjà impressionné par les algos d'IA "simples" qui font des propositions de musique en apprenant nos préférences parce que ça m'a fait découvrir pas mal de choses.
A terme, générer de la musique serait aussi intéressant (mais cela pose des problèmes sociaux qu'on ne va pas aborder ici).
On sait déjà faire ceci dit mais je ne sais pas ce que cela vaut.
